Sept entreprises pèsent désormais — du S&P 500. Plusieurs centaines de milliards de CapEx sont engagés chaque année sur une promesse dont le retour sur investissement ne s’est jamais matérialisé. Pendant ce temps, l’économie réelle est à l’arrêt — masquée par une statistique de croissance qui ne mesure plus rien.
Mag7 / S&P 500 mag7_hist live
— CapEx Mag7 2025 total engagé · Md$ SEC 10-K
— P/E NVDA trailing 12 mois Yahoo Finance
~ 1/20 Coût DeepSeek vs GPT-4 5,6 M$ vs ≈ 100 M$ papers officiels
L’économie américaine de 2026 est une chimère. Les chiffres officiels du PIB affichent une croissance, mais cette croissance est un trompe-l’œil qui masque une récession profonde de l’économie réelle.
Si l’on retire le secteur technologique et les dépenses gouvernementales, l’économie privée américaine est à l’arrêt. Le transport de marchandises — camionnage, fret maritime, véritable système sanguin de l’économie — est en contraction. Les volumes baissent, signalant que les consommateurs n’achètent plus de biens physiques. L’immobilier commercial sort à peine d’un cycle de stress (le taux de défaut, monté de 0,7 % en 2022 à 1,6 % début 2025, reste historiquement bas mais plafonne) ; côté entreprises, les encours de prêts C&I redémarrent en 2025-2026, signe que les banques relâchent le robinet — mais c’est surtout sur les grands corporates et la chaîne IA. Le tissu PME, lui, reste fragile face à des taux directeurs restés hauts trop longtemps.
Yahoo Finance · ^GSPC vs RSP ETF · base 100 = 2020-01
La performance officielle de l’indice est dominée par les Mag7. Sans la pondération de marché — c’est-à-dire si chaque entreprise pesait le même poids — le S&P 500 sous-performerait largement depuis 2022. C’est la signature mathématique d’une bourse où une minorité de valeurs porte tout.
Et pourtant, la bourse ne s’effondre pas. L’intégralité de la performance du S&P 500 est portée par 7 entreprises : Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta, Tesla. Sans elles, l’indice serait en territoire négatif depuis deux ans. C’est ce qu’on appelle un marché à “breadth nulle” — la moyenne monte, presque rien ne suit.
— part du S&P 500 détenue par les Sept Magnifiques · live
Indices S&P · cache mag7_hist live + dotcom_conc
Surimposition des deux périodes de concentration extrême. Le pic dot-com de 2000 atteignait 25 % de l’indice. Le pic Mag7 actuel dépasse 33 %. Historiquement, ces sommets ont précédé des corrections sévères dont l’amplitude était proportionnelle au degré de concentration.
| Ticker | Société | Mcap (Md$) | P/E trailing | P/E forward | Revenu (Md$/an) |
|---|---|---|---|---|---|
| Chargement… | |||||
Source : Yahoo Finance · snapshot mis à jour 4×/jour.
L’indice S&P 500 est pondéré par la capitalisation : les plus grosses entreprises ont mécaniquement plus de poids dans l’indice. Quand 7 entreprises pèsent 33 % de l’indice, leur performance individuelle domine la moyenne globale au détriment des 493 autres.
Le S&P 500 Equal Weight (pondération égale, 0,2 % par entreprise) raconte une histoire différente : sa performance depuis 2022 est significativement inférieure à l’indice market-cap weighted.
Le ratio Equal Weight / Market Cap a touché en 2025 son plus bas niveau depuis 2001 — pic du dot-com. Historiquement, ces extrêmes ont précédé des corrections sévères.
Microsoft, Google et Meta dépensent des centaines de milliards en GPU et data centers. Pas parce que c’est rentable aujourd’hui — mais parce qu’ils ont peur de mourir s’ils arrêtent. C’est une course à l’armement financée par la dépense, pas par la vente.
Le moteur de cette divergence est l’Intelligence Artificielle. Contrairement à une révolution industrielle saine — basée sur des gains de productivité immédiats et des revenus réels — nous sommes dans une phase d’investissement spéculatif délirant, déconnecté des revenus.
SEC 10-K filings · Cashflow statements · cache live
Les dépenses d’investissement annuelles cumulées des 4 hyperscalers (MSFT, GOOGL, META, AMZN) sont passées d’environ 95 Md$ en 2020 à plus de 350 Md$ en 2025 (FY réel, ~×3,7 en cinq ans). La quasi-totalité du delta est attribuable à l’infrastructure IA (GPU + data centers).
Nous construisons des infrastructures de luxe pour vendre un produit dont le prix tend vers zéro.
Les résultats de Nvidia explosentNVDA earnings → le marché monte → les investisseurs injectent encore plus d’argent dans la Tech → les GAFAM empruntent ou utilisent leur cash pour acheter encore plus de puces → les résultats de Nvidia explosent. La boucle est auto-alimentée par la dépense, pas par les revenus clientsOpenAI rev.. C’est exactement le profil d’une bulle d’investissement.
cache pe_hist live · Yahoo Finance hebdomadaire
Nvidia (or chaud) a vu son P/E exploser au-dessus de 100 en 2023-2024, atypique pour une mégacap. Microsoft, Google, Meta restent en zone élevée (30-40). Le S&P 500 historique tourne autour de 16. Le marché valorise déjà 5 à 10 ans de croissance future en avance.
