Bulle IA
Bulle IA — Anatomie
d’un Cycle Spéculatif
Le boom de l’IA presente des similitudes structurelles avec la bulle dot-com (narrative dominante, CapEx massif, concentration record), mais des différences fondamentales (profits réels, cash-flow positif, adoption enterprise mesurable). Le risque n’est pas que l’IA echoue — c’est que le marché ait price 10 ans de croissance en 3 ans.
Tableau de Bord — Risque Bulle IA
Indicateurs clés de surchauffe du secteur IA compares aux niveaux historiques de la bulle internet.
NVDA actuelCisco 2000: 196x
Mag7 actuelTop 5 en 2000: 18%
Sources : Yahoo Finance (prix hebdo des 7 tickers + ^GSPC) • Méthodo : pour chaque Mag7, mcap_t = adj_close_t × shares_outstanding actuelles. S&P 500 mcap = ^GSPC × diviseur 8.3B (free-float officiel). Poids_t = somme_Mag7_mcap / S&P_mcap. Drift estime pre-2024 : ±5-10% pour les tickers ayant rachete/dilue des actions depuis 2020.
Sources :
Yahoo
Finance • P/E TTM courant = champ trailingPE Yahoo
(vérifiable) • historique reconstitué via EPS reportés • Ligne rouge =
Cisco au pic dot-com (196x)
Amazon$200B
US ~$700B vs Chine ~$56B — ratio 12.5:1. Mais DeepSeek a entraîné un modèle frontier pour $5.6M vs $100M+ US. L'efficience chinoise compense partiellement le gap d'investissement.
MAJ: 2026-06-08 20:01
Sources : NVIDIA via Yahoo Finance • Index composite calcule a partir de donnees S&P 500, Yahoo Finance, Google Trends «AI bubble», FRED
Circularite
Si la
valorisation et la concentration baissent parce que les cours baissent,
l’indice dira “moins de risque” exactement au moment ou le marché est en
stress. En 2000, l’indice aurait baisse pendant le krach, pas
avant. C’est un thermometre de la surchauffe, pas un signal prédictif de
retournement.
Sentiment indirect &
volatile
Le sous-indice Sentiment (20%) mesure les
recherches Google Trends pour «AI bubble», pas le sentiment de marché
direct. Un pic peut refléter la curiosité médiatique autant que
l’inquiétude réelle — on capte l’attention du public sur le mot
«bulle IA», pas l’opinion qu’il en a. La courbe est
volontairement non lissée pour rester strictement
vérifiable contre l’onglet Google Trends ; elle oscille donc fortement
mois après mois (les recherches Google sont par nature bruitées). Lire
la tendance trimestrielle plutôt qu’un point isolé.
Donnees historiques
estimees
Les sous-indices avant 2024 sont reconstruits a
partir de donnees de marché et de proxies, pas de mesures directes en
temps reel. La precision augmente pour les périodes recentes ou les
donnees live Yahoo Finance sont disponibles.
Timing ≠ Direction
Un
indice qui descend de 70 a 58 dit : “la correction a purge une partie de
l’excès spéculatif.” C’est utile pour contextualiser, mais ca ne dit pas
si la purge est terminee ou si elle va s’accelerer.
COMPRENDRE L’INDEX — Méthodologie de construction
L’AI Bubble Risk Index est un score composite de 0 a 100 qui mesure le niveau de surchauffe spéculative du secteur IA, inspire du Crypto Fear & Greed Index.
Il combine 4 sous-indices, chacun mesure de 0 (aucun risque) a 100 (risque maximum), tous calcules a partir de donnees publiques verifiables, pondérés selon leur pouvoir prédictif historique :
Concentration
Marché
Poids des Magnificent 7 dans le S&P 500. Plus ils dominent, plus le
marché est fragile.
30%
Poids des Magnificent 7 dans le S&P 500. Plus ils dominent, plus le marché est fragile.
DÉFINITION & LOGIQUE
Mesure la part cumulée des 7 plus grandes capitalisations technologiques (Apple, Microsoft, Nvidia, Amazon, Alphabet, Meta, Tesla) dans l’indice S&P 500. Une concentration excessive signale un marché fragile : si ces titres corrigent, c’est tout l’indice qui chute. C’est exactement ce qui s’est passé en 2000 avec Cisco, Microsoft, GE, Intel et Exxon.
Référence historique : Au pic de la bulle dot-com (mars 2000), les 5 plus grosses capitalisations pesaient ~18% du S&P 500. Aujourd’hui, les Mag7 dépassent 33% — un niveau de concentration sans précédent dans l’histoire du marché américain.
POURQUOI 30% DU POIDS TOTAL
La concentration est le premier signal d’alerte structurel. Les travaux de Gabaix (2011) sur les “granular origins” montrent que lorsque quelques firmes dominent un indice, les chocs idiosyncratiques deviennent des chocs systémiques. C’est le sous-indice le plus prédictif d’une correction sévère, d’où son poids dominant.
FORMULE DE CONVERSION
Donnée brute : % du S&P 500 détenu par les Mag7 (source : Yahoo Finance, pondération en temps réel).
Mag7 ≤ 20% → score = pct / 20 × 30
20% < Mag7 ≤ 30% → score =
30 + (pct - 20) / 10 × 35
30% < Mag7 ≤ 40% → score = 65 + (pct -
30) / 10 × 25
40% < Mag7 ≤ 50% → score = 90 + (pct - 40) / 10 ×
10
Mag7 > 50% → score = 100
La courbe est convexe : elle accélère au-delà de 30%, car les études montrent que les dégâts systémiques croissent de manière non-linéaire avec la concentration (Herfindahl-Hirschman).
