L’IA est-elle en train de cannibaliser l’économie mondiale ?

Tout l’été, le Grand Continent restera en mouvement. Chaque jour, nous vous apporterons où que vous soyez des idées que vous ne trouverez nulle part ailleurs (mais qui seront partout à la rentrée), des textes introuvables ou rafraîchissants avec nos Dimanches. Pour les recevoir directement dans votre boîte mail et soutenir cet élan, pensez à vous abonner à la revue

Les marchés financiers ont récemment traversé quelques épisodes de doute concernant l’IA. Un certain soulagement est survenu après la publication, par le fabricant américain de puces mémoire, Micron, de résultats trimestriels solides : le groupe avait déjà vendu l’intégralité de sa production annuelle de ses puces les plus sophistiquées, confirmant ainsi la solidité de la demande. Mais, d’un point de vue macroéconomique, la question réside moins dans l’existence de la demande — le thème de la transformation par l’IA est désormais omniprésent dans l’ensemble de l’économie mondiale — que dans la capacité de l’offre à y répondre, sans provoquer de tensions excessives sur les prix et les taux d’intérêt.

Plus encore que les résultats de Micron, l’événement le plus significatif des dernières semaines dans le secteur technologique a probablement été la confirmation par Apple que le prix de ses produits phares augmentera, en raison de la hausse du coût de la mémoire — une hausse que les analystes estiment entre 10 et 20 % pour les prochains modèles ¹. Il s’agit d’une illustration concrète d’une idée encore hétérodoxe il y a quelques mois : pour l’instant, la révolution de l’IA ne se traduit pas par un choc d’offre favorable susceptible de réduire le niveau général des prix.

L’effort d’investissement destiné à développer les capacités technologiques est déjà considérable. Selon les comptes nationaux américains, les dépenses d’investissement dans les logiciels, les équipements informatiques et de communication ont doublé en volume depuis 2019. Les investissements dans les infrastructures électriques et de télécommunications ont, quant à eux, progressé de près de 30 % ². 

Au sens large — logiciels, propriété intellectuelle, équipements informatiques et de communication, structures dédiées (centres de données, infrastructures électriques et de télécommunications) —, les activités technologiques représentent désormais près des deux tiers de l’investissement privé non résidentiel aux États-Unis ³. 

La réallocation du capital ne se limite donc pas aux marchés financiers, où une part croissante de l’épargne se dirige vers les grandes entreprises technologiques, qui représentent désormais une fraction toujours plus importante de la capitalisation boursière mondiale. Elle est également physique : le stock de capital de l’économie américaine se réoriente visiblement vers les technologies numériques.

Or, cet effort massif ne fait probablement que commencer, si l’on en croit les projections disponibles concernant les besoins futurs en puissance de calcul. Dans une synthèse particulièrement éclairante, la RAND Corporation rassemble les principales estimations disponibles, qui convergent vers une multiplication par cinq à dix des capacités de calcul nécessaires aux États-Unis d’ici la fin de la décennie. Il s’agit d’une véritable dynamique exponentielle ⁴.

Pour mesurer ce qu’impliquerait la poursuite de l’effort actuel d’investissement, nous avons construit deux scénarios illustratifs.

Dans les deux cas, nous supposons que les rythmes de progression observés en 2024 et 2025 demeurent inchangés jusqu’en 2035 :

• les investissements technologiques continuent d’augmenter de 7,5 % par an en termes réels ;
• les investissements hors technologie poursuivent leur recul de 2 % par an.

Dans le premier scénario, le PIB potentiel continue de croître à son rythme actuel, soit environ 1,75 % par an.

Dans le second, nous retenons l’hypothèse selon laquelle les gains de productivité liés à l’IA relèvent la croissance potentielle du PIB d’un point de pourcentage, soit le milieu de la fourchette de 0,8 à 1,3 point estimée par Philippe Aghion et Simon Bunel en 2024 ⁵.

