3 ans après le lancement de Chat GPT, l'IA est omniprésente dans l'actualité, sur les réseaux sociaux et dans nos conversations.

Mais son impact ne se retrouve pas dans les PIB des pays qui investissent le plus.

Ce décalage qui était intuitif pour chacun est aujourd’hui mesurable pour tous.

Révolution de l'IA. Mais où est la croissance ?

Entre 2022 et 2024, les investissements mondiaux liés à l’IA ont dépassé les 300 milliards de dollars cumulés, avec une accélération très nette aux États-Unis et en Chine. Pourtant, sur la même période, la croissance du PIB des économies les plus avancées reste modérée.

Dans la zone euro, la croissance annuelle du PIB s’est établie autour de 0 à 1 %, avec plusieurs trimestres proches de la stagnation. En 2025, nous sommes environ à 1,5% de moyenne, ce qui n'est aucunement spectaculaire.

Aux États-Unis, malgré une économie plus dynamique, la croissance moyenne oscille entre 2 et 2,5 %, sans rupture visible attribuable à l’IA.

Autrement dit, l’IA est partout dans les discours, mais quasiment invisible dans les indicateurs macroéconomiques fondamentaux.

Il est donc parfaitement légitime de se poser la question d'une bulle potentielle.

Le gonflement de la bulle

Une bulle financière se forme lorsqu'il y a corrélation entre la valeur boursière d'un secteur et sa valeur réelle.

Et aujourd'hui, qu'avons-nous ? Des investissements gigantesques avec des effets directs timides, voire négligeables.

Mais cette observation est-elle réelle ? Il n'y a pas sur les comptes des entreprises une section "IA". Les Etats ne peuvent pas mesurer ce que l'IA génère vraiment comme valeur, car ses effets sont latent.

C'est donc là que les difficultés apparaissent, comment définir la valeur réelle d'un secteur quand il est par définition transverse ?

Historiquement, la valeur réelle s’est souvent révélée a posteriori. Lors de la bulle internet des années 2000, les valorisations anticipaient des usages massifs qui n’existaient pas encore. Beaucoup d’entreprises ont disparu, mais les infrastructures, elles, sont restées. Le cloud, le e-commerce, la publicité numérique ont ensuite produit une valeur économique immense, mais avec un décalage temporel important. La difficulté avec l’IA est similaire, mais amplifiée par la vitesse des cycles financiers et médiatiques.

La crise des subprimes a été provoquée par la croyance forte que l'immobilier ne pouvait pas baisser. En investissant dans la pierre, l'objet de l'investissement serait là, pour toujours. Mais les subprimes étaient des actifs financiers, pas de la "pierre".

La situation dans laquelle nous sommes aujourd'hui n'a rien à voir.

Pour l'IA, la bonne métrique pour mesurer la valeur n'est pas la technologie, mais les usages. L'IA, ça fait quoi ?

L'intérêt ne réside donc pas dans les prétendus écarts de performance entre les différents modèles de ChatGPT, Gemini, Claude, Grok, ou Qwen, mais dans les gains d'usage entre des services conçus de manière traditionnelle et ceux fondés sur l'IA.

Aujourd’hui, les écarts de performance entre modèles existent, mais ils sont marginaux au regard des enjeux économiques. Un gain de quelques points sur des benchmarks techniques ne crée pas mécaniquement de valeur économique. Oui, cela emballe les investisseurs et les experts IA sur Linkedin, mais dans les faits, cela ne change presque rien et c'est épisodique.

En revanche, remplacer un processus manuel par un service IA peut générer des gains de productivité de 20 %, 30 %, parfois plus, lorsque l’usage est bien pensé. Le problème est que ces usages restent encore rares, fragmentés, souvent expérimentaux, et très peu industrialisés.

Attention, il existe des applications très concrètes, et elles sont spectaculaires. Dans l'agriculture par exemple, il y a des dispositifs de tri de tomates en fonction de capteurs optiques mus par IA permettant de tri les tomates en fonction de leur niveau de maturité, mais en les touchant le moins possible de manière à ne pas les abîmer. D'autres systèmes de reconnaissance d'image permettent de brûler au laser les mauvaises herbes dans des champs de cultures, rendant marginaux les usages d'herbicides.
Nous en avons parlé il y a 2 semaines dans Secret Sauce.

Ces systèmes existent déjà et sont opérationnels. Ils permettent d’augmenter le rendement commercialisable de plusieurs points, parfois jusqu’à 10 %, tout en réorientant la main-d’œuvre nécessaire depuis les tâches pénibles et répétitives vers des tâches produisant plus de valeur. Dans un secteur où les marges sont faibles, ce type de gain est considérable. Pourtant, ces cas restent peu visibles dans le débat public, éclipsés par les démonstrations spectaculaires mais économiquement marginales des modèles conversationnels.

Les gains potentiels sont énormes, mais justement, tout est là: ils sont potentiels. POTENTIELS.

Ils peuvent se réaliser. Et les plus optimistes disent qu'il vont se réaliser.

D'accord.

Quand ?

C’est là que se situe le cœur du problème. Quand ?