HISTORIQUE COMMENTÉ
| Période | Valeur | Mag7 % | Justification |
|---|---|---|---|
| Jan 2020 | 37 | ~22% | Pré-COVID, concentration modérée, FAANG déjà dominantes mais pas encore “Magnificent” |
| Mar 2020 | 28 | ~19% | Crash COVID, vente généralisée, le poids relatif des tech baisse momentanément |
| Jan 2021 | 54 | ~26% | Rally post-COVID, taux à 0%, les tech mènent la reprise — concentration en forte hausse |
| Avr 2021 | 65 | ~29% | Pic pré-rotation, FAANG surperforment le reste du marché |
| Jan 2022 | 62 | ~28% | Début du cycle de hausse des taux, mais Mag7 restent lourdes dans l’indice |
| Oct 2022 | 28 | ~19% | Bear market tech, Meta -70%, NVDA -65%, Tesla -70% — concentration au plancher |
| Jan 2023 | 30 | ~20% | Début de la reprise, ChatGPT lancé en nov 2022 mais l’effet n’est pas encore dans les prix |
| Jul 2023 | 48 | ~25% | Le rally IA concentre les gains sur NVDA, MSFT, META — le reste du marché stagne |
| Jan 2024 | 62 | ~28% | NVDA +240% en 2023, les Mag7 captent l’essentiel de la performance du S&P |
| Jul 2024 | 65 | ~30% | Pic avant la rotation de juillet 2024, concentration historique atteinte |
| Jan 2025 | 75 | ~33% | Record absolu, les Mag7 pèsent plus d’un tiers du S&P 500 — niveau sans précédent |
| Jul 2025 | 80 | ~34% | Concentration maintenue malgré la volatilité, flux passifs ETF accentuent l’effet |
| Jan 2026 | 82 | ~35% | Plateau — la concentration reste extrême, portée par les rachats d’actions et les flux indiciels |
Sources : SlickCharts S&P 500 Weightings · Yahoo Finance (market caps) · Gabaix, X. (2011), “The Granular Origins of Aggregate Fluctuations”, Econometrica
Valorisation
P/E forward des leaders IA comparé aux pics historiques de la bulle
dot-com.
25%
P/E forward des leaders IA comparé aux pics historiques de la bulle dot-com.
DÉFINITION & LOGIQUE
Compare le P/E forward moyen pondéré des leaders IA (principalement NVDA, mais aussi MSFT, GOOG, META) aux niveaux atteints lors de la bulle dot-com. Un P/E élevé n’est pas intrinsèquement dangereux s’il est soutenu par une croissance des bénéfices proportionnelle — c’est la déconnexion entre prix et fondamentaux qui signale la bulle.
Benchmark dot-com : Au pic de mars 2000, Cisco (leader tech de l’époque) cotait à ~196x les bénéfices, Microsoft à ~73x, et des dizaines de pure-plays internet n’avaient aucun bénéfice. Le P/E composite du secteur tech dépassait 120x.
POURQUOI 15% DU POIDS TOTAL
Poids modéré car le P/E est un indicateur retardé : il ne monte fortement qu’en fin de cycle, quand les prix ont déjà beaucoup augmenté. Les corrections commencent souvent avant que les P/E n’atteignent des niveaux extrêmes. De plus, contrairement au dot-com, les leaders IA actuels ont des bénéfices réels, ce qui rend la comparaison directe moins alarmante.
FORMULE DE CONVERSION
Donnée brute : P/E TTM de NVDA (proxy principal, complété par le P/E des autres Mag7 via Yahoo Finance).
P/E ≤ 20 → score = PE / 20 × 30
20 < P/E ≤ 40 → score = 30 +
(PE - 20) / 20 × 30
40 < P/E ≤ 80 → score = 60 + (PE - 40) / 40 ×
25
P/E > 80 → score = min(100, 85 + (PE - 80) / 120 × 15)
La courbe est concave au-dessus de 40x : un P/E de 60x ne score que 72, car dans le contexte de l’IA actuel (croissance des bénéfices réelle), un tel P/E est élevé mais pas délirant. Il faudrait dépasser 80x pour s’approcher des niveaux dot-com.
HISTORIQUE COMMENTÉ
| Période | Valeur | NVDA P/E | Contexte |
|---|---|---|---|
| Jan 2020 | 38 | ~25x | P/E normaux, NVDA est encore un “GPU gaming company” |
| Jun 2020 | 55 | ~40x | Stimulus COVID, taux à 0% — expansion des multiples sur toute la tech |
| Jan 2021 | 71 | ~55x | Euphorie post-COVID, NVDA portée par le gaming + crypto mining |
| Avr 2021 | 78 | ~65x | Pic de valorisation pré-taux, mais bénéfices réels en forte hausse |
| Jan 2022 | 55 | ~40x | Début de la compression — Fed signale les hausses de taux |
| Oct 2022 | 28 | ~15x | Creux — NVDA -65% du pic, crypto winter détruit la demande GPU |
| Jan 2023 | 28 | ~15x | Toujours bas, mais ChatGPT change la thèse d’investissement |
| Jul 2023 | 42 | ~30x | NVDA triple en 6 mois, mais les earnings suivent (data center +171% YoY) |
| Mai 2024 | 78 | ~65x | NVDA à $2.5T, P/E élevé mais earnings triplent — “cher mais justifié” ? |
| Jul 2024 | 81 | ~70x | Pic de valorisation du cycle IA, NVDA atteint $3T de market cap |
| Oct 2024 | 65 | ~45x | Earnings rattrapent le prix — le P/E se comprime mécaniquement |
| Jan 2025 | 51 | ~35x | P/E en forte baisse — NVDA $130B+ de revenus annualisés |
| Jan 2026 | 49 | ~30x | Normalisation — les leaders IA cotent à des P/E raisonnables pour leur croissance |
Sources : Yahoo Finance (P/E TTM & Forward) · Shiller CAPE Ratio · Ofek, E. & Richardson, M. (2003), “DotCom Mania”, Journal of Finance
Sentiment
Recherches Google Trends pour «AI bubble» (monde, mensuel) — mesure
l’intensité du questionnement public sur une potentielle bulle IA.
Visualisable sur l’onglet
Google
Trends → bouton Hype IA.
20%
Recherches Google Trends pour «AI bubble» (monde, mensuel) — mesure l’intensité du questionnement public sur une potentielle bulle IA. Visualisable sur l’onglet Google Trends → bouton Hype IA.
DÉFINITION & LOGIQUE
Mesure l’intensité du questionnement public sur l’existence d’une bulle IA, via le volume mensuel de recherches Google pour le terme «AI bubble» (Google Trends, monde, catégorie All, depuis 2004). Quand les gens tapent «AI bubble» dans Google, c’est qu’ils se demandent explicitement si nous sommes dans une bulle — signal direct, pas proxy. Un volume élevé traduit une inquiétude croissante du marché vis-à-vis d’une surchauffe spéculative. Ce sous-indice capture le sentiment ambiant, pas la réalité fondamentale.