Les GAFAM sont prisonniers d’un dilemme du prisonnier collectif. Si Microsoft arrête d’investir dans les data centers et que Google continue, Microsoft perd la course à l’AGI et probablement sa place dans le top mondial. Donc Microsoft doit continuer même si l’investissement est non rentable individuellement.
Inversement, si tous les acteurs arrêtaient en même temps, la valorisation boursière de Nvidia s’effondrerait (sa croissance vient à 80 % du datacenter), et avec elle toute la capitalisation Tech. Les actionnaires de Microsoft, Google et Meta — qui sont aussi actionnaires de Nvidia via leurs trésoreries et ETF — y perdraient massivement.
Donc personne ne s’arrête. Le CapEx loop continue jusqu’à ce qu’un choc externe brise le cycle : récession profonde, choc géopolitique, ou — plus probable — l’arrivée d’une alternative low-cost qui détruit le pricing power des modèles US.
Prospect · The Register · 2025
Quatre méga-contrats — total > 850 Md$.
Depuis 2025, la boucle a pris une forme concrète et chiffrée. Nvidia s’engage à investir jusqu’à 100 Md$ dans OpenAIProspect, qui commande à son tour ~300 Md$ de cloud à Oracle (Stargate) et 22,4 Md$ à CoreWeaveThe Register — lesquels, pour livrer, rachètent des puces à Nvidia (~40 Md$ pour le seul Oracle). Le fournisseur finance ainsi la demande qu’il encaisse ensuite. En y ajoutant ~90 Md$ de puces AMD (+ bons de souscription sur 160 M d’actions) et 10 Md$ chez Broadcom, OpenAI atteint près de 850 Md$ d’engagements de calcul (≈ 17 GW)Prospect — pour une entreprise dont les revenus annualisés tournent autour de 25 Md$.
Comptablement, ces revenus sont légitimes : quand Oracle paie une puce, Nvidia livre un bien réel. Mais une part de la demande est auto-référentielle : si OpenAI ne monétise jamais à la hauteur de ses ~850 Md$ d’engagements, toute la chaîne — Oracle, CoreWeave, puis Nvidia — voit sa demande s’évaporer d’un coup. Le carrousel ne crée pas la valeur : il retarde le moment où l’on vérifie qu’elle existe. Nvidia rejette d’ailleurs publiquement la thèse du « round-tripping » ; le risque n’est pas comptable, il est dans la circularité du financement.
Une requête ChatGPT consomme dix fois plus qu’une recherche GoogleIEA 2024. Les data centers IA vampirisent les réseaux électriques. En Virginie ou au Texas, on retarde le raccordement de quartiers résidentiels entiers pour prioriser les serveursReuters.
L’IA générative est un ogre énergétique. Chaque GPU H100 consomme jusqu’à 700 watts en picNVDA H100. Une baie de 8 GPU = 5,6 kW. Un data center IA moderne en aligne des milliers. Microsoft a annoncé en 2024 viser 1,5 GW supplémentairesMSFT report pour ses opérations IA — l’équivalent d’une centrale nucléaire dédiée.
IEA · Electricity 2024 Report · médian scenario
La consommation électrique mondiale des data centers (AI + crypto + cloud traditionnel) passe de ~240 TWh en 2018 à plus de 1 000 TWh attendus en 2029-2030 — l’équivalent de la consommation électrique totale du Japon. La trajectoire post-2023 est dominée par l’IA générative.
Cette demande artificielle fait exploser le prix de l’électricité pour les ménages et les industries classiques, aggravant la récession de l’économie réelle. Les utilities électriques aux États-Unis affichent des hausses tarifaires résidentielles de 15 à 25 % sur 2024EIA, principalement justifiées par les besoins data center.
1 data center IA moderne = 500 MW de puissance. C’est l’équivalent de la consommation électrique de ~400 000 foyers (à 1,2 kW moyen par foyer). Or les hyperscalers prévoient d’ouvrir plusieurs dizaines de ces sites d’ici 2027.
Le mur physique n’est pas seulement énergétique : il est aussi matériel. La construction de ces infrastructures crée une tension insoutenable sur les métaux critiques : cuivre (interconnexions), néodyme (aimants), terres rares (GPU). La Chine contrôle l’essentiel de ces chaînes d’approvisionnementUSGS.
Trois clusters géographiques concentrent l’essentiel des data centers IA mondiaux :
Pour chaque mégawatt de capacité IA installée, environ 2 500 m³ d’eau par jour sont nécessaires pour le refroidissementNature. Les zones de stress hydrique (Arizona, Iowa) verront se confronter usage agricole et data center dans les 5 prochaines années.
Wall Street parie sur un monopole technologique américain durable. C’est une erreur stratégique majeure. La Chine joue l’efficience plutôt que la force brute — et transforme l’intelligence artificielle en commodité gratuite.
