Il y a quelque temps, les projets d’introduction en bourse d’OpenAI ont placé ce laboratoire, qui fonctionnait depuis longtemps sous une structure « à but non lucratif plafonnée », sous les feux des projecteurs du marché public. Parallèlement, Alphabet, la maison-mère de Google, a lancé un plan de financement de 800 milliards de dollars, auquel Berkshire Hathaway a souscrit à hauteur de 10 milliards de dollars à lui seul.
Cette première entrée sur le marché de ce géant de l’investissement traditionnel, habituellement réticent envers les actions technologiques, présage que le jeu des capitaux dans l’IA a atteint un point culminant à ce stade. Ce n’est qu’aujourd’hui que l’on peut affirmer que le secteur de l’IA est en train de vivre une transformation profonde de paradigme.
Le point le plus évident est que le « manque d’argent » et la « scission » sont devenus les deux récits parallèles des entreprises d’IA actuelles.
La raison du premier ne diffère pas de la nature des actifs lourds que représente la puissance de calcul. Les dépenses d’investissement de Google pour 2026 sont estimées entre 1800 et 1900 milliards de dollars. Les investissements de Microsoft, Meta et Amazon sont également de l’ordre de plusieurs centaines de milliards. Une puce H100, un transformateur de centre de données, une ligne d’accès au réseau électrique, chaque maillon nécessite de l’argent réel.
La scission est devenue la principale stratégie récente des grandes entreprises chinoises. L’IA Kling de Kuaishou, valorisée à seulement environ 60 milliards de dollars au sein du groupe, a vu sa valorisation avant investissement bondir directement à 180 milliards de dollars après sa séparation, soit une multiplication par trois. Le Kunlunxin de Baidu, séparé du groupe pour une introduction en bourse, pourrait, selon les estimations externes, apporter un gain de près de 300 milliards de dollars à la capitalisation boursière de Baidu, soit plus de 60 % de sa capitalisation totale actuelle.
Derrière ce phénomène se reflète la redéfinition par le capital des actifs d’IA. Dans les états financiers consolidés des grandes entreprises, l’activité d’IA est considérée comme un poste de dépenses qui dévore les bénéfices. Une fois indépendante, sa valorisation se base sur la rareté du secteur, la croissance du chiffre d’affaires et l’espace d’imagination futur, où des ratios prix/vente de plusieurs dizaines ne sont pas rares.
Ces deux pistes, bien que semblant indépendantes, pointent en réalité vers le même noyau : l’IA passe d’un récit dominé par la technologie à un nouveau paysage concurrentiel dominé par l’efficacité du capital.
La fin de la course à la puissance de calcul, la rupture et la reconstruction de la logique de financement
Derrière le « manque d’argent » se cache une chaîne logique fondamentale. La concurrence actuelle entre les grands modèles d’IA n’est plus essentiellement une concurrence de produits, mais une course d’actifs lourds à l’échelle de la puissance de calcul. OpenAI s’est engagé à environ 6000 milliards de dollars de dépenses futures pour l’expansion de sa puissance de calcul. Même après avoir récemment bouclé un financement de 1220 milliards de dollars, on estime que ces fonds seront épuisés dans les trois ans.
Plus révélateur encore, la directrice financière d’OpenAI, Frère, a précédemment révélé que bien que le chiffre d’affaires annualisé pour 2025 ait dépassé les 200 milliards de dollars, il restait insuffisant pour compenser les pertes colossales. Pour chaque dollar de chiffre d’affaires généré, l’entreprise subit une perte d’environ 1,22 dollar.
Le nœud du problème réside dans ceci : la courbe des coûts du business de l’IA est radicalement différente de celle d’internet traditionnel.
Ajouter un utilisateur sur WeChat entraîne un coût marginal proche de zéro. Mais plus ChatGPT a du succès, plus il est utilisé, plus les coûts d’inférence augmentent. La croissance du nombre d’utilisateurs, bien que purement bénéfique, représente aussi une pression sur les coûts. Ce modèle économique « anti-internet » signifie que les effets d’échelle n’apportent pas de bénéfices, mais amplifient au contraire la pression sur la trésorerie – la croissance du nombre d’utilisateurs n’est plus directement équivalente à une croissance de valeur.
Plus profondément, il y a le phénomène de « comptabilité circulaire » à l’ère de l’IA : les 13 milliards de dollars investis par Microsoft dans OpenAI n’ont pas été versés en espèces, mais sous forme de « crédits cloud ». OpenAI utilise ces crédits pour entraîner ses modèles, tandis que Microsoft les comptabilise comme de nouveaux revenus cloud.
Cette opération en boucle fermée consistant à « acheter des services cloud avec des investissements » apparaît en surface comme une croissance saine des revenus. En réalité, il s’agit de payer avec son propre argent, puis de qualifier cela de ventes. Selon les estimations, la facture annuelle de services cloud d’OpenAI s’est gonflée à plus de 60 milliards de dollars, soit plus du double de ses revenus réels de 25 milliards de dollars.