Théorie sous-jacente : Shiller (2000, 2019) démontre dans Narrative Economics que les récits viraux sont un moteur causal des bulles, pas un simple symptôme. Quand le public cherche massivement «AI bubble» sur Google, cela signale que la conscience du risque spéculatif est élevée — un indicateur contrarian utile. Les Google Trends sont utilisés en finance académique (Da, Engelberg & Gao 2011, Preis et al. 2013, Curme et al. 2014) comme proxy fiable d’attention publique sur un sujet financier.
Source live : Google Trends via SerpAPI (refresh 2x/semaine, Mon+Thu, cf onglet Google Trends — Hype IA). Le même série brute alimente cet onglet et le score Sentiment ici — une seule source de vérité. La série précédente (Wikipedia pageviews «AI winter», 2020-04 → 2026-05) a été retirée le 2026-05-16 au profit du signal direct.
POURQUOI 20% DU POIDS TOTAL
Le sentiment est un indicateur avancé mais bruité : un pic peut refléter un événement ponctuel (lancement produit, article viral) sans signification systémique. Poids de 20% — significatif pour capter les tendances de fond, mais pas dominant pour éviter les faux signaux.
FORMULE DE CONVERSION
Donnée brute : Google Trends «AI bubble», indice 0-100 normalisé par Google lui-même (100 = pic de popularité du terme sur la fenêtre 2004 → aujourd’hui, monde entier, mensuel).
score Sentiment = valeur Google Trends «AI
bubble»
(aucun scaling,
aucun lissage, aucune transformation)
Pour l’index hebdomadaire, on interpole linéairement entre deux points mensuels consécutifs — c’est la seule opération appliquée. La courbe Sentiment du graph historique doit être visuellement identique à la courbe «AI bubble» de l’onglet Google Trends → Hype IA. C’est la garantie de vérifiabilité.
Contribution
au composite : Sentiment × 20%. Donc GT=50 ajoute 10 points
au score Bulle IA ; GT=100 (pic absolu) ajoute 20 points.
POURQUOI LA COURBE OSCILLE
La courbe Sentiment zigzague mois après mois — c’est attendu, pas un bug. La donnée brute Google Trends elle-même varie fortement (par ex. 11 → 52 → 41 → 79 → 100 → 68 entre juil 2025 et déc 2025), parce que les recherches Google reflètent des chocs narratifs ponctuels (cover stories, tweets viraux, releases d’IA, corrections de marché).
Vérification visuelle : ouvrir l’onglet Google Trends → Hype IA — la courbe «AI bubble» affichée là-bas est strictement identique à la courbe Sentiment de cet index. Mêmes valeurs 0-100, mêmes oscillations mensuelles, aucune transformation entre les deux. Les pics et les creux doivent matcher à 1 point près (la seule différence : ici on interpole le mensuel en hebdo pour aligner sur la grille temporelle de l’index).
Comment l’interpréter : regarder la tendance trimestrielle (moyenne mentale sur 3 mois) plutôt que la valeur d’un mois isolé. Un score «Sentiment» qui oscille entre 70 et 85 sur 6 mois traduit un régime durablement élevé ; un point isolé à 95 suivi d’un retour à 50 traduit un choc ponctuel.
HISTORIQUE COMMENTÉ
L’indice Google Trends est normalisé sur l’ensemble de la série 2004 → aujourd’hui : 100 = pic absolu (nov 2025). Pendant 19 ans (2004-2022), le terme «AI bubble» est resté sous 1 dans Google — l’expression n’avait quasiment aucun usage public avant ChatGPT.
| Période | Score GT | Événement clé |
|---|---|---|
| 2004 → 2022 | 0-1 | Terme inexistant dans le langage grand public. Quelques pics isolés autour des cycles «deep learning hype» 2016-2017, mais signal < 1 |
| Nov 2022 | 1 | ChatGPT lancé le 30 nov — 1M users en 5 jours. Le terme «AI bubble» commence à émerger mais reste marginal |
| Mar 2023 | 2 | GPT-4, lettre ouverte «pause AI» (Musk/Wozniak). Premiers articles WSJ/FT qui posent la question «is this an AI bubble?» |
| Jul 2023 | 3 | NVDA +200% YTD, débuts du discours «valuations stretched» chez Goldman, Morgan Stanley |
| 2024 (moy.) | 3-5 | Le mot revient régulièrement dans les médias éco mais sans pic. CES 2024 «AI is everywhere», GPT-4o, Apple Intelligence |
| Jul 2025 | 11 | Première vraie accélération : début du débat «capex IA insoutenable», premiers signes de fatigue boursière sur les hyperscalers |
| Oct 2025 | 79 | Explosion virale du narratif — couverture médiatique massive (cover stories Economist, FT, Bloomberg), papers académiques relayés |
| Nov 2025 | 100 | Pic historique — max de la série depuis 2004. Le terme «AI bubble» sature les recherches Google partout dans le monde |
| Dec 2025 | 68 | Reflux partiel après le pic mais le narratif reste très chaud, intégré au discours dominant |
| Jan 2026 | 49 | Le débat continue, soutenu par la volatilité Q4 sur NVDA/CoreWeave/Oracle |
| Apr 2026 | 59 | Le terme reste élevé — chaque correction de NVDA >5% relance les recherches «AI bubble» |
| Mai 2026 | 37 | Niveau encore élevé en comparaison historique mais en reflux net — le narratif «bulle» se diffuse moins fort dans les recherches |
La colonne «Score GT» = exactement la valeur affichée par Google Trends pour «AI bubble» à cette date. Aucune transformation appliquée.
Lecture : Le signal a basculé de quasi-inexistant à saturé entre juillet et novembre 2025 — soit le timing exact du pic NVDA/CoreWeave. Le sentiment d’inquiétude publique a donc validé la flambée de valorisation en temps réel, pas avec retard comme Wikipedia «AI winter» le faisait (qui pic-tait dès 2024 sur la pure curiosité IA).
