Pourquoi le mauvais investissement, et non la surproduction de puces, pourrait mettre fin au cycle de l'IA

L'essor de l'intelligence artificielle entraîne le cycle de dépenses en capital (capex) le plus spectaculaire de l'histoire, mais un avertissement important a émergé concernant sa durabilité. Chris Wood, responsable mondial de la stratégie d'actions chez Jefferies, suggère que la fin éventuelle du cycle de l'IA ne sera pas déclenchée par une pénurie de puces, mais par une crise de confiance dans les rendements des investissements.

La menace imminente du mauvais investissement

Contrairement aux cycles traditionnels des semi-conducteurs qui s'achèvent en raison d'excès d'offre soudains ou d'accumulations de stocks, Wood soutient que l'ère de l'IA est confrontée à un risque structurel unique : le mauvais investissement (malinvestment). Le principal danger réside dans la possibilité que les hyperscalers et les principaux laboratoires d'IA ne parviennent pas à générer des rendements adéquats sur les capitaux massifs qu'ils déploient.

Wood souligne un schéma préoccupant de « financement circulaire » au sein de l'écosystème. Par exemple, Nvidia a participé au financement d'entités telles qu'OpenAI, qui utilisent à leur tour ce capital pour acheter davantage de puces Nvidia. Bien que cela crée une dynamique puissante à court terme, cela génère une boucle de rétroaction qui pourrait se dénouer brutalement si les investisseurs commencent à douter de la monétisation à long terme et de la visibilité des bénéfices de la pile technologique de l'IA.

Capex massifs et concentration des risques

L'ampleur des investissements actuellement observés est sans précédent. TSMC, la fonderie leader mondiale, a revu à la hausse ses prévisions de capex pour 2026 à environ 56 milliards de dollars, contre 41 milliards de dollars l'année dernière. Les projections de Fubon Research suggèrent que ce montant pourrait grimper entre 65 et 70 milliards de dollars d'ici 2027.

Cette poussée transforme déjà les économies régionales. À Taïwan, l'impact de la demande liée à l'IA est évident, avec une croissance du PIB réel atteignant 14,55 % en glissement annuel au premier trimestre 2026. De plus, la demande liée à l'IA devrait représenter environ 31 % du chiffre d'affaires total de TSMC en 2026, soulignant à quel point l'économie mondiale se concentre massivement sur l'infrastructure de l'IA.

La commoditisation des modèles d'IA

Un second point de pression est la commoditisation rapide des Large Language Models (LLMs). À mesure que l'efficacité s'améliore et que les coûts chutent, l'avantage « premium » des fournisseurs d'IA occidentaux est remis en question. Wood souligne la montée en puissance des modèles chinois, tels que le GLM-5.2 de Z.ai, qui offrirait des performances comparables aux meilleurs modèles occidentaux pour seulement un quart du prix.

Les données confirment cette tendance ; sur la plateforme OpenRouter, les principaux modèles d'IA chinois ont traité 21,37 billions de tokens fin juin, un bond massif par rapport aux 4,37 billions d'avril. Ce volume est nettement supérieur aux 5,76 billions de tokens traités par les principaux modèles américains, signalant un paysage saturé et sensible aux prix.

Déplacement de l'attention vers les « picks and shovels »

Malgré ces avertissements, Wood ne prévoit pas d'effondrement immédiat. Il suggère plutôt un pivot stratégique vers les « picks and shovels » (outils et équipements) de l'industrie — plus précisément les fournisseurs de DRAM et de mémoire. En raison du paradoxe de Jevons, à mesure que le calcul devient plus efficace et moins coûteux, la consommation totale augmente en réalité, ce qui profite aux fournisseurs de matériel.

Des acteurs majeurs comme Micron sécurisent déjà leur position grâce à des changements structurels, tels que la signature d'accords stratégiques de cinq ans couvrant des portions significatives de leurs volumes de DRAM et de NAND. Cela confère aux fabricants de mémoire un pouvoir de fixation des prix et une stabilité accrus, même si la couche logicielle de l'IA au sens large peine à prouver sa rentabilité.

Points clés à retenir

• Le risque réel : Le cycle de l'IA est plus susceptible de prendre fin en raison d'un « mauvais investissement » (malinvestment) — l'incapacité des hyperscalers à générer des rendements suffisants sur des capex massifs — plutôt qu'en raison d'une surproduction traditionnelle de puces.
• Commoditisation des modèles : La montée rapide des modèles d'IA chinois à bas coût et haute performance exerce une pression immense sur l'économie des fournisseurs d'IA occidentaux premium.
• Résilience du matériel : Les fabricants de mémoire et de DRAM (comme SK Hynix et Samsung) restent les bénéficiaires les plus résilients grâce à leur capacité à conclure des accords de vente à long terme et à imposer leur pouvoir de fixation des prix.