Il pourrait sembler naturel de ne retenir que ce second scénario, car il paraît peu probable qu’un effort d’investissement aussi considérable se poursuive durablement, en l’absence de gains de productivité. Il ne faut cependant pas oublier que ces gains peuvent mettre longtemps à se concrétiser, créant ainsi un important décalage entre la phase d’investissement et les bénéfices économiques attendus.

Notre objectif n’est pas de prévoir précisément l’avenir, mais d’évaluer la soutenabilité de la trajectoire actuelle.

Dans le premier scénario, le ratio d’investissement privé non résidentiel passerait d’environ 15 % du PIB aujourd’hui à près de 21 % en 2035. Même dans le scénario le plus favorable, intégrant une accélération durable de la croissance potentielle, ce ratio atteindrait encore environ 19 % du PIB, soit une hausse de quatre points.

Autrement dit, même en supposant une quasi-disparition de l’investissement dans l’économie traditionnelle — celui-ci tomberait à environ 3 % du PIB d’ici dix ans —, les États-Unis devraient maintenir un effort d’investissement sans précédent historique.

Le point de départ est déjà exceptionnel : au premier trimestre 2026, le taux d’investissement privé non résidentiel atteignait 15,7 % du PIB en volume, contre seulement 11,7 % avant la crise financière de 2008. Une augmentation supplémentaire de quatre à six points de PIB exercerait une pression considérable sur l’épargne disponible.

Une nuance mérite toutefois d’être relevée : une grande partie de cet effort est actuellement autofinancée par les flux de trésorerie exceptionnels des grandes entreprises technologiques, ce qui atténue à court terme la pression sur les marchés de capitaux. Cependant, l’ampleur de ces programmes — les quatre principaux hyperscalers devraient dépenser environ 650 milliards de dollars en 2026, soit près du triple de leur niveau de 2024 — conduit désormais ces groupes à recourir de plus en plus à l’endettement, via des obligations. À mesure que le financement bascule des fonds propres vers la dette, la sensibilité de l’essor à l’évolution des taux d’intérêt s’accroît.

Dans le scénario le plus favorable, cette hausse des besoins de financement se traduirait principalement par un creusement du déficit courant américain, sans provoquer nécessairement une forte hausse des taux d’intérêt, à condition que le reste du monde génère suffisamment d’excédents d’épargne pour financer ces investissements.

Rien ne garantit toutefois qu’une telle épargne supplémentaire apparaisse spontanément. L’Europe est confrontée à ses propres besoins d’investissement, notamment dans la défense, tandis que le Japon fait face à des défis similaires. Quant à la Chine, même si elle continuera vraisemblablement d’afficher un excédent d’épargne, il paraît peu probable qu’elle accepte de financer massivement le renforcement du leadership technologique américain dans un contexte de rivalité géopolitique croissante.

Le coût de la transition : lorsque les contraintes d’offre réapparaissent

Jusqu’à présent, nous nous sommes concentrés sur les États-Unis. Pourtant, même si les entreprises américaines conservent leur avance dans la course à l’intelligence artificielle, le reste du monde sera lui aussi conduit à accroître fortement ses investissements. Les autres grandes économies intensifient déjà leurs efforts pour développer leurs propres capacités. Dès lors, même si elles continuaient à financer les investissements américains, une hausse simultanée du taux d’investissement à l’échelle mondiale entraînerait, inévitablement, une augmentation du taux d’intérêt réel d’équilibre.

Face à une trajectoire d’investissement sans précédent, deux réponses sont généralement avancées par les économistes : une baisse des coûts marginaux de production et le progrès technologique. 

Commençons par les prix.

Pendant plusieurs décennies, la baisse régulière du prix des équipements technologiques a facilité l’augmentation de leur poids dans l’investissement total. Pour un même montant nominal d’endettement ou d’autofinancement, les entreprises pouvaient acquérir des volumes toujours plus importants d’équipements informatiques. Cette dynamique ne concernait pas la plupart des biens industriels traditionnels.

Cette période semble aujourd’hui toucher à sa fin.

La guerre dans le Golfe a récemment mis en lumière la dépendance de l’industrie mondiale des semi-conducteurs à l’égard de l’hélium. Toutefois, les tensions sur les capacités de production et la hausse des prix existaient bien avant le conflit. 

