Le 22 juillet, Alphabet Inc. (Google) annonçait ses résultats financiers. À première vue il s’agit de résultats impressionnants : un chiffre d’affaires en hausse de 24 % globalement, en hausse de 82 % pour le seul segment du « cloud », et un bénéfice par action particulièrement élevé s’établissant à 9,11$. Mais plus des deux tiers de ces bénéfices proviennent de 77 milliards de dollars de revenus indirects liés à l’achat de parts dans Anthropic, un des géants du secteur de l’IA. En d’autres termes, ces « revenus » n’existent que sur papier et nécessitent que le montant de l’action Anthropic reste en hausse.
Google est l’un de ceux que l’on appelle les hyperscalers, des géants de la tech qui investissent massivement dans le secteur de l’IA, prévoyant et espérant que cela rapportera gros plus tard. Google a tellement investi dans des entreprises de l’IA comme Anthropic et OpenAI, ainsi que dans des data-centers calibrés pour les dernières technologies IA de Nvidia, que le chiffre d’affaires de l’entreprise n’est désormais plus suffisant pour ce niveau d’investissement. Le « flux de trésorerie disponible » est passé dans le rouge pour la première fois dans l’histoire d’Alphabet.
Cette année, Google, tout comme ses concurrents Meta, Microsoft et Amazon, a massivement augmenté ses investissements pour construire l’infrastructure sur laquelle repose l’IA. L’investissement combiné des 4 géants hyperscalers dépassera les 725 milliards de dollars en 2026. Avant la publication de ses résultats fin juillet, Google était vu comme le géant le mieux placé pour faire face à la pression financière de la course à l’IA grâce à son importante quantité de liquidités tirée des revenus de son moteur de recherche. Il va désormais falloir que l’entreprise emprunte ou émette des actions pour continuer à assurer ce niveau d’investissement dans l’IA. Alphabet s’est déjà endettée à hauteur de 100 milliards de dollars et a levé 85 milliards en juin dernier via sa première émission d’actions depuis 20 ans.
Ce que l’on retient de cette situation c’est que la « bulle » spéculative de l’IA – et c’est bien ce qu’elle est – se rapproche de l’explosion. Les hyperscalers sont des entreprises extrêmement rentables via leurs autres secteurs d’activité, allant jusqu’à réaliser des bénéfices d’environ 59 % au-dessus des tendances de l’économie. Mais le boom du secteur de l’IA, poussé par ces géants, est tellement demandeur en investissements que ces importants profits y sont tous été engloutis.
L’économie étasunienne est un grand pari sur l’IA. La valeur des hyperscalers sur le marché boursier représente désormais 40 % du total de la capitalisation boursière combinée du S&P 500. S’il apparaît, d’une part, que ces géants ne peuvent maintenir le rythme actuel de croissance de leurs investissements et, d’autre part, que leurs profits sont entièrement engloutis sans générer de retour sur investissements, la valeur de leurs actions pourrait s’effondrer et entraîner avec elle l’ensemble du marché boursier.
Le sort de l’économie capitaliste des États-Unis repose sur l’intelligence artificielle. Tout ira bien si, premièrement, la demande et l’usage des modèles d’IA dans les entreprises à travers le pays et le monde augmentent considérablement, ce qui améliorerait la rentabilité des hyperscalers puis des autres entreprises. Et, deuxièmement, si la généralisation des technologies basées sur l’IA dans tous les secteurs de l’économie conduit également à une forte augmentation de la productivité, menant l’économie étasunienne vers une nouvelle ère de prospérité.
Avant le début du boom de l’IA, au cours de la dépression des années 2010, le secteur étasunien de l’informatique était déjà le moteur principal d’une croissance économique relativement plus forte aux États-Unis que dans le reste des pays du G7.
Mais dans les années 2010 toutes les économies des pays du G7, y compris celle des États-Unis, ont connu une baisse dans le rythme de croissance du PIB, des investissements et de la productivité. Puis après le ralentissement causé par la pandémie, la plupart des pays ont subi un retour de l’inflation laissant entrevoir l’arrivée d’une nouvelle période de « stagflation » (croissance économique faible ou nulle couplée à une forte inflation) jamais vue depuis les années 1970. Et aujourd’hui la guerre en Iran accélère l’inflation des prix de l’énergie. La politique monétaire des banques centrales n’a pas réussi à relancer les économies dans les années 2010 et ce malgré des taux d’intérêt bas et des injections de liquidités (quantitative easing, ou assouplissement quantitatif). Et depuis 2020 elle n’arrive pas non plus à empêcher la hausse de l’inflation malgré le recours à des taux d’intérêt plus élevés (politique de la BCE) et au quantitative tightening (resserrement quantitatif, politique de la banque d’Angleterre). Cela s’explique par le fait que la seule façon pour les économies de croître sans augmentation de l’inflation est d’augmenter les gains dans la productivité du travail.