C’est là la contradiction essentielle du « manque d’argent » : la rupture entre la bulle d’évaluation et les flux de trésorerie réels. Lorsque les investisseurs commencent à s’intéresser au « free cash flow » plutôt qu’aux « bénéfices comptables », le système de valorisation précédemment soutenu par des engagements d’investissement mutuels et des commandes circulaires est exposé au risque de réévaluations successives.
OpenAI prévoit des pertes de 14 milliards de dollars pour 2026 et ne s’attend à être rentable qu’en 2029. Les dépenses d’investissement de Google pour 2026 étant estimées entre 1800 et 1900 milliards de dollars, ces chiffres indiquent que le « manque d’argent » actuel de l’IA n’est pas un problème de rotation de fonds cyclique, mais une difficulté structurelle du modèle économique au niveau de la structure capitalistique.
Comment un seul état financier peut-il valoir trois fois plus ?
L’un des signaux les plus notables de 2026 est la séparation en masse par les grandes entreprises de leurs actifs d’IA essentiels.
Le produit vidéo d’IA Kling, sous Kuaishou, prévoit un financement PreIPO avec une valorisation de 200 milliards de dollars, un chiffre proche de 70 % de la capitalisation boursière de sa maison-mère. Simultanément, Baidu prépare l’introduction en bourse de sa société de puces d’IA, Kunlunxin, via une double cotation « A+H ». Son chiffre d’affaires pour 2025 devrait dépasser 3,5 milliards de yuans, avec l’espoir d’atteindre l’équilibre. Alibaba envisagerait de scinder Pingtouge, et le Doubao de ByteDance pourrait emprunter le même chemin à tout moment.
En y réfléchissant bien, avant la scission, Morgan Stanley valorisait Kling à seulement environ 60 milliards de dollars. Après la scission, avec un objectif de financement de 200 milliards de dollars, pour les mêmes actifs, le même chiffre d’affaires, la même équipe, le simple changement d’état financier a créé une différence de valorisation de plus de trois fois du jour au lendemain.
Le changement de logique de valorisation à ce niveau structurel révèle une divergence mécanique : le marché primaire est différent du marché secondaire. Ses règles du jeu suivent un mécanisme de tarification très particulier où « c’est le consensus qui détermine la valeur ». Le marché primaire regarde l’avenir, la position sur le secteur, l’espace d’imagination, la possibilité de trouver un repreneur au prochain tour, mais ne regarde pas vraiment les bénéfices ou le chiffre d’affaires du moment.
La raison pour laquelle Kling peut obtenir une valorisation de 200 milliards de dollars réside dans la logique centrale de la rareté de ce type d’actifs de premier plan. Après la fermeture de Sora, les acteurs majeurs restants dans le secteur de la génération vidéo par IA se comptent sur les doigts d’une main. L’étiquette même « d’infrastructure d’IA pour l’industrie du contenu » justifie une prime.
Alors, à l’heure actuelle, quelles entreprises peuvent être qualifiées d’actifs de premier plan ? Dans le paysage actuel de l’IA, celles qui possèdent un modèle de base développé en interne (qu’il soit linguistique, vidéo ou multimodal), plutôt que d’en être des coquilles ou des versions affinées ; celles qui ont déjà prouvé une base d’utilisateurs ou de revenus à grande échelle dans au moins un scénario vertical (pas une démo, pas une preuve de concept) ; et celles qui ont des perspectives de « reprise de financement » ultérieure – soit un acheteur stratégique (une grande entreprise), soit une voie vers l’IPO (marchés américains, hongkongais ou chinois).
Les entreprises répondant à ces trois critères peuvent se compter sur les doigts des deux mains dans le monde. OpenAI, Anthropic, xAI, Google DeepMind (si indépendant), en Chine, ZhiPu AI, Moonshot AI, MiniMax, le Doubao de ByteDance (si indépendant), le Kling de Kuaishou (en cours de scission), le Kunlunxin de Baidu (côté puces). Chacune est un actif rare, chacune se trouve dans un état où « les acheteurs font la queue, les vendeurs font monter les prix ».
La logique sous-jacente de cette « réévaluation » de ces entreprises est que les actifs d’IA au sein des grandes entreprises sont en train de passer d’une perception de « centre de coûts » à celle de « centre de valeur ».
Au sein d’une grande entreprise, l’activité d’IA est considérée comme faisant partie de l’activité du groupe. Elle est généralement classée comme « investissement stratégique », ce qui signifie que ses coûts (puissance de calcul, R&D, annotation de données) sont mélangés et comptabilisés avec les activités génératrices de trésorerie matures du groupe (comme la publicité, le commerce électronique, les jeux). Le directeur financier du groupe regarde l’état financier consolidé. Tant que l’activité d’IA continue à brûler des liquidités, elle est constamment sommée d’expliquer « quand elle contribuera au bénéfice net ».
Dans ce contexte, les équipes d’IA sont contraintes de justifier leur retour sur investissement à court terme, et la logique de valorisation est naturellement comprimée par le multiple de PER global du groupe – les entreprises internet matures ne peuvent généralement obtenir que 10 à 15 fois le PER. Même pour une activité à forte croissance, elles ne bénéficient que d’une prime de 20 %, et non d’un multiple PS (prix/vente) de niveau secteur indépendant, comme 3 à 5 fois.