Sources : Google Trends «AI bubble» via SerpAPI (mensuel, monde, refresh Mon+Thu) · Shiller, R. (2019), Narrative Economics, Princeton University Press · Da, Z., Engelberg, J. & Gao, P. (2011), «In Search of Attention», Journal of Finance 66 · Preis, T., Moat, H. & Stanley, H.E. (2013), «Quantifying Trading Behavior in Financial Markets Using Google Trends», Scientific Reports 3:1684
Macro
Score (FRED)
Score Macro 16 indicateurs FRED — strictement identique
au Macro Index affiché sur l’onglet
Macro
Trends. Plus le score est bas, plus les conditions économiques sont
défavorables, plus la bulle est vulnérable.
25%
Score Macro 16 indicateurs FRED — strictement identique au Macro Index affiché sur l’onglet Macro Trends. Plus le score est bas, plus les conditions économiques sont défavorables, plus la bulle est vulnérable.
DÉFINITION & LOGIQUE
Utilise directement le Macro Score calculé sur la page Macro Trends — aucun retraitement ici. C’est un score 0-100 qui mesure le momentum 3 mois des 16 indicateurs FRED : combien sont en amélioration (bull) vs détérioration (bear) sur les 91 derniers jours. 0 = tout se dégrade, 50 = neutre, 100 = tout s’améliore.
Lien avec le risque de bulle : quand les conditions macro se détériorent (Macro Score ↓), les actifs spéculatifs deviennent vulnérables — tightening de liquidité, hausse du chômage, élargissement des spreads de crédit. Historiquement les bulles éclatent pendant cette détérioration (dot-com s’effondre quand Fed monte en 2000 ; housing s’effondre avec hausse chômage 2008). Donc Macro bas = fragilité = risque de bulle élevé.
Précision technique : le Macro Score mesure le momentum 3M des indicateurs (combien ont basculé bull/bear récemment), pas leur niveau absolu. Macro=20 ne signifie pas “récession” mais “majorité d’indicateurs en détérioration sur 3 mois”.
FORMULE DE CONVERSION
valeur affichée Macro Score = valeur Macro Index de
Macro_Trends
(aucun scaling,
aucune transformation pour l’affichage)
contribution au composite Bubble Risk = (100 − Macro Score) ×
25%
(seule l’inversion
mathématique est appliquée pour aligner avec la sémantique
“risque”)
| Macro Score | Lecture macro | Contribution au composite |
|---|---|---|
| 20 | Conditions défavorables | (100−20) × 0.25 = 20 |
| 38 | Légèrement défavorable | (100−38) × 0.25 = 15.5 |
| 50 | Neutre | (100−50) × 0.25 = 12.5 |
| 70 | Favorable | (100−70) × 0.25 = 7.5 |
| 90 | Très favorable | (100−90) × 0.25 = 2.5 |
Lecture de la courbe historique : la courbe Macro affichée est la contribution au risque (100 − Macro Score), pour qu’elle évolue dans le même sens que les 3 autres sous-indices (↑ = plus de risque). Le tooltip rappelle la valeur brute du Macro Score. Ex : si Macro_Trends affiche 38, la courbe ici affiche 62 (= 100 − 38) et le tooltip dit « Macro: 38/100 → contrib risque 62 ».
16 INDICATEURS FRED (poids égal)
| Catégorie | Indicateurs (séries FRED) | Seuil de bascule (variation 3M) |
|---|---|---|
| Taux (3) | FEDFUNDS, DGS10, T10Y2Y | 2% / 3% / 5% |
| Crédit (1) | BAMLH0A0HYM2 (HY OAS) | 15% |
| Emploi (2) | UNRATE, MANEMP | 2% / 1% |
| Consommation (2) | UMCSENT, RSXFS | 5% / 1% |
| Industrie (2) | INDPRO, CFNAI | 1% / 50% |
| Liquidité (2) | WM2NS (M2), WALCL (bilan Fed) | 2% / 1% |
| Risque (4) | VIXCLS, DCOILWTICO, DTWEXBGS, CPIAUCSL | 20% / 5% / 2% / 0.5% |
Pour chaque indicateur : variation 3M comparée au seuil → bull (+1),
bear (−1), ou neutre (0). Score = (bull − bear) / total × 50 +
50, clampé [0, 100]. Méthodologie détaillée et code Python sur
l’onglet
Macro
Trends.
Sources :
Federal Reserve
Economic Data (FRED) via le script
fetch_macro_fred_data.py (refresh 6h via launchd, cf onglet
Macro Trends). Toutes
les séries publiques, gratuites, téléchargeables.
Formule :
Score = Concentration × 0.30 + Valorisation × 0.25 + (100 − Macro Score)
× 0.25 + Sentiment × 0.20
Lecture : 0-35 =
Faible • | 35-50 =
Modéré • | 50-75 =
Élevé • | 75-100 =
Extrême •
Dot-Com vs IA — Le Miroir Historique
Superposition des deux cycles speculatifs : les similitudes sont frappantes, les différences sont critiques.