Kevin Warsh, le nouveau président de la Réserve fédérale des États-Unis nommé par Trump, prévoit un boom de la productivité grâce à l’IA. Il explique que « l’IA représente probablement le plus important changement dans notre économie de toute ma vie adulte. L’IA sera un facteur significatif de désinflation en augmentant la productivité et en renforçant la compétitivité américaine. » Il prétend que les gains de productivité générés grâce à l’IA entraîneraient des «hausses significatives des salaires nets réels. Une augmentation annuelle de 1 % du taux de productivité améliorerait doublement nos niveaux de vie en une seule génération. » Il a raison. Même ne serait-ce qu’1 % d’augmentation de l’actuel taux de productivité aux États-Unis sur 20 ans aurait non seulement pour effet de garder l’inflation en baisse mais générerait aussi des revenus suffisants pour mettre fin aux déficits dans les budgets des États, et ce sans augmenter les impôts ou mettre en place des coupes budgétaires. Les ratios de dette publique par rapport au PIB plongeraient.
Mais l’IA permettra-t-elle cet important gain en productivité ? De 2005 à 2019, la productivité étasunienne a augmenté en moyenne de 1,5 % par an. Ce niveau est resté aussi bas pendant et juste après la pandémie (2020-2022). Mais l’augmentation de la productivité du travail aux États-Unis a accéléré depuis 2022. La production par heure de travail a augmenté d’environ 2,5 % par an entre fin 2022 et début 2026, dépassant d’un point son rythme d’avant la pandémie.
L’IA tient-elle donc ses promesses ? L’essentiel de cette accélération dans la croissance de la productivité du travail est dû à une croissance plus rapide de ce que l’économie traditionnelle appelle la productivité globale des facteurs. Cette dernière n’est pas quelque chose de réel que l’on pourrait mesurer, c’est essentiellement un résidu mathématique issu de l’analyse des facteurs de croissance de la productivité. Davantage de travailleur·ses travaillant plus dur et davantage de machines fonctionnant plus longtemps sont les deux éléments qui permettent la plus grande part de la productivité du travail. La productivité globale des facteurs est le résidu que l’on considère provenir de l’impact de « l’innovation » (ici l’IA).
Mais la croissance de la productivité globale des facteurs aux États-Unis n’est pas encore la conséquence de l’usage de l’IA dans l’économie. Selon des économistes de Barclays, l’adoption de l’IA a été davantage graduelle et constante qu’un rapide boom transformateur. La plupart des foyers et entreprises sont en effet encore peu confrontés à cette technologie. La croissance des gains de productivité depuis 2022 est due à un usage plus intensif de technologies déjà existantes, et non à l’arrivée de l’IA.
Comment peut-on le savoir ? Les économistes de Barclay ont analysé les données concernant la population étasunienne en âge de travailler dans l’enquête démographique en temps réel (Real-time Population Survey) de la branche de Saint Louis de la Réserve fédérale. Les éditions les plus récentes de cette enquête montrent que bien que l’IA ait trouvé une place dans les méthodes de travail de 45 % des sondé·es, son temps d’usage total reste minuscule. À partir des réponses des sondé·es et si on prend une journée de travail de 8 heures, l’usage moyen de l’IA par les travailleurSEs qui y ont recours est passé de 20 minutes à la fin de l’année 2024 à environ 30 minutes à la mi-2026. Mais ce que l’enquête ne permet pas de déterminer sur ces 10 minutes supplémentaires d’usage quotidien moyen c’est si elles permettent aux travailleurs d’être globalement plus productif, ou bien si elles servent surtout à vérifier ou corriger ce que l’IA a généré… ou à se relaxer !
Dans les faits, la plupart des enquêtes sur l’adoption de l’IA dans les entreprises ne montrent qu’une faible progression. L’enquête bi-hebdomadaire Business Trends and Outlook du Bureau du recensement des États-Unis montre de son côté que seulement 21 % des entreprises utilisent volontairement l’IA, tandis que 69 % indiquaient ne pas l’utiliser et que 11 % n’étaient pas sûres d’utiliser ou non des outils reposant sur cette technologie. Un document de discussion du conseil des gouverneurs de la Réserve fédérale a conclu que « les tendances en matière de productivité sur trois niveaux ont été relativement stables au fil du temps, ce qui laisse penser que les gains de productivité observés au niveau micro- économique ne se répercutent pas au niveau macroéconomique ». Il semblerait que les expériences menées à « niveau micro » mesurent généralement la productivité d’une tâche, comme par exemple la vitesse à laquelle un programmeur génère du code, plutôt que la production du poste ou de l’entreprise. Une amélioration à hauteur de 10 % sur une seule tâche ne mène pas forcément à des gains proportionnels pour une entreprise si les coûts d’adaptation ou d’autres goulots d’étranglement se situent à d’autres étapes du processus de production et compromettent les gains de productivité réalisés en amont.