Les États-Unis jouent un jeu de force brute : ils dépensent des milliards en puces Nvidia pour créer des modèles géants et coûteux (OpenAI, Anthropic, Gemini). Ils comptent rentabiliser cela en vendant l’intelligence très cher. La Chine, contrainte par les sanctions sur les pucesBIS sanctions, a dû jouer l’efficience : DeepSeek V3 (671B params, dont 37B actifs) a été entraîné pour ~5,6 M$ contre 100-200 M$ pour les modèles US équivalents.
Cette déflation des coûts n’arrive pas par hasard. Elle est alimentée par une course mondiale à la recherche IA. La Chine a dépassé les États-Unis en volume de publications IA dès 2017, et l’écart se creuse chaque année. C’est un signal avancé : la capacité chinoise à produire des modèles frontier ne vient pas d’un coup de chance — elle est l’aboutissement de dix années d’investissement massif dans la recherche académiqueStanford AI.
OpenAlex API · cache live ai_research
Nombre de publications scientifiques liées à l’IA par pays et par année. La courbe chinoise a dépassé celle des États-Unis dès 2018 et est aujourd’hui près du double. L’Inde rattrape rapidement, le Japon et la Corée du Sud restent stables.
Papers officiels · Stanford AI Index · Epoch AI estimations
Les modèles chinois atteignent des performances comparables aux meilleurs modèles américains pour 5 à 30× moins cher. L’écart de coût n’est pas marginal : c’est un changement de paradigme économique. Si l’intelligence devient une commodité, le pricing power des US devient indéfendable.
| Modèle | Origine | MMLU | HumanEval | MATH | Coût entr. (M$) |
|---|---|---|---|---|---|
| Chargement… | |||||
MMLU = Massive Multitask Language Understanding (général · /100) · HumanEval = code generation (% pass@1) · MATH = mathematical reasoning (% précision). DeepSeek-R1 (janvier 2025) bat même GPT-4o sur les benchmarks de raisonnement.
Si l’intelligence devient gratuite, la valorisation boursière du Nasdaq n’a plus aucune raison d’être.
Le second front est financier : la Chine est l’un des plus gros détenteurs de la dette américaineTreasury TIC. Voyant l’économie US s’affaiblir (récession réelle + bulle Tech qui éclate), Pékin a tout intérêt à accélérer la chute en se débarrassant de ses Bons du Trésor US. Si elle vend massivement, les taux longs explosentFRED 10Y et la FED est forcée d’intervenir — yield curve control, impression monétaire massive.
DeepSeek V3 (décembre 2024) a marqué un tournant pour 3 raisons :
Le 27 janvier 2025, l’annonce de DeepSeek-R1 a fait chuter Nvidia de 17 % en une journée — la plus grosse perte de capitalisation jamais enregistrée sur une seule séance (−590 Md$). Le marché a momentanément réalisé le risque. Il a ensuite oublié. Mais la fissure ne s’est pas refermée.
Pendant que les États-Unis dominent l’IA générative (le logiciel), la Chine est en train de gagner la bataille de l’IA incarnée. Pékin ne cherche pas à créer le robot le plus agile — il cherche à inonder le marché de robots “suffisants” et bon marché.
Des entreprises comme Unitree, Fourier Intelligence ou Xiaomi vendent déjà des robots humanoïdes — le Unitree G1 à moins de 16 000 $ — là où les prototypes américains de Boston Dynamics ou Figure coûtent souvent dix à quinze fois plus cher.
| Robot | Pays | Année | Prix annoncé | Source |
|---|---|---|---|---|
| Chargement… | ||||
L’écart de prix entre l’Unitree G1 (16 K$) et l’Atlas de Boston Dynamics (250 K$) est de 15×. À ce rapport qualité-prix, même un robot chinois “good enough” remplace économiquement n’importe quel ouvrier dans les pays développés sous 18 mois d’amortissement.
catalogues fabricants · 2024-25
Chine (or) sous 200 K$ ; US (rouge) plus chers — Atlas à 250 K$.
La stratégie chinoise est celle du good enough. Les robots ne sont pas parfaits, ils tombent parfois, ils sont moins fluides que l’Optimus de TeslaOptimus. Mais la Chine parie sur le volume : en mettant des milliers de robots imparfaits dans ses usines, elle récolte des milliards de données de mouvement réelles pour entraîner les versions suivantesMIIT plan.
C’est la même stratégie que pour leurs voitures (BYD) ou leurs téléphones (Xiaomi). La version 1 est médiocre, la version 3 est correcte, la version 5 écrase la concurrence mondiale par son rapport qualité-prix. Les USA cherchent la perfection avant de produire ; la Chine produit pour atteindre la perfection.
Contrairement aux USA qui importent de la main-d’œuvre (immigration), la Chine, face à son vieillissement démographique brutal, doit remplacer ses ouvriers. La pyramide des âges chinoise se rétrécit à la base : le pays a perdu 2,1 millions d’habitants en 2023NBS 2024, et la population active décline de 6-8 millions par anUN WPP.
La Chine installe déjà plus de la moitié des robots industriels du monde chaque année (selon l’IFR — International Federation of Robotics)IFR 2024. En couplant cette base installée avec les nouveaux humanoïdes dopés à l’IA, la Chine sécurise sa position d’usine du monde même sans ouvriers humains.