L’essor de l’intelligence artificielle constitue l’un des principaux moteurs de cette inflation. Les centres de données utilisent désormais des composants de très haute performance, devenus rares, afin de disposer de la puissance de calcul nécessaire à l’entraînement des modèles et aux opérations d’inférence à grande échelle.

L’évolution du coût des accélérateurs de calcul en est une illustration frappante. Chaque génération de puces NVIDIA — A100 en 2020, H100 en 2022, puis la génération Blackwell déployée à grande échelle depuis 2025 — s’est vendue sensiblement plus cher que la précédente, les systèmes les plus récents se négociant à plusieurs dizaines de milliers de dollars par processeur graphique (GPU). Surtout, une part croissante de ce coût provient d’un intrant devenu critique : la mémoire à haute bande passante (HBM), dont l’ensemble de la production mondiale pour l’année 2026 était déjà vendue en début d’année.

Pourquoi le coût de l’inférence peut continuer à diminuer

Le modèle économique des « hyperscalers » permet néanmoins d’absorber une partie de cette hausse du coût unitaire des centres de données.

Les gains d’efficacité restent considérables. Les infrastructures sont mieux optimisées, notamment grâce à une planification plus performante des tâches d’inférence. Les modèles deviennent eux-mêmes plus efficients, tandis que les économies d’échelle jouent pleinement lorsque plusieurs milliers de GPU sont déployés au sein d’un même cluster.

Ainsi, le coût d’une requête d’IA (« coût par inférence ») peut continuer à diminuer alors même que le coût d’investissement des infrastructures augmente. Cette baisse est rendue possible par la diffusion rapide des usages : les entreprises multiplient les cas d’utilisation et ouvrent progressivement l’accès aux outils d’IA à un nombre croissant de collaborateurs.

Pour l’instant, le progrès technologique continue donc de compenser la hausse des coûts.

Des limites physiques apparaissent

Cette logique présente toutefois des limites.

Les « hyperscalers » sont disposés à payer des prix très élevés pour acquérir les GPU les plus performants. Mais lorsque l’offre physique devient insuffisante, le marché ne peut plus s’équilibrer uniquement par les prix : les quantités disponibles deviennent elles-mêmes contraintes. Dans un tel contexte, le rationnement de la capacité de calcul devient inévitable. Ce sont alors les entreprises développant des applications d’IA dans l’économie réelle qui voient leur accès aux ressources informatiques limité.

Les contraintes ne concernent d’ailleurs pas uniquement les semi-conducteurs. Les opérateurs doivent également faire face à des pénuries d’électricité, à des difficultés de raccordement aux réseaux ainsi qu’à des procédures administratives parfois longues pour obtenir les autorisations de construire de nouveaux centres de données. À cela s’ajoute une opposition croissante des populations locales à l’implantation de ces infrastructures.

Les effets collatéraux sur le reste de l’économie

Même si les grandes entreprises technologiques parviennent à absorber cette hausse des coûts, les conséquences pour les autres secteurs pourraient être beaucoup plus difficiles à gérer.

Face à la demande exceptionnelle provenant des acteurs de l’IA, les fabricants de mémoire privilégient naturellement leurs clients les plus rentables ainsi que les composants les plus sophistiqués. Cette stratégie réduit les capacités consacrées aux produits plus standard, utilisés dans les biens de consommation courante.

L’annonce récente d’Apple constitue probablement le premier signe visible d’un phénomène appelé à se généraliser.

Selon les estimations de TechInsights, citées par le Wall Street Journal, la mémoire (DRAM et NAND) intégrée dans la génération précédente d’iPhone Pro représentait environ 50 dollars, pour un coût de fabrication total d’environ 580 dollars. Pour la génération à venir, ce seul poste mémoire approcherait 200 dollars — soit une multiplication par quatre à volume constant — portant le coût de fabrication total au-delà de 700 dollars. Autrement dit, la transition vers l’IA ne modifie pas seulement la répartition des bénéfices entre entreprises technologiques et entreprises traditionnelles. Elle affecte également les entreprises technologiques tournées vers le consommateur.