| Metrique | Dot-Com (1999-2000) | AI Boom (2024-2026) | Signal |
|---|---|---|---|
| Leader P/E au pic | Cisco: 196x · MSFT: 73x | NVDA: –x · MSFT: –x | 🟢 Moins extrême |
| Revenus réels des leaders | Souvent inexistants (Pets.com, Webvan) | NVDA $130B+ rev, marges 70%+ ↗ | 🟢 Fondamentaux solides |
| Concentration top 5 | ~18% du S&P 500 | ~–% du S&P 500 ↗ | 🔴 Pire qu'en 2000 |
| IPO sans profits | ~80% des IPO tech | Peu d'IPO IA pures | 🟢 Moins de speculation retail |
| Narrative dominante | “Internet change tout” | “L'IA change tout” | 🟠 Meme pattern narratif |
| CapEx / Revenus générés | Infra telecom surcapacitaire | CapEx AI >> revenus AI mesurables ↗ | 🔴 Meme déconnexion |
| Taux directeur Fed | 6.5% (mai 2000) ↗ | 4.25-4.50% (2025) ↗ | 🟠 Élevé mais moins restrictif |
| Free Cash Flow leaders | Négatif pour la majorite | $200B+ FCF cumule Mag7 | 🟢 Autofinancement possible |
| Vitesse d'adoption | Internet: ~5 ans pour 50M users | ChatGPT: 2 mois pour 100M users | 🟠 Adoption ≠ Monétisation |
| Dépréciation des actifs | Infra telecom : amortie sur 15-25 ans ↗ | GPUs IA : cycle produit 12 mois (Hopper→Blackwell→Rubin), amortis sur 5-6 ans comptables vs 2-3 ans économiques. Prix H100 d'occasion: -70%. Burry estime $176B de profits surévalues 2026-28 ↗ | 🔴 Pire — obsolescence bien plus rapide |
| Disruption externe | Pas de concurrent technologique credible | Chine : DeepSeek entraîné pour $5.6M vs $100M+ US. Open-source dominant (89% part marché CN). $56B capex CN vs $700B US — efficience compense le volume. -$1T de market cap US en 1 jour (27/01/25) ↗ | 🔴 Risque systemique absent du dot-com |
| Paradoxe de Jevons vs commoditisation | N/A — pas de précédent comparable | Si l'inference devient quasi-gratuite : soit la demande explose (Jevons = bull, capex justifie), soit les marges des hyperscalers s'effondrent et le capex de $700B devient injustifiable. Le marché price un seul scenario ↗ | 🟠 Issue binaire — incertitude maximale |
Écosystème IA — Interconnexions & Risque Systemique
L’écosystème IA americain est un reseau d’interdependances critiques. Si un maillon cede, l’effet domino peut etre devastateur.
LIENS : | ZONE :
Molette = zoom · Drag = deplacer · Shift+clic = multi-select
0 actifs · 0✖ · $0B
9596979899000102
Dot-Com 2000
IA 2026
Decomposition du Risque Dynamique · Connecte aux cartes
×
━ S&P 500 IT Sector (XLK/SPY) — Dot-Com 1999-2002 ━ Magnificent 7 (poids mcap) — IA 2020-2026
Le ratio benefice net / investissements en capital des 4 hyperscalers (Microsoft, Google, Amazon, Meta) — les acheteurs de GPU, pas le vendeur (NVIDIA). Un ratio < 1 signifie que ces entreprises investissent en infrastructure IA plus qu'elles ne gagnent — situation typique d'une bulle d'investissement. Plus le score est eleve, plus le desequilibre est dangereux.
Formule :
Score = 100 -
(total_benefice_net / total_capex) × 100
ratio ≥ 1.0 (benef ≥ capex) → score ≈ 0
(sain)
ratio = 0.5 → score ≈ 50
(attention)
ratio = 0.0 → score
= 100 (critique)
IA 2026
(live) : …
• Ratio > 1.0x :
L'entreprise gagne plus qu'elle n'investit → investissement
soutenable
• Ratio 0.5 -
1.0x : Zone d'attention → le capex parie sur une croissance
future rapide
• Ratio <
0.5x : Zone de danger → surinvestissement, risque de write-down
si la demande decoit
• Nuance
importante : Un ratio faible n'est pas forcement mauvais si les
revenus croissent rapidement. Amazon a eu un ratio < 0.3x pendant des
annees avant de devenir le leader cloud. Le risque est quand
tout le secteur a un ratio
faible simultanement.
Sources : Yahoo Finance (cashflow statements TTM : Net Income, Capital Expenditure) • Donnees mises a jour en temps reel a chaque chargement de la page
La deflation hardware quantifie la vitesse d'obsolescence des puces et serveurs. Un score eleve signifie que le materiel perd sa valeur rapidement : le capex d'aujourd'hui devient un actif a deprecier demain. C'est le risque que $500Md+ d'investissements GPU deviennent des couts irrecuperables avant d'avoir ete amortis.
Formule :
Score = (1 - cycle_actuel / cycle_standard) × 50 +
taux_deflation_prix_perf ×
50
cycle_standard = 5 ans (duree de
vie comptable d'un serveur/GPU selon normes GAAP)
cycle_actuel = temps moyen entre deux generations
de puces
taux_deflation = baisse
annuelle du cout par unite de performance
Calcul detaille :
Dot-Com 2000 : …
Serveurs Dell
PowerEdge / Sun : cycle ~48 mois, depreciation prix ~15%/an
Composante cycle : (1 - 48/60) × 50 =
10
Composante deflation : 15% ×
50/100 = 7.5
IA 2026
: …
GPU NVIDIA : cycle ~18 mois, deflation prix/perf
~50%/an (Moore's Law accelere)
Composante cycle : (1 - 18/60) × 50 =
35
Composante deflation : 50% ×
50/100 = 25
Ajustement P/E
NVIDIA : si P/E > 40, le marche price un remplacement
rapide
• Les hyperscalers (Microsoft, Google, Amazon, Meta) ont investi
$500Md+ en datacenters GPU entre
2023-2026
• Si les puces sont obsoletes en 18 mois au lieu de 5 ans,
la depreciation comptable est 3x plus
rapide que prevue
• Chaque $100Md de write-down = impact
direct sur les earnings → chute du cours → contagion S&P 500
•
Si la Chine rend les GPU actuels obsoletes par l'efficience logicielle,
le moat NVIDIA s'effondre : ses marges
75% ne tiennent que si le hardware est indispensable
Sources : NVIDIA SEC filings (cycle produit) • DeepSeek arXiv 2412.19437 • Gartner (cycle depreciation serveurs) • Yahoo Finance (P/E NVIDIA live) • Bloomberg (capex hyperscalers)
Formule : Densite = nb_liens
/ [nb_noeuds × (nb_noeuds-1) / 2] × 100
Dot-Com : …
IA 2026
: …
| Scenario | Probabilite | Impact S&P | Contagion |
|---|---|---|---|
| №1 NVIDIA Shock | Moyenne | -15 a -25% | Semaines |
| №2 Taiwan | Faible | -30 a -40% | Jours |
| №3 Energie | Moyenne | -10 a -15% | Mois |
| №4 Open Source | Moy-haute | -15 a -25% | Trimestres |
| №5 Obsolescence | Moy-haute | -20 a -30% | Trimestres |
▸ Bulle IA · Onglet 4/5 7 actes ~9 min de lecture Données live
Comment 3 ans de sanctions américaines ont accidentellement créé le rival le plus dangereux de la tech US — 7 actes, de la géopolitique des puces à l'anatomie chiffrée du Facteur Chine.