Conséquence stratégique pour l’Occident : les tentatives de “re-industrialisation” de l’Europe et des États-Unis seront structurellement plus chères que la production chinoise automatisée. Le différentiel de coût peut atteindre 30 à 50 %, suffisant pour que la délocalisation reste rationnelle.
Cinq sections de mécanique côté offre. Toutes supposent qu’en bout de chaîne, quelqu’un paiera ce qu’on produit. C’est cette hypothèse — la demande, le revenu, le retour — que la suite questionne. Et que les chiffres internes des acteurs eux-mêmes commencent à mettre en cause.
En 2025, quatre sociétés — Microsoft, Alphabet, Meta, Amazon — déploient ensemble plus de 350 Md$ de CapEx (FY réel : ~358 Md$, vs ~320 Md$ en guidance Q1), dont la quasi-totalité finance l’infrastructure IA : data centers, GPUs, réseau, foncier. Ajoutez Oracle (~25 Md$), Apple, Tesla/xAI, OpenAI et le projet Stargate (500 Md$ annoncés sur quatre ans)Stargate, et le total dépasse 430 Md$ par an pour la seule infrastructure de la promesse IA. Le rythme s’accélère trimestre après trimestre, jamais l’inverse.
En face : les revenus IA réels — ce qu’encaissent réellement les acteurs vendant de l’IA — sont d’un ordre de grandeur inférieur. OpenAI a clôturé 2024 à ~3,7 Md$ de revenu, avec un run-rate de 5 Md$ fin d’annéeOpenAI rev.. Anthropic ~1 Md$. Microsoft Copilot a passé son année 2025 à stabiliser un revenu inférieur aux attentes initiales. Le cabinet Bain estime le marché IA mondial 2024 à 45 Md$ tous fournisseurs confondus — un facteur 7 à 10 fois sous le CapEx déployéBain 2024.
~ 600 Md$ de revenus IA annuels manquants pour justifier le CapEx déployé · calcul Sequoia 2024
David Cahn, partner chez Sequoia Capital, a chiffré précisément ce déficit en septembre 2024. En partant du CapEx GPU + marge attendue par les hyperscalers + coûts opérationnels datacenter, il faut que l’industrie IA génère 600 Md$ de revenu annuel simplement pour amortir l’investissement actuelSequoia 600B. On en est loin. Très loin. Et chaque trimestre où le CapEx accélère, ce seuil recule.
Jim Covello, head of equity research chez Goldman Sachs, va plus loin. Dans une note interne devenue publique en juin 2024Goldman Covello, il interroge non pas le déficit de revenu, mais l’utilité même de la technologie au prix actuel : à ses yeux, la GenAI n’est pas, et ne sera peut-être jamais, à la hauteur de l’investissement qu’elle absorbe.
Despite its expensive price tag, the technology is nowhere near where it needs to be in order to be useful for even such basic tasks.
10-K + earnings calls Microsoft, Alphabet, Meta, Amazon · estimation marché IA Bain & Company 2024 · Md$ /an
Les deux courbes partent ensemble en 2020. Le CapEx (or) s’envole à partir de 2023 sous l’effet du boom IA. Le revenu IA mondial réel (bronze) progresse mais reste, en 2025, un facteur 4 à 5 en dessous. C’est l’écart graphique du « $600B Question » de Sequoia.
| Année | MSFT | GOOG | META | AMZN | Total | Source 10-K / earnings |
|---|---|---|---|---|---|---|
| 2020 | 17,6 | 22,3 | 15,7 | 35,0 | 90,6 | MSFT · GOOG · META · AMZN |
| 2021 | 23,9 | 24,6 | 18,6 | 55,4 | 122,5 | idem 10-K annuels SEC |
| 2022 | 24,0 | 31,5 | 30,2 | 58,3 | 144,0 | idem 10-K annuels SEC |
| 2023 | 32,7 | 32,3 | 27,0 | 48,4 | 140,4 | idem 10-K annuels SEC |
| 2024 | 55,7 | 52,5 | 39,2 | 78,0 | 225,4 | Bloomberg synthèse 2024 · earnings Q4 2024 |
| 2025 (guidance Q1) | 80* | 75* | 66* | 100* | ~321* |
|
| 2025 (FY réel) | 64,5 | 91,5 | 69,7 | 131,8 | ~358 | FY 2025 10-K SEC · révisé en hausse vs guidance |
| Année | Revenu Md$ | Source / méthode |
|---|---|---|
| 2020 | ~ 1 | Pré-ChatGPT. Revenus IA dispersés (Azure Cognitive Services, AWS ML, etc.). Estim. reconstituée à partir de IDC AI Spending Tracker |
| 2021 | ~ 2 | Idem IDC · pré-ChatGPT |
| 2022 | ~ 5 | ChatGPT lancé novembre. Premier trimestre de monétisation Q1 2023 marginal. Source : IDC GenAI 2023 |
| 2023 | ~ 18 | Microsoft Copilot lancé. OpenAI run-rate atteint $1,6B fin 2023. Estim. marché GenAI IDC 2023-2024 |
| 2024 | ~ 45 | Référence : Bain Technology Report 2024 — marché GenAI mondial. Concordance avec OpenAI $3,7B + Anthropic ~$1B + Microsoft Copilot ~$10B + reste industrie |
| 2025 | ~ 85* |
|
Méthodologie d’audit : les valeurs CapEx 2020-2024 sont des chiffres comptables publiés dans les 10-K annuels SEC (vérifiables à la ligne « Property and equipment, additions » de chaque rapport). La valeur 2025 est la guidance officielle annoncée en Q1 2025 earnings calls. Les revenus IA sont des estimations triangulées car aucune source unique ne couvre l’ensemble du marché GenAI ; Bain Technology Report 2024 est la référence pour 2024 (~$45B), les autres années sont reconstruites en cohérence avec IDC AI Spending Tracker et les revenus disclosés des principaux acteurs (OpenAI, Anthropic, Microsoft Copilot). Toute valeur de revenu est donc indicative à ±20 % ; la disproportion d’ordre de grandeur (facteur 4 à 5×) tient quel que soit le scénario d’estimation.
