Alors que l’intelligence artificielle redessine l’économie mondiale, une étrange mécanique se met en place. D’un côté, les infrastructures nécessaires à son expansion enrichissent investisseurs et industriels, jusqu’aux portefeuilles de certains sénateurs américains. De l’autre, les entreprises découvrent que l’IA n’a rien d’immatériel : derrière chaque requête se cachent des puces, des data centers, de l’énergie et une facture qui peut rapidement atteindre des sommets.
Il y a, derrière la fascination pour l’intelligence artificielle, une réalité beaucoup plus matérielle.
Des bâtiments gigantesques. Des milliers de kilomètres de câbles. Des puces parmi les plus sophistiquées jamais produites. Des milliards de dollars investis dans des infrastructures énergivores.
Et, au sommet de cette nouvelle économie, une question qui commence à devenir impossible à ignorer : qui profite réellement de la révolution de l’IA, et qui en paie le prix ?
Deux enquêtes publiées par Forbes dessinent les contours de cette nouvelle ruée vers l’or.
Les data centers, nouveau symbole de la puissance technologique
Pour faire fonctionner l’intelligence artificielle à grande échelle, il faut des infrastructures à la hauteur.
La construction de data centers est ainsi devenue l’un des grands chantiers industriels de la décennie. À travers le monde, des milliers de milliards de dollars sont engagés dans les capacités de calcul nécessaires aux nouveaux modèles d’IA.
Cette transformation ne concerne pas seulement les géants de la technologie. Elle touche également les marchés financiers, l’immobilier, l’énergie, les infrastructures et désormais la politique américaine.
Selon l’analyse menée par Forbes à partir des déclarations financières des sénateurs américains, 26 membres du Sénat détiennent des investissements directement liés aux entreprises participant à la construction des data centers, soit plus d’un quart de la chambre haute.
Parmi les valeurs concernées figurent notamment Nvidia, Amphenol, Cisco et Corning.
Nvidia occupe naturellement une place à part. Le fabricant de puces, devenu l’un des grands symboles de la révolution de l’IA, a vu son action progresser d’environ 1 000 % en cinq ans selon les données citées dans l’enquête.
Pour réaliser son analyse, Forbes a utilisé un outil d’intelligence artificielle pour examiner les déclarations des élus, avant de vérifier manuellement les participations retenues. Les entreprises extrêmement diversifiées, comme Apple, Google ou Meta, ont été écartées afin de se concentrer sur les acteurs directement exposés à l’essor des infrastructures de calcul.
Quand la nouvelle économie rencontre le pouvoir politique
La question devient naturellement sensible lorsque les intérêts financiers croisent les décisions publiques.
Les data centers sont devenus indispensables à l’expansion de l’IA, mais leur implantation suscite aussi des résistances locales. Consommation d’électricité, utilisation de l’eau, transformation des territoires : derrière la promesse d’une économie numérique se trouve une infrastructure particulièrement physique.
Selon Forbes, environ deux Américains sur trois seraient opposés à la construction de nouveaux data centers à proximité de leur domicile, notamment en raison de leur consommation de ressources.
Au Congrès, les positions divergent. Certains élus souhaitent davantage taxer ou encadrer ces infrastructures. D’autres défendent au contraire une simplification des règles afin d’accélérer leur construction.
Cette divergence révèle l’un des grands paradoxes de l’ère de l’IA : les États veulent accélérer la révolution technologique tout en découvrant progressivement son coût énergétique, territorial et financier.
Le deuxième visage de l’IA : une facture qui s’envole
Pendant que les fabricants de puces et les constructeurs de data centers bénéficient de cette formidable vague d’investissement, les entreprises qui utilisent l’IA commencent à découvrir une autre réalité.
L’intelligence artificielle peut être extraordinairement puissante. Elle peut aussi être extraordinairement chère.
Selon Forbes, Uber aurait consommé en seulement quatre mois l’intégralité de son budget IA prévu pour 2026. Salesforce, de son côté, anticiperait une facture d’environ 300 millions de dollars cette année auprès d’Anthropic.
Ces montants donnent une nouvelle dimension au débat. Pendant plusieurs années, l’enjeu consistait à savoir qui développerait les modèles les plus puissants. Désormais, une autre compétition apparaît : qui saura les utiliser au meilleur prix ?
La sobriété devient le nouveau luxe technologique
Cette question fait émerger une nouvelle génération de startups.
Leur proposition est simple : il n’est pas toujours nécessaire d’utiliser le modèle le plus puissant pour chaque tâche.
Certaines entreprises privilégient des modèles plus petits, plus spécialisés, souvent open source, voire développés en Chine, afin de réduire considérablement les coûts. Une approche qui pourrait bouleverser l’économie du secteur.
Fireworks : l’IA spécialisée
Fireworks permet aux entreprises de construire des systèmes spécialisés à partir de modèles ouverts.
La société serait valorisée autour de 17,5 milliards de dollars et aurait réalisé environ 250 millions de dollars de chiffre d’affaires en 2025, selon les données rapportées par Forbes.