La guerre des puces : 3 ans de sanctions ont forcé l'innovation chinoise
Avant DeepSeek, il y a 3 ans d'export controls américains qui ont coupé la Chine des GPU de pointe NVIDIA. La réponse stratégique chinoise n'a pas été de produire plus de GPU — elle ne pouvait pas. Elle a été de produire des modèles plus efficaces. C'est l'effet boomerang des sanctions : l'efficience est devenue un impératif national, et DeepSeek en est la conséquence directe.
Le jour où l’IA est devenue bon marché
Le 27 janvier 2025, une startup chinoise inconnue pulvérise le consensus du marché. DeepSeek publie un modèle rival de GPT-4 dont le pre-training run a coûté ~5,6 M$ (hors R&D, infrastructure et salaires) — soit ~20× moins que les estimations équivalentes US. En une séance, NVIDIA perd 593 milliards de dollars de capitalisation. Ce n'est pas un accident. C'est le début d'un changement structurel : la déflation de l'IA.
Un seul jour de bourse a effacé 593 Md$ de capitalisation NVIDIA. Pas un krach aléatoire : un retournement de thèse. Le marché a soudainement compris que l'IA performante pourrait ne pas exiger 100 M$ de compute. Si c'est vrai, tout le scenario CapEx massif est à revoir.
La loi de Moore de l'inférence
Loi de Moore originale (1965) : le nombre de transistors double tous les 24 mois. Pour le coût d'inférence IA, le rythme est ~10× plus rapide : prix d'un million de tokens divisé par 2 tous les ~3 mois. Les chiffres ci-dessous sont calculés en live depuis Artificial Analysis — tous les modèles frontier US/CN/EU sont inclus, mis à jour 2×/jour.
Surface colorée : rouge=cher · jaune=moyen · vert=cheap · trous = aucun modèle dispo
LIVE chargement…
CN US prop. US open EU
Comment lire le relief : chaque point de la surface dit « pour avoir un modèle d'intelligence X à la date Y, le moins cher dispo coûte Z ». La surface s'effondre dans le temps (axe X) et monte avec l'intelligence (axe Y) — les zones vertes sont les sweet spots où vous obtenez de l'intelligence pas cher. Les 39 points blancs cerclés par-dessus = les modèles réels (survolez pour détails).
Source Intelligence Index : artificialanalysis.ai · Méthode : pour chaque mois (axe X) et chaque seuil d'intelligence (axe Y), la surface trace le prix le plus bas dispo chez tout modèle publié jusqu'à cette date avec intelligence ≥ seuil. Les trous (NaN) indiquent qu'aucun modèle n'atteignait ce seuil à cette date.
Sources : OpenAI pricing • Anthropic models • DeepSeek pricing • Google AI pricing • Together AI pricing
DeepSeek n'est qu'un lab parmi dix
L'impression que DeepSeek est le lab chinois est trompeuse : c'est juste le plus visible. Une dizaine de labs chinois publient des modèles frontier avec des choix stratégiques très différents — reasoning (DeepSeek), long-context (Moonshot Kimi), polyvalent (Alibaba Qwen), agentic (Zhipu/Z.ai GLM), apps grand public (ByteDance Doubao), multimodal (Tencent Hunyuan, StepFun, MiniMax). La majorité sont open-source, contre une minorité aux US (OpenAI, Anthropic, Google fermés). C'est une stratégie : commoditiser pour casser le moat des frontier US.
| Lab | Modèle phare | Intelligence | Coût $/Mt | Open ? | Spécialité |
|---|---|---|---|---|---|
| Chargement… | |||||
Trois leçons : (1) DeepSeek n'est pas le plus fort sur tous les axes — Moonshot Kimi le bat sur certains benchmarks, Alibaba Qwen le bat sur le multi-modal. (2) La grande majorité sont open-source — un choix stratégique qui n'existe pas chez OpenAI ou Anthropic. (3) L'écart frontier US/CN se réduit — en mai 2026, plusieurs labs CN sont à < 10 points d'écart de GPT-5 et Claude Opus 5.
La course au savoir : explosion des publications IA chinoises
La déflation des coûts n'arrive pas par hasard. Elle est alimentée par une course mondiale à la recherche IA. La Chine a dépassé les US en volume de publications IA dès 2017, et l'écart se creuse chaque année — un signal avancé de la capacité chinoise à produire des modèles frontier.
La Chine domine en volume brut de publications IA depuis 2017 (OpenAlex). Même en ajustant pour la qualité (top-1 % les plus citées), les chercheurs basés en Chine ont dépassé les US dès 2019. C'est le pipeline humain qui alimente les labs comme DeepSeek, Moonshot ou Alibaba Qwen.
Le marché ne valide pas (encore) la thèse chinoise
L'histoire que raconte le marché est l'inverse de la thèse DeepSeek. Sur 1 an glissant, KWEB (ETF Tech CN) a perdu plus de 12 % tandis que QQQ (NASDAQ-100) gagne plus de 35 %, soit un écart défavorable à la Chine de plus de 45 points. Les BATX individuels affichent des perfs YTD 2026 négatives (-12 % à -24 %) pendant que NVDA, GOOG et AAPL continuent de progresser. Sur l'horizon long (depuis nov. 2022, sortie de purge tech CN), les BATX restent gagnants (+59 à +217 %) mais MAG7 equal-weight reste très en avance (+420 %). Le marché price actuellement le scénario « déflation contenue + US gagnent » — pas le scénario commodification.
| Action | Pays | YTD 2026 | 1 an | Depuis Nov 2022 |
|---|---|---|---|---|
| Chargement… | ||||
Lecture : sur l'horizon court (YTD 2026 + 1 an), les BATX sous-performent nettement les MAG7 — le rally post-DeepSeek de début 2025 s'est essoufflé, et les tariffs Trump 2.0 + régulation domestique CN pèsent. Sur l'axe long (Nov. 2022), Xiaomi (+217 %) et Tencent (+109 %) restent les meilleures perfs CN, mais NVDA (+1494 %) domine de loin grâce au cycle IA. La thèse chinoise reste un pari contrarian non encore validé par le marché.