Le contre-argument standard tombe presque immédiatement : « mais l’adoption explose, le revenu va suivre mécaniquement ». Argument recevable — à condition que l’adoption mesurée corresponde à de l’adoption monétisable. Or les chiffres internes des entreprises racontent une histoire différente.
Le calcul Sequoia est simple. Le CapEx 2024 hyperscaler ≈ 200 Md$ (Microsoft, Google, Meta, Amazon, Oracle). À ce CapEx il faut ajouter une marge brute de ~50 % (le standard hyperscaler) pour amortir + générer un return. Soit besoin de ~300 Md$ de revenu IA généré par ces infrastructures. À cela, ajouter les revenus de tous les acteurs non-hyperscaler de la chaîne (Nvidia margin, OpenAI, Anthropic, fournisseurs énergie, etc.). Le total à atteindre dépasse 600 Md$ de revenu IA annuel.
Marché actuel ≈ 45 Md$. Croissance même à +60 % par an, on atteindrait 600 Md$ vers… 2030. Sauf que d’ici 2030, le CapEx cumulé aura encore explosé. La cible se déplace plus vite que la trajectoire.
projections OpenAI · Fortune
La courbe ne descend pas : elle s’envole. Rentabilité promise pour 2030.
Le mirage a un second visage. Les laboratoires censés payer toute cette infrastructure sont précisément ceux qui brûlent le plus de cash. OpenAI a enregistré une perte nette de 13,5 Md$ sur le seul premier semestre 2025Fortune, et sa propre projection prévoit de brûler ~665 Md$ cumulés d’ici 2030 avant une rentabilité promise… pour 2030. Pendant ce temps, le marché lui colle ~830 Md$ de valorisation, et Anthropic dépose son IPO à ~965 Md$Sacra — tout en perdant de l’argent.
L’infrastructure (Nvidia, Oracle) n’est rentable que si les labs paient. Les labs ne peuvent payer que s’ils lèvent toujours plus de capitaux. Et les investisseurs ne remettent au pot que tant qu’ils croient aux revenus futurs. Retire la croyance, et le carrousel du § 2 cale d’un coup.
L’adoption en entreprise est, dit-on, fulgurante. C’est vrai. Mais elle entre par la fenêtre. 75 % des salariés utilisent l’IA au travail. 78 % d’entre eux le font sans autorisation, sans contrat, sans facturation. Le revenu B2B n’arrive jamais — il est cannibalisé à la source par les versions gratuites grand public.
Le Work Trend Index 2024 de Microsoft, publié en mai, est le document de référence sur ce paradoxe. Panel mondial de 31 000 répondants dans 31 paysMicrosoft WTI. Premier chiffre, rassurant pour les vendeurs d’IA : 75 % des knowledge workers utilisent déjà l’IA générative au travail en 2024. Adoption sans précédent en vitesse — plus rapide que le mobile, plus rapide que le cloud, plus rapide même qu’Internet. Mais second chiffre, qui change tout : 78 % d’entre eux le font en BYOAI — Bring Your Own AI — c’est-à-dire avec leurs propres outils (ChatGPT gratuit, Claude, Gemini), en dehors de tout cadre, contrat ou système d’entreprise.
78 % part des employés utilisateurs d’IA qui le font sans gouvernance IT · Microsoft Work Trend Index 2024
KPMG a confirmé et étendu le phénomène dans son Global AI Trust Index 2025 — panel 48 000 personnes, 47 paysKPMG 2025. Deux chiffres en particulier doivent retenir l’attention : 57 % des salariés cachent activement leur usage de l’IA à leur employeur, et 44 % admettent avoir partagé des données confidentielles avec des outils non-autorisés. Le Shadow AI n’est pas une marginalia — c’est devenu la norme. Et il a des conséquences économiques mesurables.
Conséquence n° 1 — la plus directe : l’adoption massive ne se traduit pas en revenu pour les fournisseurs B2B. L’utilisateur tape sa requête sur ChatGPT gratuit pendant ses heures de bureau. Le DSI ne peut ni l’empêcher (Microsoft a tenté, les salariés contournent), ni le mesurer, ni le facturer. Le chiffre d’affaires entreprise des outils IA reste plat alors que l’usage explose. Le ratio utilisateurs payants vs gratuits chez OpenAI tourne autour de 5 à 10 % selon les chiffres triangulés : 800 millions d’utilisateurs hebdomadaires, ~10 millions d’abonnés payantsReuters fév. 2025.
