La course à l’IA a un problème structurel

Dans un document de travail publié en juillet 2026, l’économiste de la Banque des règlements internationaux, Phurichai Rungcharoenkitkul, modélise la construction des infrastructures d’intelligence artificielle comme une course, un « contest » au sens de la théorie économique, dans laquelle quelques positions dominantes capturent l’essentiel des gains ¹. 

• Sa thèse centrale est que la course à l’IA « engendre une fragilité qui la mine elle-même ». 

Le graphique ci-dessous, extrait du rapport, présente l’une des deux facettes du phénomène : son ampleur historique.

• Rapportée à son niveau le plus bas d’avant « le boom », la dépense d’investissement dans l’IA est sur le point de dépasser tous les grands épisodes de boom technologique en seulement trois ans. 
• La courbe de l’IA monte plus vite et plus haut que celle de la canalmania américaine des années 1830, de la railway mania britannique des années 1840, des Années folles ou de la bulle Internet de la fin des années 1990. 
• Les dépenses des grands hyperscalers devraient dépasser 700 milliards de dollars pour l’année 2026 seulement, et les projections du secteur tablent sur 3 000 à 4 000 milliards pour les prochaines années.
• Tous les épisodes historiques cités se sont achevés par des corrections brutales. 

La pente actuelle n’est pas un gage de solidité, mais le signe d’une sur-construction quantifiée, qui rend les booms les plus susceptibles de se retourner.

• Ce phénomène est provoqué par une caractéristique typique de la course. 
• La victoire est telle que « le vainqueur remporte presque tout » : chaque acteur investit donc massivement pour distancer ses rivaux, sans tenir compte de l’impact de sa course sur les autres. Selon le modèle calibré, le résultat est un sur-investissement d’environ 1,5 fois le niveau socialement optimal, et jusqu’à trois fois là où la demande d’IA est moins élastique.
• Cette dynamique a toutefois un seuil critique. Une fois que la construction atteint un certain seuil, que l’auteur situe autour de 3 000 milliards de dollars, le surplus économique net (production totale moins coût du capital) deviendrait négatif. Les projections situées entre 3 000 et 4 000 milliards de dollars placeraient donc le secteur « dans la zone des risques baissiers significatifs », écrit-il.
• Le capital ainsi accumulé est spécialisé. En cas de retournement, il devrait être liquidé simultanément sur un marché peu liquide, ce qui réduirait d’autant le taux de récupération, surtout compte tenu de l’endettement du secteur.

L’analyse se concentre également sur un deuxième problème central, celui du financement circulaire de l’IA.

• Le phénomène est le suivant : un acteur prend une participation au capital d’un laboratoire d’IA en échange de l’engagement de ce dernier à lui acheter de la puissance de calcul future. La demande est ainsi « fabriquée » par ceux qui financent l’offre.
• Le réseau relie ainsi les hyperscalers (Microsoft, Amazon, Google, Oracle et Meta), les fabricants de puces (Nvidia et AMD), les laboratoires (OpenAI, Anthropic et xAI) et le principal néocloud (CoreWeave). L’ordre de grandeur est impressionnant : environ 46 milliards de dollars de participations ont été effectivement déboursés, mais les engagements d’achat pluriannuels s’élèvent à 879 milliards.
• Ces participations croisées ne font que concentrer le risque. L’auteur réume : « Le montage financier qui a alimenté la croissance est également celui qui transmet la faillite ».

En abandonnant l’hypothèse d’acteurs isolés pour modéliser le réseau réel, le rapport met ainsi en lumière une nouvelle vulnérabilité : la défaillance d’un seul laboratoire pourrait, en affectant le bilan de l’hyperscaler qui le finance, inciter ce dernier à se désengager d’un autre laboratoire, propageant ainsi la crise. 

• Ce risque s’aggraverait à mesure que la course se poursuit. Selon la simulation, la première cascade se situerait à une échelle d’investissement de 1,6 fois le niveau optimal, la seconde à 2,3 — et la trajectoire annoncée de 3 000 à 4 000 milliards projetterait le secteur dans cette zone de contagion (entre 2,1 et 2,9).
• Ainsi, plus le financement passe par plusieurs laboratoires reliés entre eux par quelques nœuds « pivots », plus une défaillance locale peut devenir systémique.

L’auteur note aussi que la demande potentielle en IA est « vaste » et pourrait justifier une expansion considérable de la puissance de calcul. Toutefois, il souligne que la logique de course incite à sur-construire.