Anatomie du Facteur Chine en 6 chiffres
Six métriques pour quantifier l'asymétrie sino-américaine. 3 chiffres live (market cap, top 10 open-source, coût frontier) sont recalculés à chaque refresh ; 3 chiffres ancrés (CapEx, publications IA, talent) sont sourcés et auditables. Chaque chiffre raconte une partie différente de l'histoire — mis bout à bout, ils dessinent l'asymétrie réelle entre les deux blocs.
Lecture : les 3 premières cartes (mcap, coût, open-source) racontent la déflation. Les 3 suivantes (CapEx, brevets, talent) racontent la dynamique structurelle. Les US ont toujours une avance massive en capital et en mcap, mais la Chine progresse plus vite sur tous les indicateurs flux (coût, talent, open-source).
Glossaire
- MoE
- Mixture-of-Experts : architecture où seulement une fraction des paramètres s'active par token (37B sur 671B pour DeepSeek-V3), divisant le coût compute.
- EUV / DUV
- Extreme/Deep Ultraviolet : techniques de lithographie. EUV (ASML monopole) permet le < 7nm, DUV (multi-patterning) plafonne à 7nm avec coûts élevés — ce que SMIC utilise pour Huawei.
- VIE
- Variable Interest Entity : structure juridique permettant aux investisseurs étrangers de détenir une exposition économique à une entreprise chinoise sans propriété directe. Fondement des ADR BABA/BIDU/JD, fragile juridiquement.
- ADR
- American Depositary Receipt : certificat US représentant des actions étrangères. Pour les entreprises CN, les ADR sont émis via VIE et risquent un delisting NYSE en cas d'échec audit PCAOB (loi HFCAA).
- PCAOB / HFCAA
- Public Company Accounting Oversight Board (US) / Holding Foreign Companies Accountable Act (2020) : impose l'audit des comptes des entreprises étrangères cotées aux US. Refus = delisting forcé sous 2 ans.
- Paradoxe de Jevons
- Quand l'efficience d'une ressource augmente, sa consommation totale augmente aussi (la demande explose plus vite que le coût baisse). Si vrai pour l'IA, NVIDIA reste gagnant même avec la déflation.
- Mtokens
- Million de tokens (input ou output). Unité de facturation des LLM (ex : 0,28 $/Mt pour DeepSeek-V3, 75 $/Mt pour Claude Opus). Sur 21 mois : déflation -99,5 % sur les frontier models.
- Frontier model
- Modèle IA au sommet de la performance, repoussant l'état de l'art (GPT-5, Claude Opus 5, Gemini 3, DeepSeek-V3, Kimi K2). Coûte 10-100 M$ à entraîner.
- BIS / Entity List
- Bureau of Industry and Security (US Dept of Commerce) : gère les export controls. L'Entity List interdit aux entreprises listées (SMIC, Huawei, YMTC…) d'acheter de la techno US.
- CNIPA / IP5
- CNIPA = office des brevets chinois. IP5 = ensemble des 5 plus grands offices (USPTO, EPO, JPO, KIPO, CNIPA) ; les brevets « IP5 patent families » sont déposés dans 2+ offices, signe d'ambition internationale.
- CapEx
- Capital Expenditure : investissements de long terme (datacenters, GPUs, terrains, bâtiments). MAG7 + OpenAI/Anthropic visent ~700 Md$ en 2026.
- BATX
- Baidu, Alibaba, Tencent, Xiaomi — les 4 géants tech chinois cotés, équivalents des MAG7 américains. ByteDance (privé) complète souvent l'ensemble.
Bibliographie consolidée
DeepSeek-AI (2024). « DeepSeek-V3 Technical Report ». arXiv. arXiv 2412.19437
Stanford HAI (2024). « AI Index Report 2024, Chapter 1: R&D ». PDF
Stanford HAI (2025). « DeepSeek: What Happened, What it Means ». Policy brief. hai.stanford.edu
Artificial Analysis (2026). « LLM Leaderboards ». Intelligence Index, pricing, speed. artificialanalysis.ai
OECD (2024). « AI patent families (IP5) ». API SDMX. CSV
OpenAlex (2026). « AI publications by country ». OpenAlex API
MacroPolo (2024). « The Global AI Talent Tracker 2.0 ». archive.org · macropolo.org (site fermé 2025)
SemiAnalysis (2024). « Huawei’s Ascend 910B/910C/910D ». semianalysis.com
TechInsights (2023). « Huawei Mate60 Pro teardown — Kirin 9000s 7nm ». techinsights.com
BIS / US Commerce (2022). « Advanced computing & semiconductor export controls ». bis.doc.gov
BIS / US Commerce (2024). « Entity List +140 firmes CN ». bis.doc.gov
Reuters (2023). « US expands AI chip export curbs to China ». reuters.com
Reuters (2023). « Dutch government restricts ASML exports to China ». reuters.com
Reuters (2025). « NVIDIA $5.5B charge on H20 export restrictions ». reuters.com
Reuters (2025). « Trump doubles down 145 % China tariffs ». reuters.com
SCMP (2025). « Alibaba US$52 billion CapEx ». scmp.com
CNBC (2023). « CIA chief warns on Xi’s Taiwan ambitions (2027) ». cnbc.com
SEC (2024). « HFCAA statement ». SEC.gov
Yahoo Finance. Données de marché live (NVDA, BATX, KWEB, QQQ). finance.yahoo.com
Pricing pages officielles. OpenAI · Anthropic · DeepSeek · Google AI
Toutes les données chiffrées de cette page sont sourcées ; cliquez sur chaque KPI ou chaque acte pour ouvrir la source primaire. Les valeurs « live » sont mises à jour automatiquement à chaque refresh du site.
La course aux modèles d’IA, en temps réel
214 modèles d’IA sont actuellement scorés par Artificial Analysis sur 7 benchmarks indépendants. Cette page raconte qui mène, pour combien, et à quelle vitesse les positions changent. Les modèles affichés correspondent à l’état réel publié par Artificial Analysis à la dernière synchronisation — certaines versions très récentes peuvent encore être en évaluation. Données (heure Paris) · ….