Where is all the revenue?
| Risque | Manifestation observée | Source / incident |
|---|---|---|
| Fuite de données | Code source, contrats, données client uploadés sur ChatGPT public sans logging ni rétention contrôlée. | Samsung 2023 · KPMG 2025 (44 %) |
| Conformité RGPD / AI Act | Données personnelles traitées hors UE, sans DPA, sans registre AI Act. | Garante (CNIL it.) vs OpenAI 2023 |
| Dérive qualité | Productions IA copiées-collées sans review, hallucinations en production, faux précédents juridiques cités en cour. | NY Times vs. Avianca affaire 2023 |
| Sur-confiance | Réponses IA acceptées sans vérification, même en domaine expert. Effet documenté en clinique, juridique, finance. | Lee, Sarkar et al., CHI 2025 (cf. § 8) |
| Coûts cachés | Abonnements ChatGPT Plus / Claude Pro payés individuellement en notes de frais, hors négociation entreprise. | KPMG 2025 |
Sources : Microsoft Work Trend Index 2024 · KPMG Global AI Trust 2025 · presse économique.
Sur les 800 millions d’utilisateurs hebdomadaires revendiqués par OpenAI fin 2024, environ 10 millions sont abonnés payants. Soit un taux de conversion de l’ordre de 1,2 %. Pour Anthropic et les autres acteurs B2C, les chiffres sont du même ordre. L’IA est en train de devenir l’outil le plus utilisé de l’histoire de la productivité, sur un business model qui peine à dépasser la conversion d’un journal gratuit en abonnement papier.
Le contournement du Shadow AI suit un schéma classique des nouvelles technos en entreprise : l’utilisateur trouve l’outil avant que la DSI ne l’évalue. Quand la DSI déploie son alternative (Microsoft Copilot, Google Workspace AI), l’utilisateur a déjà ses habitudes ailleurs.
Trois facteurs aggravent la situation par rapport aux vagues précédentes (cloud, SaaS) :
Conséquence : la DSI ne peut ni interdire (il faudrait bloquer Internet), ni détecter (le trafic est en HTTPS standard vers des CDN globaux), ni mesurer (les requêtes ne passent pas par l’infrastructure d’entreprise). Le Shadow AI est structurellement invisible à la gouvernance traditionnelle.
Admettons. Imaginons que toute cette adoption se monétisait demain. Il resterait à démontrer qu’elle crée de la valeur durable pour celui qui l’utilise. Sinon, le ROI court terme n’est qu’un transfert temporaire. Or les premières études contrôlées disent l’inverse : l’IA prête une productivité aujourd’hui qu’elle facture en capacité demain.
En janvier 2025, Microsoft Research et Carnegie Mellon publient l’une des études les plus citées de l’année : The Impact of Generative AI on Critical ThinkingCHI 2025. 319 knowledge workers, 936 cas d’usage réels documentés. Le résultat est sans ambiguïté : plus l’utilisateur a confiance dans l’IA, moins il exerce de pensée critique ; inversement, plus il a confiance dans ses propres capacités, plus il maintient un effort cognitif — même en utilisant l’IA. La confiance dans l’outil agit comme un raccourci neuronal qui désactive le contrôle.
Six mois plus tard, le MIT Media Lab publie Your Brain on ChatGPTMIT EEG 2025. Méthode plus dure : EEG sur 54 participants répartis en trois groupes (LLM uniquement / moteur de recherche / aucun outil), écrivant des essais SAT au format standardisé. Quatre sessions sur quatre mois. Résultat : le groupe LLM montre la plus faible connectivité neuronale mesurée en EEG, sur toutes les bandes (alpha, theta, delta). Pire : lorsqu’on retire le LLM à ces utilisateurs intensifs, leur activité reste significativement plus faible que celle des groupes contrôles. L’atrophie persiste.
− 32 % de connectivité neuronale chez les utilisateurs intensifs de LLM vs groupes contrôles · MIT Media Lab, EEG, juin 2025
AI is the first technology in history that can make decisions and create new ideas all by itself. The danger is not that it will turn against us — the danger is that we will let it think for us, and lose the muscle of thought.
Le mécanisme s’appelle cognitive offloading — le déchargement cognitif. Déjà documenté pour le GPS, qui a réduit la capacité humaine d’orientation spatiale (Risen & Critchley, Nature Scientific Reports, 2017), et pour la calculatrice qui a affaissé le calcul mental. Mais l’IA générative est qualitativement différente : elle ne décharge pas une fonction périphérique (orientation, arithmétique), elle décharge la pensée elle-même. Le raisonnement, l’écriture, l’analyse, la formulation. C’est-à-dire précisément ce que les knowledge workers sont payés pour faire.
| Horizon | Effet mesuré | Source |
|---|---|---|
| Mois 1 à 6 | Productivité ↑ sur tâches répétitives. McKinsey 2024 mesure +14 % chez les agents service client. GitHub Copilot +55 % vitesse sur code boilerplate. Visible dans les KPIs trimestriels. | McKinsey · GitHub |
| Mois 6 à 24 | Pensée critique ↓. Sur-confiance dans l’output IA. Délégation croissante des décisions complexes. Premiers incidents qualité documentés en clinique et en droit. | Microsoft Research / CMU 2025 |
| 24 mois et plus | Perte mesurée de capacité analytique autonome. L’utilisateur devient incapable de produire seul ce qu’il faisait avant. L’outil devient indispensable sans être meilleur. | MIT Media Lab 2025 |
Le ROI court terme est compté. Le coût long terme ne l’est pas. La courbe de productivité observée sur les 12 premiers mois — celle qui fait briller les présentations McKinsey — n’est pas extrapolable au-delà. Ce qu’on appelle gain est en réalité une avance prélevée sur un capital cognitif qui ne se reconstitue pas.