Le potentiel n’est pas un indicateur économique. Les marchés financiers, eux, anticipent déjà une valeur future massive. Or, à ce stade, les revenus directement attribuables à l’IA restent faibles par rapport aux montants investis. En 2024, la plupart des grandes entreprises technologiques génèrent encore moins de 5 % de leur chiffre d’affaires directement lié à des services IA matures. Et encore, ces 5% sont du déclaratif. Dans la réalité, on ne sait pas.

Ce qui implique quelque chose de simple: la promesse illustrée par le vertige boursier n'est étayée par aucune preuve, elle ne se retrouve tout simplement pas dans nos économies.

Les capitalisations boursières des grandes entreprises positionnées sur l’IA ont pourtant explosé. Nvidia, par exemple, a vu sa valorisation multipliée par plusieurs facteurs en moins de deux ans. Mais cette valorisation repose sur des anticipations de demande future, pas sur une création de valeur déjà observable à grande échelle dans les économies réelles. Le décalage entre finance et économie productive est donc manifeste.

Alors cette bulle va-t-elle nécessairement éclater et provoquer une crise ?

C'est une option, et le danger est réel. Toutes les ressources investies dans les technologies d'IA ne sont pas investies ailleurs. Et si les résultats économiques se font trop attendre, une défaillance des principales entreprises est tout à fait possible

L’histoire économique montre que ce type de situation débouche rarement sur un scénario unique. Certaines entreprises disparaissent, d’autres survivent, et quelques-unes captent finalement l’essentiel de la valeur. C'est comme cela qu'émergent les oligopoles.

Le risque systémique ne vient pas uniquement de la technologie, mais de la concentration des capitaux et des attentes. Plus l’écart entre promesse et réalisation se creuse, plus l’ajustement est brutal.

Cependant, l'un des enjeux de cette bulle repose sur notre propre aptitude à comprendre ce que les IA font.
Il faut moins se concentrer sur les technologies elle-même que sur les usages qu'elles impliquent.

C’est un point fondamental. Tant que l’IA est perçue comme une technologie autonome, quasi magique, elle reste difficile à intégrer dans des stratégies économiques cohérentes, et elle reste pas essence spéculative. Lorsqu’elle est comprise comme un ensemble d’outils au service de processus précis, elle devient un levier de transformation beaucoup plus concret. Le problème est donc autant cognitif que technologique.

Plus nous aurons de cas d'usage, plus nous basculerons du spéculatif au réalisable.

L'un des problèmes majeurs est que les stratégies des entreprises ne se sont pas encore adaptées à la révolution en cours. L'usage de l'IA se résume souvent à une réduction des coûts impliquant des licenciements massifs comme nous l'avons vu chez Microsoft, Accenture ou Amazon.

Dans de nombreux cas, l’IA est utilisée comme un simple outil d’optimisation à court terme. Réduction des effectifs, automatisation de fonctions support, compression des coûts. Ces usages peuvent améliorer temporairement les marges, mais ils ne créent pas de nouveaux marchés, ni de nouveaux services. Ils n’expliquent donc pas les valorisations actuelles.

Or l'IA a des usages remarquables dans de nombreux domaines: industrie, logistique, maintenance prédictive, conception de produits, services à la personne, diagnostic, planification, formation. Les champs d’application sont vastes. Mais leur déploiement nécessite des transformations organisationnelles lourdes : données propres, processus repensés, compétences hybrides. Autant d’éléments qui prennent du temps et ne se décrètent pas.

En fait, l'enjeu est simple: il y a deux dynamiques contradictoires

Cette tension est aujourd’hui au cœur du système. D’un côté, des centaines de milliards investis, des infrastructures colossales, des capacités de calcul en explosion. De l’autre, une offre de services encore immature, souvent mal intégrée aux besoins réels des entreprises et des citoyens. Tant que cet écart persiste, le risque de correction reste élevé.

Si la croissance des services commercialisés ne s'accélère pas, il y aura fatalement une bulle qui explosera.
Si les services se déploient plus rapidement et les cas d'usage se multiplient, la valeur totale générée justifiera les paris des investisseurs.

Autrement dit, l’issue n’est pas écrite. Elle dépend de la capacité collective à transformer une technologie prometteuse en usages économiquement viables, massifs et durables. Ce n’est pas une question de modèles, mais de stratégie, d’organisation et de compréhension fine des besoins.

L'iceberg est là, devant nous. Nous pouvons l'éviter en créant des usages intelligents. Mais il arrive vite, quand même.

· · ·

C’est tout pour aujourd’hui, on se retrouve samedi prochain ✌️​

Passez un merveilleux week-end.

Jean-Philippe

P.S. J’ai toujours beaucoup de plaisir à vous partager mes analyses et points de vues chaque samedi matin.

Et si vous êtes allé au bout, c’est que nous partageons ce goût pour l’analyse. Mais c’est peut-être aussi le cas d’un de vos proches, un ami ou un membre de la famille, que vous pourriez inviter à la discussion.

Peut-être pourriez-vous juste lui transférer Secret Sauce avec un bref message : “Je viens de lire cette analyse, je serais curieux d’avoir ton point de vue.”