En menant une série d’analyses sur son enquête démographique (précédemment citée), la Réserve fédérale n’a trouvé aucun élément prouvant que l’IA ait un impact positif. La Fed indique que les corrélations entre les taux d’adoption de la technologie dans l’industrie et les gains en productivité « ne peuvent pas être statistiquement distingués de zéro ». Elle ajoute que toute amélioration observée « reflète bien davantage des disparités qui persistent entre secteurs d’activités plutôt qu’une accélération mesurable des gains de productivité qui seraient imputables à l’IA ».
Cependant, les optimistes de l’IA s’entêtent à rester des optimistes. Ils invoquent la « courbe en J » qui suit généralement l’impact des nouvelles technologies sur la productivité. Dans un premier temps il y a un effet lent, voire même négatif, sur la productivité pendant que les entreprises se mettent à investir lourdement dans une technologie. Puis, un boom se produit. Une telle « courbe en J » était observable dans la croissance en productivité du secteur manufacturier étasunien qui, après s’être effondrée au milieu des années 1980 a accéléré fortement suite à la récession de 1991 et jusqu’au milieu des années 2000.
Mais même cette vision optimiste a des limites. En premier lieu, il semblerait que les travailleur·ses ayant des outils IA à disposition résistent à leur déploiement. Une enquête menée en avril dernier sur un échantillon de 2 400 travailleur·ses par les entreprises spécialisées dans l’IA Writer et Workplace Intelligence, deux entreprises ayant un intérêt dans l’adoption de l’IA, a montré que 29 % des salariéEs avouent saboter activement la stratégie IA de leur entreprise. Au sein des travailleur·ses de la génération Z (en-dessous de 25 ans) ce chiffre monte à 44 %, en hausse de trois points depuis l’année dernière. Une autre enquête menée le même mois par WalkMe sur un échantillon de travailleur·ses et manager·euses dans 14 pays a montré qu’au cours des 30 jours précédants, 54 % des travailleur·ses ont décidé de passer outre les outils IA à leur disposition pour, à la place, travailler manuellement. Ces enquêtes ont aussi mis en évidence une « peur de devenir obsolète », à l’origine de ces comportements de résistance active et passive, et parfois même passive agressive. De la même manière, la revue The Economist rapporte que l’usage de l’IA par les travailleur·ses étasunien·nes a connu un pic très tôt et est redescendu aussitôt que l’enthousiasme initial est retombé.
L’économiste Erik Brynjolfsson, de chez Stanford, et l’entreprise ADP Research, tous deux optimistes vis-à-vis de l’IA, mènent une enquête de suivi des tendances sur 4,6 millions de travailleur·ses et 730 métiers différents grâce à leur tableau de bord Canaries Dashboard. Leurs résultats montrent que le nombre d’emplois pour les travailleur·ses de 22 à 25 ans dans des métiers très exposés à l’usage de l’IA est en baisse de plus de 4 % par an. Des analyses commandées par la Goldman Sachs pointent que les métiers de l’information, des services aux professionnels, de l’assurance et de la finance sont les mieux placés pour bénéficier des premiers gains de productivité. Mais ce sont aussi les secteurs où les phénomènes de « sabotage » précédemment évoqués sont les plus forts.
Elsie Peng, économiste étasunienne pour la Goldman Sachs, soutient la thèse d’une « courbe en J » concernant l’IA. Son étude de l’adoption d’une nouvelle technologie dans l’industrie met en évidence un léger phénomène de frein au cours des 4 premières années, puis des gains statistiquement notables seulement après 8 ans, et enfin un pic de plus ou moins 0,6 % à la 12e année. Si on considère le lancement public de ChatGPT en 2022 comme l’équivalent de l’arrivée du PC (ordinateur personnel) en 1981, et si on suit cette thèse d’une « courbe en J », alors les premiers gains de productivité devraient se manifester autour de 2030 au plus tôt et atteindraient leur pic vers 2034.
Toujours selon l’étude d’Elsie Peng, les réels gains de productivité générés par l’adoption des nouvelles technologies de l’information et de la communication ne sont devenus manifestes qu’à partir du moment où la moitié des entreprises avaient adopté ces technologies. Et on ne parle pas de simplement se les procurer, mais bien de les adopter et de les utiliser au cœur de ses activités.
La « courbe en J » reprise par Elsie Peng se rapproche de ce que des économistes de l’OCDE ont avancé il y a quelques temps : les nouvelles technologies au potentiel transformateur ont historiquement eu besoin d’une vingtaine d’années après leur introduction pour générer de réels gains de productivité au niveau macroéconomique. Si ce schéma se confirme pour l’IA générative, on pourrait attendre la moitié des années 2030 ou même encore plus tard avant d’observer de vrais gains. Il y a donc encore beaucoup de chemin à parcourir pour que l’usage de l’IA se généralise et parvienne à générer un réel boost dans la croissance de la productivité.