Cette mécanique n’est pas nouvelle. On l’a observée pour la marine commerciale avec le GPS : depuis les années 1990, les capitaines ont progressivement perdu la capacité de naviguer à l’estime. Quand le GPS tombe en panne — ou est brouillé, comme en Mer Baltique en 2024 — les officiers récemment formés ne savent plus se positionner. Le GPS a remplacé une compétence, pas augmenté une capacité. L’IA générative est en train de faire la même chose, mais sur le raisonnement.
Si l’IA érode même l’adulte expérimenté qui l’utilise, que se passe-t-il pour celui qui ne sait pas encore ce qu’il automatise ?
Si l’IA érode même l’adulte expérimenté, que se passe-t-il pour l’enfant qui ne sait pas encore ce qu’il externalise ? Or c’est cette génération — celle qui forme aujourd’hui ses neurones — qui devra, dans dix ans, payer le ROI promis. Le pipeline humain qui doit produire la croissance de 2035 est en train de se dégrader sous nos yeux.
ChatGPT a été lancé en novembre 2022. La première vague d’études mesurant son impact éducationnel arrive aujourd’hui. Trois sources convergentes, méthodologies indépendantes, mêmes conclusions. Tyton Partners, dans son rapport Time for Class 2024 — panel de 1 600 étudiants US sur 350 facultés — établit que 86 % des étudiants utilisent ChatGPT pour leurs travaux académiques, dont 54 % au moins une fois par semaineTyton 2024. Plus inquiétant : 35 % l’utilisent pour la rédaction complète d’essais, contre 12 % un an plus tôt. La courbe est exponentielle.
PISA 2022, l’évaluation OCDE référence (publiée décembre 2023, 81 pays, 690 000 élèves de 15 ans) montre la plus forte baisse historique des scores en mathématiques depuis le lancement du benchmark en 2000 : −15 points en moyenne OCDE, l’équivalent de trois quarts d’une année scolaire perdueOCDE PISA 2022. La cohorte 2022 cumule effets COVID et premier contact ChatGPT — les deux sont confondus. La prochaine vague (PISA 2025, publication 2026) isolera l’effet IA pur. Les mesures partielles 2024 indiquent que la baisse s’accentue.
86 % part des étudiants US qui utilisent ChatGPT pour leurs devoirs · Tyton Partners 2024
Pew Research Center, mai 2024 : 25 % des enseignants américains jugent que les outils IA causent plus de mal que de bien à leurs élèves, contre 6 % qui pensent l’inversePew 2024. L’asymétrie est massive — quatre voix négatives pour une voix positive parmi ceux qui sont en première ligne. Common Sense Media 2024 : 70 % des adolescents utilisent l’IA générative, mais seulement 37 % des parents le saventCSM 2024. L’usage est largement domestique, invisible, et hors supervision adulte.
| Métrique | Pré-ChatGPT | Post-ChatGPT | Source |
|---|---|---|---|
| PISA Math (moy. OCDE) | 489 (2018) | 472 (2022) | OCDE |
| PISA Lecture (moy. OCDE) | 487 (2018) | 476 (2022) | OCDE |
| Étudiants utilisant l’IA pour essais complets | 12 % (2023) | 35 % (2024) | Tyton Partners |
| Enseignants rapportant baisse engagement | n.c. | 71 % (2024) | Pew Research |
| Ados utilisant l’IA générative | ~10 % (déb. 2023) | 70 % (2024) | Common Sense |
| Parents conscients de l’usage IA de leur enfant | n.a. | 37 % (2024) | Common Sense |
We are running the largest unsupervised experiment on the brains and souls of children in human history, and the early results are very, very bad.
La génération qui aura 25 ans en 2035 — donc en pleine activité productive, donc censée rembourser le CapEx IA déployé aujourd’hui — passe ses années de formation cognitive avec un assistant qui pense à sa place. Les capacités fondamentales (lecture profonde, écriture argumentative, raisonnement mathématique, mémoire de travail) ne se construisent pas à l’âge adulte. Elles se construisent entre 12 et 18 ans, et cette fenêtre se referme en ce moment même — sur la génération censée produire la croissance de 2035-2045.
PISA 2022 a mesuré une cohorte qui avait subi le COVID et qui découvrait ChatGPT pendant la passation. Impossible d’isoler la cause. PISA 2025 (passation en cours, publication décembre 2026) mesurera une cohorte pour laquelle COVID est trois ans derrière, mais qui a passé toute son adolescence avec une IA générative gratuite à portée de clic.