Sa fondatrice, Lin Qiao, résume le risque avec une formule particulièrement éloquente : une entreprise peut trouver son marché sans parvenir à maîtriser ses coûts et finir par « croître jusqu’à la faillite ».
Dans la nouvelle économie de l’IA, la croissance ne suffit donc plus. Il faut savoir la rendre rentable.
OpenRouter : choisir le bon modèle au bon moment
Le principe d’OpenRouter est plus proche d’un courtier numérique.
La plateforme peut orienter une requête vers le modèle le plus adapté ou le plus économique parmi environ 500 modèles. L’idée est simple, mais potentiellement considérable : pourquoi payer le prix fort lorsqu’une tâche peut être exécutée par un modèle moins coûteux ?
Selon les informations rapportées dans l’article, Stripe aurait acquis OpenRouter pour 8 milliards de dollars en août.
Harness : surveiller l’addition
D’autres entreprises se positionnent sur un problème plus discret : la visibilité des dépenses.
Harness développe notamment un agent destiné à suivre la consommation d’IA des salariés et à permettre aux entreprises de mieux comprendre où part leur budget.
Dans une économie où chaque employé peut potentiellement utiliser plusieurs modèles, outils et agents, le contrôle des dépenses devient lui-même un marché.
Liquid AI : l’IA sans data center
Avec Liquid AI, l’ambition est encore différente.
La société développe des réseaux de neurones légers capables de fonctionner sur des équipements beaucoup moins puissants, jusqu’à un simple ordinateur portable.
Une idée qui pourrait sembler presque rétrograde face à la course aux gigantesques data centers. Elle pourrait pourtant devenir stratégique. Car si une partie de l’intelligence artificielle peut fonctionner localement, la dépendance aux infrastructures centralisées pourrait diminuer.
Les modèles chinois changent l’équation
C’est peut-être l’un des mouvements les plus significatifs de cette nouvelle phase.
Selon des données d’OpenRouter citées par Forbes, 55 % des requêtes passeraient désormais par des modèles chinois, contre 4,5 % au début de 2025.
Le facteur prix joue un rôle majeur.
Les entreprises recherchent des modèles suffisamment performants pour leurs usages, mais sensiblement moins coûteux que les offres les plus premium d’OpenAI ou d’Anthropic. Certaines startups auraient ainsi réussi à réduire radicalement leurs dépenses. La société Heidi, par exemple, aurait divisé sa facture par dix en adoptant des modèles ouverts.
La logique est implacable : à performance comparable, le modèle le moins cher peut devenir le plus précieux.
Après la puissance, l’efficacité
Cette évolution pourrait modifier la hiérarchie de l’industrie.
La première phase de l’IA a récompensé la puissance de calcul.
La suivante pourrait récompenser l’efficacité.
Pendant des années, la question était :
Qui possède le modèle le plus puissant ?
Elle devient désormais :
Qui peut produire le meilleur résultat avec le moins de ressources ?
Cette nuance pourrait avoir des conséquences considérables pour les géants de la technologie. Si les modèles ouverts, spécialisés ou chinois continuent de progresser, la valeur pourrait progressivement se déplacer. Non plus uniquement vers ceux qui construisent les plus grandes infrastructures, mais vers ceux qui savent optimiser leur utilisation.
Une nouvelle frontière pour les investisseurs
Pour les marchés financiers, le paradoxe est fascinant.
Les entreprises qui fournissent les infrastructures nécessaires à l’IA bénéficient d’une demande exceptionnelle. Mais leurs clients cherchent précisément à réduire le coût de cette infrastructure. Cela crée une tension au cœur même du modèle économique.
Plus l’IA devient efficace, moins certaines entreprises auront besoin de puissance de calcul pour produire le même résultat. À l’inverse, si les usages explosent, la demande globale pourrait continuer à croître malgré les gains d’efficacité.
Le véritable enjeu sera donc moins de savoir si l’IA consomme moins par tâche que de mesurer combien de tâches supplémentaires cette baisse de coût rendra possibles.
La nouvelle ruée vers l’or
Les deux enquêtes dessinent finalement une même histoire.
À l’amont, l’intelligence artificielle crée une formidable demande pour les puces, les réseaux, les data centers, l’énergie et les infrastructures.
À l’aval, les entreprises découvrent le prix réel de cette révolution et cherchent déjà à en réduire le coût.
Entre les deux, une nouvelle économie se construit.
Elle enrichit ceux qui vendent les pelles et les pioches de la ruée vers l’or numérique, tout en obligeant ceux qui utilisent l’or à apprendre à le conserver. La prochaine bataille de l’IA ne sera peut-être donc pas celle du modèle le plus spectaculaire.
Elle pourrait être celle de la maîtrise.
Maîtrise du capital.
Maîtrise de l’énergie.
Maîtrise des données.
Maîtrise des coûts.
Et dans cette nouvelle économie, la véritable sophistication ne sera peut-être plus de disposer de toujours plus de puissance.
Ce sera de savoir exactement quelle puissance est nécessaire — et de ne pas payer pour le reste.
Sources :
Article susceptible de vous intéresser :