Le boom de croissance de la productivité tant espéré par le président de la Réserve fédérale semble loin de nous. Mais qu’en est-il des profits générés par l’IA ? Pour l’instant, tout le chiffre d’affaires réalisé par les entreprises derrière les modèles d’IA est encore loin de couvrir les coûts de recherche et développement et de construction de nouveaux data centers à travers les États-Unis. La Goldman Sachs estime que chaque dollar investi dans le matériel pour les technologies de l’information et la communication nécessite 1,7$ d’un investissement complémentaire immatériel : les logiciels, les systèmes de collecte de données et, le plus dur à mesurer, la réorganisation des entreprises. La capacité des datas centers est aujourd’hui 15 fois supérieure à la demande.
Pendant ce temps la dette s’accumule. Selon Bloomberg il y aurait désormais 500 milliards de dollars de dette liée à la construction et au fonctionnement de data centers. La version Asie du journal japonais Nikkei rapporte que la dette combinée et accumulée sur les 5 dernières années par Meta, Google, Microsoft et Oracle s’élève à 1 650 milliards de dollars. S’ajoutent à cela des centaines de milliards de dollars de dette « hors résultats », ce qui signifie que la structure de l’entreprise lui permet de ne pas l’inclure dans son passif.
Le chiffre d’affaires réalisé par les entreprises comme OpenAI et Anthropic ne tient qu’aux montants investi dans leur activité par les hyperscalers . Aucun profit n’est tiré de l’usage des modèles ChatGPT ou Claude, notamment car les entreprises derrière ces modèles ne facturent pas leurs utilisateurs au coût réel que cela représente. Désormais ces entreprises essaient de changer de modèle tarifaire en passant d’une formule par abonnements à une formule facturée directement à l’usage. En conséquence, les frais liés à l’usage de l’IA ont explosé pour des entreprises qui jusque-là encourageaient un usage intensif et doivent désormais le rationner. L’autre conséquence est l’abandon par les entreprises des modèles étasuniens au profit des modèles chinois open source qui pour un même niveau de performance sont nettement moins coûteux.
Le premier d’entre eux, Deepseek, avait secoué l’industrie début 2025. Le plus récent, Kimi K3, vient juste d’être rendu public par la start-up Moonshot AI basée à Pékin. Les modèles chinois sont 112 fois moins chers que ceux d’Anthropic. Un jeton pour l’usage d’un modèle coûte 56 dollars chez Anthropic, 26 chez OpenAI, 1,50 chez Meta, 1 dollar chez xAI et Google, et la moitié d’un dollar pour les modèles chinois. Il n’y a donc rien d’étonnant dans le fait que la part de jetons utilisés par les entreprises étasuniennes dans les modèles chinois atteigne un record de 58 %. Les entreprises étasuniennes utilisent désormais davantage les modèles chinois que ceux développés aux États-Unis.
Mais les optimistes de l’IA n’ont pas jeté l’éponge. Certains évoquent ce qu’on appelle le paradoxe de Jevons, selon lequel l’amélioration de l’efficacité (grâce à l’IA) entraînerait une hausse de la demande à mesure que le coût unitaire lié aux dépenses dans l’IA diminuerait. Cela générera la rentabilité recherchée par les entreprises d’IA et espérée par les marchés boursiers. Mais cela dit, seules 2 % des entreprises du S&P 500 ont parlé de la productivité liée à l’IA dans leurs résultats du premier trimestre 2026. Et parmi celles qui l’ont mentionné, l’accent a été mis sur la réduction des coûts plutôt que sur la croissance du chiffre d’affaires. Cela pose la question de comment les centaines de milliards investis vont se transformer en profits, ou même ne serait-ce qu’en chiffre d’affaires.
Le pari sur l’IA repose sur deux hypothèses. La première est que l’IA va être rentable, à terme. Mais le simple fait qu’une technologie permette une forte croissance dans la productivité ne veut pas forcément dire que cela générera de grands retours sur investissement. La seconde est qu’il va y avoir, rapidement, une demande généralisée pour l’IA. L’adoption de cette technologie a effectivement progressé, mais on est encore très loin du pic. Comme dit précédemment, la Goldman Sachs estime que cela pourrait prendre jusqu’à 15 ans, et même 20 ans selon l’OCDE. Les entreprises de l’IA en activité en ce moment peuvent-elles survivre aussi longtemps ? Le marché boursier peut-il tenir aussi longtemps sans que la bulle explose ?
Publié le 23 juillet 2026 sur le blog de l’auteur, The Next Recession