Si la baisse continue ou s’aggrave, l’attribution causale sera difficile à contester. C’est la première vague d’évaluation comparable internationale qui permettra de distinguer effet pandémique vs effet IA. Les premières mesures partielles nationales (NAEP US 2024, évaluations PIRLS) indiquent déjà que la trajectoire reste descendante.
Quatre constats, indépendants dans leur source — un partner de Sequoia, un research lead de Goldman, un panel Microsoft, un EEG du MIT, le benchmark OCDE. Une seule équation : un CapEx record déployé sur une adoption qui ne se monétise pas, par des utilisateurs qui s’érodent, portée par une génération qui désapprend.
Aucune de ces quatre forces n’est, prise séparément, suffisante à invalider le CapEx IA. Goldman pèse sur le diagnostic mais reconnaît un usage réel. Sequoia chiffre le gap mais voit un marché qui grandit. Microsoft et le MIT mesurent la dette cognitive sans la convertir en perte de PIB. L’effet PISA pourrait — éventuellement, théoriquement — s’inverser avec une réforme pédagogique radicale. Mais les quatre forces agissent ensemble, dans le même sens, sur la même équation. Le numérateur ne suit pas le dénominateur. Et il ne le suivra pas, pour des raisons structurelles, pas conjoncturelles.
Le diagramme synthèse ne contient que des chiffres déjà établis dans les sections précédentes. Chaque valeur est traçable :
Le schéma ne fait que composer visuellement des valeurs déjà sourcées. La disproportion 358 ÷ 45 (≈ 8×) tient quel que soit le scénario d’estimation des revenus IA, à ±20 % près sur l’inconnue principale (le revenu réel). Le diagramme reste valide même si l’on prenait l’estimation IDC haute (~$60B) au lieu de Bain ; le gap resterait supérieur à 5×.
| § | Force | Mécanisme | Conséquence sur l’équation du ROI |
|---|---|---|---|
| 6 | Le mirage du ROI | 320-400 Md$/an déployés sur l’infrastructure IA. ~45 Md$ de revenus IA mondiaux réels. Goldman et Sequoia chiffrent un gap de ~600 Md$. | Le dénominateur explose. Chaque trimestre, le seuil de rentabilité recule. |
| 7 | L’adoption fantôme | 75 % des salariés utilisent l’IA, 78 % en Shadow AI. Ratio payeurs / utilisateurs ~5-10 %. L’usage explose mais ne se facture pas. | Le numérateur reste plat. La cannibalisation par les versions gratuites bloque la conversion B2B. |
| 8 | La dette cognitive | Atrophie mesurée (EEG MIT, étude CMU/Microsoft). L’outil prête une productivité aujourd’hui qu’il facture en capacité demain. | La productivité future ↓. Le gain court terme se retourne en perte structurelle. |
| 9 | La génération qui désapprend | PISA Math −15 pts, 86 % d’étudiants externalisent leur rédaction. Pipeline cognitif endommagé à la source — entre 12 et 18 ans. | La croissance long terme ↓. La cohorte 2035 ne portera pas la valeur attendue par le CapEx 2025. |
Chacune de ces forces aurait pu, dans un autre contexte, être absorbée. Une dette cognitive peut se rembourser si l’éducation tient. Un Shadow AI peut se monétiser si la gouvernance s’adapte. Un gap de revenu peut se combler si la croissance se maintient. Mais les quatre se renforcent mutuellement : l’éducation dégradée nourrit la dette cognitive adulte, qui nourrit le Shadow AI (les utilisateurs ne savent plus auditer leur output, donc le fournisseur B2B ne peut pas vendre sa valeur ajoutée), qui nourrit le gap de revenu. C’est un cycle auto-renforçant à l’envers du CapEx loop décrit en § 2. Ce n’est plus un dilemme du prisonnier — c’est un système de feedback négatifs.
AI’s economic gains have been vastly overestimated. Corporate spending on AI will not be matched by returns commensurate with that spending — we are in a hype cycle.
La thèse n’est pas que l’IA est inutile, ni qu’elle n’aura pas d’usage. C’est que le CapEx déployé en 2024-2026 n’a, mathématiquement, pas de chemin vers le retour qu’il suppose. La technologie continuera. Les outils continueront. Mais l’arbitrage capital-rendement, lui, ne se referme pas dans cette génération. Et les chiffres qui le démontrent ne viennent pas de critiques de l’IA — ils viennent des plus grands investisseurs et des plus grandes entreprises tech elles-mêmes.
Une correction du seul Nvidia de −30 % suffit à entraîner le S&P 500 en bear market. La concentration de l’indice — 7 valeurs = 33 % — rend le marché incroyablement fragile à un seul mauvais earnings ou un seul signal négatif venant de Chine.
La diversification réelle n’existe plus dans les ETF S&P 500 classiques ni dans les fonds indiciels mondiaux (qui sont eux-mêmes 60 % US, donc 20 % Mag7 in fine). Les épargnants pensent diversifiés mais sont en réalité massivement exposés au même thème spéculatif.
C’est dans ce contexte que certains investisseurs regardent l’or, les valeurs défensives, ou Bitcoin — non comme un pari sur leur hausse, mais comme une couverture contre une correction des indices concentrés. Encore une fois, c’est un fait observable : les achats d’or des banques centrales ont explosé depuis 2022.