Les constructeurs automobiles sont, eux aussi, concernés. La quantité de semi-conducteurs intégrée dans les véhicules augmente régulièrement. Certes, cette industrie utilise des composants différents de ceux employés dans les centres de données, mais la réorientation des capacités de production vers les puces destinées à l’IA exerce malgré tout une pression sur les prix et sur les délais d’approvisionnement.

Aujourd’hui, le contenu électronique représente environ 1 000 dollars par véhicule thermique de milieu de gamme, et plus de 2 000 dollars pour les véhicules électriques ou haut de gamme.

À un moment où l’électrique doit encore réduire l’écart de coût avec les motorisations thermiques, la hausse du prix des mémoires constitue clairement un obstacle supplémentaire.

Une concentration industrielle exceptionnelle

À court terme, il existe peu de solutions de remplacement.

La production mondiale de mémoire est extrêmement concentrée. Trois entreprises — les sud-coréennes Samsung et SK Hynix et l’américaine Micron — assurent à elles seules plus de 95 % de la DRAM mondiale. Le marché du NAND est à peine moins concentré, avec une poignée d’acteurs supplémentaires (le Japonais Kioxia, l’Américain SanDisk et le Chinois YMTC). Les barrières à l’entrée sont considérables, compte tenu des investissements colossaux nécessaires.

À cette concentration industrielle s’ajoute désormais la fragmentation géopolitique. Les entreprises ne peuvent plus toujours s’approvisionner librement auprès des fournisseurs les plus compétitifs. Apple en fournit une illustration : le groupe fait actuellement pression sur les autorités américaines afin d’obtenir l’autorisation d’utiliser des composants produits par un fabricant chinois placé sous sanctions.

Le risque d’une économie à deux vitesses

À terme, l’économie qui ne relève pas directement de l’IA pourrait subir simultanément deux chocs : une hausse durable des prix et un relèvement des taux d’intérêt.

La combinaison d’une compression des marges et d’un renchérissement du coût du capital accélérerait encore le recul de l’investissement, déjà observé dans les secteurs traditionnels de l’économie américaine.

Le risque n’est donc pas simplement que le secteur de l’IA croisse indépendamment du reste de l’économie, mais que cette croissance finisse par freiner le développement des autres activités.

Si les entreprises traditionnelles voient leur rentabilité diminuer et réduisent leurs investissements, il devient également plus difficile de défendre l’idée selon laquelle l’IA générera des effets positifs diffus sur l’ensemble de l’économie : par exemple en créant de nouveaux emplois capables d’absorber les travailleurs déplacés par l’automatisation.

La bifurcation entre une économie de l’IA en forte expansion et une économie traditionnelle sous pression pourrait alors devenir de plus en plus marquée.

Les conséquences macroéconomiques : un nouveau défi pour les banques centrales

Les développements que nous venons de décrire peuvent paraître théoriques et relever d’un horizon encore lointain. Nous pensons pourtant qu’ils exercent déjà une influence tangible sur l’évolution actuelle de l’économie et méritent toute l’attention des responsables de la politique économique.

Un premier signal d’alerte réside dans l’évolution de l’investissement américain hors technologie. Au premier trimestre 2026, celui-ci demeurait encore inférieur de 11 % à son niveau de 2019. Autrement dit, l’effet d’éviction (« crowding out ») que nous décrivons pourrait déjà être à l’œuvre.

Pour autant, il n’existe pas encore de preuve claire que les tensions inflationnistes induites par la transition vers l’intelligence artificielle apparaissent dans les statistiques agrégées.

Malgré les perturbations d’approvisionnement provoquées par la guerre dans le Golfe, dont les effets dépassent désormais largement le seul secteur de l’énergie pour toucher l’ensemble de l’industrie manufacturière mondiale, les prix des biens de base (hors alimentation et énergie) de l’indice PCE ont continué de ralentir ces derniers mois, ce qui contraste avec l’inflation globale, fortement rehaussée par le choc pétrolier lié au conflit. Ce découplage suggère que les tensions que nous décrivons ne sont pas encore visibles dans les statistiques agrégées, mais cela pourrait ne pas durer.