Première fois ici ? Comprendre les 7 indicateurs en 1 minute
Qui mène la course ?
Le classement complet des 214 modèles, triable et filtrable. Les écarts entre laboratoires se sont effondrés : il y a 18 mois, seul OpenAI dépassait 50 d’Intelligence. Aujourd’hui, 14 créateurs y parviennent — et 6 viennent de Chine.
| # | Modèle | Créateur | Intelligence | Coding | Agentic | Prix $/Mtok | Speed t/s | Context | Open |
|---|
0 modèles Clic en-tête pour trier · Enter au clavier
À retenir : le top du classement bouge tous les 2–3 mois. Les modèles REASONING (qui “réfléchissent” avant de répondre) écrasent désormais les non-reasoning sur Intelligence, mais coûtent 3 à 10x plus cher en tokens de sortie.
Trois compétences, trois leaders
Un score moyen ne dit pas tout. Le même modèle peut être génial en raisonnement abstrait mais médiocre en code, ou exceller à orchestrer des outils sans jamais bien expliquer pourquoi. Voici les trois axes qui comptent en 2026.
Lecture : la barre haute du nuage de points monte sans s’arrêter. Le plafond de “ce qu’un modèle frontier peut faire” gagne ~3 points d’Intelligence Index par trimestre. Et la diffusion accélère : ce qui était premier il y a 12 mois est maintenant atteint par des modèles open-source 50x moins chers.
Le coding est le segment le plus disputé car c’est le cas d’usage qui paie : Cursor, Copilot, Claude Code, Devin. OpenAI a sorti GPT-5.3 Codex spécifiquement pour ça, Anthropic mise tout sur Claude Code, et les acteurs chinois (DeepSeek V4 Pro, Kimi) rattrapent à vitesse grand V.
L’agentic est où se joue la prochaine bataille : il ne suffit plus de répondre intelligemment, il faut orchestrer des outils, des APIs, des fichiers. C’est l’écosystème MCP (Model Context Protocol) qui a explosé en 2025 — et qui transforme les LLMs en exécutants autonomes.
Le prix de l’intelligence
Pour $1 de tokens, qu’est-ce qu’on obtient en mai 2026 ? La réponse a radicalement changé en 18 mois. Trois chiffres encadrent le marché.
La ligne dorée pointillée est la frontière de Pareto : aucun modèle au-dessous d’elle n’est rationnel à acheter. Les modèles chinois (DeepSeek V4 Flash, Kimi K2.6, GLM-5) occupent massivement la partie gauche — ce sont eux qui dictent le nouveau plancher de prix. À droite, les modèles US “premium” (GPT-5.5, Claude Opus) justifient leurs $10+/Mtok par les derniers points d’Intelligence… pour combien de temps encore ?
USA 🇺🇸 vs Chine 🇨🇳 — Le gap se referme
En janvier 2024, le meilleur modèle US dépassait le meilleur modèle chinois de ~17 points d’Intelligence Index. Aujourd’hui, l’écart n’est plus que de …. Et il continue de se réduire à chaque release.
La Chine ne mène jamais sur cette courbe — mais elle rattrape plus vite que les US ne progressent. La pente bleue est ~+18 pts/an, la pente rouge ~+24 pts/an. Si la tendance continue, le croisement aurait lieu fin 2026. C’est précisément ce scénario qui a fait paniquer le marché lors du choc DeepSeek de janvier 2025.
L’open-source rattrape-t-il les API propriétaires ?
Un modèle “open weights” peut être téléchargé et exécuté localement — sans payer d’API, sans envoyer ses données à OpenAI ou Google. Si ces modèles atteignent le niveau des propriétaires, le modèle économique des labs s’écroule. Voici où on en est.
L’open-source était 6–12 mois derrière les propriétaires en 2024. En 2026, l’écart est passé sous 5 points. La menace pour OpenAI, Anthropic, Google : pourquoi payer $10/Mtok à un API closed-source si Kimi K2.6 (Chine, open, $1.71/Mtok) ou Meta Muse Spark (US, open) font 90% du travail à 1/6 du prix ?
Vitesse, latence, mémoire — ce que vous ressentez à l’usage
Un modèle peut être brillant et insupportable à utiliser s’il met 15 secondes à répondre. Trois dimensions silencieuses font toute la différence en production : la vitesse, la latence, et la mémoire.
100 t/s ≈ vitesse de lecture humaine. Au-delà de 300, l’utilisateur perçoit “instantané”.
Critique pour le voice-chat et le code-assist. <1s = fluide, >3s = pénible.
1M tokens ≈ un roman entier. Crucial pour RAG, codebase complète, long documents.
Comparez 2 ou 3 modèles vous-même
Choisissez les modèles que vous hésitez à adopter et voyez leurs forces/faiblesses sur un radar à 7 axes normalisés. Tous les axes vont dans le bon sens : plus loin du centre = mieux.
Lecture : “Affordable” est inversé (modèle pas cher = score élevé). “Speed” est en log. Un radar parfaitement régulier (presque circulaire) = modèle polyvalent. Un radar étoilé = modèle spécialisé.
Qui sont les acteurs du marché ?
14 laboratoires se partagent la quasi-totalité de la performance frontier. Voici leurs meilleurs scores, benchmark par benchmark — vert = top de leur catégorie, rouge = en bas.
Trois leçons : (1) OpenAI domine en agentic grâce à GPT-5.5 et son écosystème de tool-use. (2) Google rivalise sur Intelligence avec un meilleur prix (Gemini 3.1 à $4.50/Mtok contre $11.3 chez OpenAI). (3) Les acteurs chinois sont compétitifs partout sauf en agentic — où ils accusent encore un léger retard.
La carte mondiale de l’IA en mai 2026
Au-delà du duopole US/Chine, qui d’autre est dans la course ? La réponse est claire : presque personne. L’Europe a Mistral, la Corée a LG AI, mais l’écart avec le frontier reste de 10–20 points d’Intelligence.
Trois trajectoires à surveiller
Source unique : Artificial Analysis · 7 benchmarks indépendants · Mise à jour automatique 2x/jour