Dépenses des géants de la tech en IA : analyse de la preuve du retour

J’ai commencé à juger l’engouement autour de l’IA à partir des noms. Il y a un an, les noms étaient modèles, copilotes, agents et démonstrations. Maintenant, ce sont semi-conducteurs, équipements réseau, systèmes électriques, centres de données, fonds propres, chiffre d’affaires et rendements. Ce changement n’est pas moins enthousiasmant. Il est plus adulte. L’industrie technologique a l’habitude de traiter l’infrastructure comme un décor jusqu’à l’arrivée de la facture. Puis le décor devient l’intrigue. Les dépenses des grandes entreprises technologiques dans l’IA en sont maintenant à ce moment-là, passant d’une histoire sur qui peut imaginer l’avenir le plus vite à une histoire sur qui peut le financer, l’exploiter et le monétiser de la manière la plus cohérente.

L’histoire des dépenses est devenue très concrète

RBC Wealth Management affirme que le lancement de ChatGPT fin 2022 a contribué à déclencher l’un des cycles de dépenses d’investissement les plus rapides et les plus importants depuis des décennies, construit autour de l’infrastructure nécessaire pour entraîner et déployer l’IA à grande échelle. Cela inclut les semi-conducteurs, les équipements réseau, les systèmes électriques et les centres de données, qui ne sont pas des ressources abstraites. Ils sont le squelette coûteux de l’ère de l’IA.

Selon RBC Wealth Management, les dépenses d’investissement des grandes entreprises technologiques de premier plan ont plus que doublé au cours des deux dernières années, atteignant 427 milliards de dollars en 2025. RBC prévoit également une nouvelle hausse de 30 % sur un an, pour atteindre environ 562 milliards de dollars en 2026. Microsoft, Amazon, Alphabet, Meta et, plus récemment, Oracle représentent une grande partie de cette augmentation, selon RBC.

C’est ici que la conversation change de forme. Une démonstration de produit demande si un système semble magique. Un plan d’investissement demande si cette magie peut être vendue assez souvent, avec des marges assez élevées, pour justifier le béton coulé en dessous. La question inconfortable n’est pas de savoir si l’IA fonctionne. C’est de savoir si la version la plus coûteuse de l’IA est toujours celle que les clients accepteront de payer.

Le coussin du chiffre d’affaires n’est plus une couverture rassurante

Marketplace a rapporté le 3 juin 2026 que les grandes entreprises technologiques devraient dépenser plus de 700 milliards de dollars dans l’infrastructure d’IA cette année. Il a également rapporté que cette frénésie de dépenses absorbe presque tout le chiffre d’affaires que ces entreprises génèrent. Cette phrase devrait faire se redresser un peu chaque fondateur, responsable produit et investisseur.

Marketplace a aussi rapporté qu’Alphabet, la société mère de Google, prévoit de vendre pour 80 milliards de dollars d’actions afin d’investir dans l’IA, une décision que Marketplace a décrite comme quelque chose qu’Alphabet n’avait pas fait depuis 20 ans. Cela ne signifie pas que le développement de l’IA est irrationnel. Cela signifie que l’ère d’une abondance apparemment sans effort est devenue une ère de compromis visibles.

Ce qui est drôle avec les plateformes, c’est qu’elles peuvent sembler légères vues de l’extérieur. Les résultats de recherche, les API cloud, les fils sociaux et les assistants IA apparaissent comme des interfaces, et non comme des systèmes industriels. Mais chaque prompt est relié à une chaîne d’approvisionnement, à un besoin en énergie, à un choix de bilan financier et, tôt ou tard, à une question posée par quelqu’un qui veut savoir ce que l’argent dépensé a rapporté.

Les investisseurs posent une question de bâtisseur

Reuters a formulé le problème clairement dans sa couverture de Meta et Microsoft augmentant leurs dépenses en IA tout en inquiétant Wall Street avant les résultats d’Amazon. Ce n’est pas seulement une histoire d’humeur des marchés. C’est la même question qu’un bon responsable d’ingénierie pose avant d’approuver une nouvelle dépendance coûteuse : qu’obtenons-nous qui produise des effets composés ?

RBC Wealth Management soutient que le passage vers la monétisation, le retour sur investissement et les applications d’entreprise renforce l’intérêt de regarder au-delà de la première vague de gagnants parmi les grandes entreprises technologiques. C’est un angle utile, car il déplace l’attention de la capacité brute vers les chemins d’adoption. Les gagnants ne seront peut-être pas les entreprises avec le chatbot le plus spectaculaire sur scène. Ce seront peut-être celles qui relient l’IA à des flux de travail où les clients mesurent déjà le temps, la qualité, le coût et le risque.

C’est la partie du cycle où le langage compte. Si l’IA est une technologie à usage général, comme le décrit RBC, alors le gain n’arrivera pas sous la forme d’une seule immense catégorie de produits. Il apparaîtra à travers d’innombrables améliorations ennuyeuses qui permettent de clôturer les factures plus vite, de résoudre les questions des clients plus tôt, de rendre les revues de code plus rigoureuses, d’améliorer les prévisions et d’empêcher les connaissances internes de rester cachées dans des dossiers que personne n’ouvre.

La leçon sous

la ligne des résultats La leçon utile de Marketplace et de RBC Wealth Management n’est pas que les grandes entreprises technologiques devraient dépenser moins. C’est que tous les autres devraient devenir plus précis. Si les plus grandes entreprises technologiques sont poussées à montrer les rendements de leur infrastructure, les plus petites entreprises devraient supposer que leurs projets d’IA ont eux aussi besoin d’un argument commercial plus net.

Cela ne signifie pas que chaque effort d’IA a besoin d’un tableur avant que quiconque puisse expérimenter. L’exploration précoce reste importante. Mais l’ère de la preuve du rendement récompense les équipes qui savent faire la différence entre une démonstration de capacité et un chemin de déploiement. Une démonstration dit : regardez ce que cela peut faire. Un chemin de déploiement dit : voici qui l’utilise, à quelle fréquence, ce que cela remplace, ce que cela améliore et pourquoi la courbe des coûts a du sens.

Pour les lecteurs qui construisent avec l’IA, la prochaine question n’est pas de savoir si les grandes entreprises technologiques continueront à dépenser. La question la plus pratique est de savoir quel type de dépense en IA survit au contact des clients, des budgets, des achats et du travail quotidien. Si les plus grandes entreprises du monde apprennent à traduire une vision en rendements, quelles preuves le reste d’entre nous devrait-il commencer à collecter dès maintenant ?