Cette évolution suggère aussi que le choc tarifaire de 2025 — dont l’ampleur et la persistance étaient précisément l’incertitude qui avait conduit Jerome Powell à interrompre le cycle de baisse des taux directeurs — est progressivement absorbé par l’économie américaine. 

Ce défi est d’autant plus singulier que le nouveau président de la Fed, Kevin Warsh, défend publiquement la thèse inverse. Lors de sa première audition devant le Congrès en juillet, il a estimé que l’économie américaine tirerait des bénéfices considérables de l’investissement dans l’IA, les gains de productivité associés permettant selon lui d’abaisser les taux directeurs sans raviver l’inflation ⁶. Si notre analyse est correcte, la phase de transition pourrait au contraire produire simultanément des tensions sur les prix des biens technologiques et une pression haussière sur les taux réels. Dans cette configuration une politique monétaire fondée sur l’hypothèse d’un choc d’offre favorable risquerait d’être prise à contre-pied. 

Une transition qui pourrait être inflationniste

Notre analyse pourra paraître excessivement pessimiste. Tel n’est pourtant pas notre propos. Nous ne remettons nullement en cause le caractère profondément transformateur de l’IA ni les gains de productivité considérables qu’elle est susceptible de générer à long terme.

Notre interrogation porte davantage sur la phase de transition.

L’économie peut parfaitement converger vers un nouvel équilibre, beaucoup plus productif, tout en traversant une période durant laquelle les besoins massifs d’investissement exercent une pression importante sur les marchés du capital et sur les chaînes d’approvisionnement.

Contrairement aux précédentes vagues de numérisation, la révolution de l’IA nécessite des infrastructures physiques extrêmement coûteuses : centres de données, réseaux électriques, capacités de production de semi-conducteurs, équipements de refroidissement, réseaux de télécommunications ou encore ressources énergétiques.

La transition ne consiste donc pas uniquement à développer des logiciels ; elle exige une accumulation de capital matériel d’une ampleur exceptionnelle. Dans un tel contexte, la hausse de la demande d’investissement peut dépasser durablement les capacités d’ajustement de l’offre.

Si tel était le cas, les conséquences macroéconomiques seraient loin d’être neutres :

• le coût du capital augmenterait durablement ;
• les taux d’intérêt réels auraient tendance à augmenter ;
• les pressions inflationnistes pourraient réapparaître dans certains segments industriels ;
• les secteurs les moins directement liés à l’IA verraient leurs investissements progressivement évincés.

Autrement dit, le coût de la transition pourrait être significatif avant que les gains de productivité ne deviennent pleinement visibles.

La nécessité de gérer les déséquilibres macroéconomiques temporaires

Pris isolément, chaque projet d’investissement dans l’intelligence artificielle apparaît parfaitement rationnel. Chaque entreprise cherche à améliorer sa compétitivité, à réduire ses coûts ou à préserver ses parts de marché.

Mais lorsque l’ensemble des entreprises poursuivent simultanément cette stratégie, le résultat collectif peut être très différent de la somme des décisions individuelles.

Le risque est de voir s’installer un cycle où le boom de l’investissement nourrit simultanément la hausse du coût du capital, des tensions d’approvisionnement persistantes et une inflation des biens technologiques, au détriment de l’investissement dans le reste de l’économie.

Ce scénario ne remet pas en cause les bénéfices potentiels de l’IA. Il souligne simplement que la transition vers cette nouvelle économie pourrait être beaucoup plus coûteuse, en termes de financement, de stabilité des prix et de politique monétaire, que ne le suppose le consensus actuel.

Pour les autorités publiques, comme pour les banques centrales, la question n’est donc plus seulement d’accompagner une révolution technologique prometteuse, mais également de gérer les déséquilibres macroéconomiques temporaires qu’elle est susceptible de provoquer.