Une fois scindée et indépendante, un état financier séparé peut redéfinir les frontières entre « coûts » et « revenus ». Par exemple, les coûts de calcul internes précédemment utilisés au sein du groupe peuvent maintenant être reprixés au prix du marché comme « revenus de transactions liées » ; les entraînements de modèles précédemment comptabilisés en charges de R&D peuvent maintenant être capitalisés en « actifs incorporels » et amortis sur plusieurs périodes.
En d’autres termes, ces actifs obtiennent alors un modèle de tarification de type « entreprise en croissance ». Les sociétés d’IA scindées peuvent alors procéder plus librement à des financements et à des avancées stratégiques, évitant les contraintes d’allocation des ressources internes au groupe, et obtenir une valorisation indépendante sur le marché des capitaux en fonction de leurs propres perspectives de croissance.
Simultanément, cela implique une différenciation accrue du système de valorisation. Les activités existantes des grandes entreprises, combinées à l’étiquette IA, voient leur potentiel de croissance et leur valorisation prospective commencer à briller d’une nouvelle prime possible sur le marché secondaire.
Cela explique aussi pourquoi les géants traditionnels d’internet (comme Baidu à 475 milliards de dollars, Kuaishou à 270 milliards de dollars) se font rattraper voire dépasser en valeur absolue de capitalisation boursière par les nouveaux venus de l’IA – la dernière capitalisation boursière de ZhiPu AI, d’environ 586 milliards de dollars, a dépassé Baidu pour devenir la neuvième plus grande action technologique d’IA en Chine.
Du « culte du modèle » à la « matérialisation de la valeur », la migration structurelle du récit industriel
Des professionnels suggèrent que le développement rapide de l’IA actuelle ressemble beaucoup à l’explosion de l’internet mobile d’antan. Cette analogie est précise, mais la différence clé réside dans la nature structurelle des coûts.
L’explosion de l’internet mobile reposait sur la popularisation des smartphones et la baisse constante des coûts de bande passante, avec des coûts marginaux à la baisse. L’explosion de l’IA est confrontée à des contraintes matérielles comme la hausse des coûts de calcul, l’explosion de la consommation d’électricité et les longs cycles de construction des centres de données.
Une observation est que l’industrie de l’IA actuelle se trouve dans un état de « température de 85 degrés, sur le point de bouillir mais pas encore bouillante ».
La direction des percées technologiques (agents, multimodalité) est claire, les investissements dans l’infrastructure de calcul sont sans précédent. Les dépenses d’investissement des grandes entreprises hyperscale américaines de cloud computing atteindront 8050 milliards de dollars en 2026, presque le double des prévisions d’il y a un an. Mais la véritable monétisation commerciale et l’échelle de déploiement sont encore au point critique, sur le point de démarrer mais pas encore.
Actuellement, seuls une petite partie des directeurs financiers ont vu en 2025 une valeur financière réelle apportée par l’IA, et encore moins d’entreprises chinoises ont réellement réalisé une croissance de leur chiffre d’affaires grâce à l’IA. Cette tension « d’investissements élevés, de retours faibles » est précisément le signal des douleurs de transition du secteur, passant de la spéculation sur les concepts à la concurrence sur le terrain.
Beaucoup n’ont peut-être pas remarqué que le poids de la chaîne de valeur de l’IA a migré du côté des GPU vers l’ensemble du côté système. La dernière recherche de Morgan Stanley indique que « l’IA agent marque une transition structurelle du calcul à l’orchestration ». Dans les flux de travail des agents, le temps d’orchestration côté CPU peut représenter 50 % à 90 % de la latence totale, ce qui permet de calculer un espace de marché incrémentiel de 32,5 à 60 milliards de dollars côté CPU d’ici 2030.
Cela signifie que la contradiction principale de l’industrie passe de « l’insuffisance de puissance de calcul » à « l’insuffisance d’efficacité système », et la logique d’investissement correspondante s’étendra de la « course à la puissance des puces individuelles » à « l’ingénierie système full-stack ». Le GPU détermine « si cela peut être fait », mais le CPU et le système déterminent « si cela peut être rentable ».
Si l’explosion de l’internet mobile avait comme moteur central la « connexion », alors l’explosion de l’IA aura pour moteur central « l’intelligence », et la largeur de sa chaîne de valeur dépassera probablement celle de l’internet mobile, couvrant la chaîne complète : puissance de calcul, modèles, applications, données, etc.
Un économiste a souligné que 2026 devient l’année charnière où l’IA passe de « l’assistance à la réflexion » au « exécution autonome ». La contradiction centrale à ce stade passe de « qui peut entraîner le modèle le plus puissant » à « qui peut, le premier, de la manière la plus économique, à la vitesse la plus rapide et avec la couverture la plus large, transformer véritablement les capacités d’IA en valeur commerciale réalisable et en bénéfices pour les utilisateurs ».
« Il ne s’agit pas seulement de redéfinir, mais aussi de réévaluer. » Tout ce qui se passe en 2026 dans l’industrie de l’IA – les géants manquent d’argent, les financements frénétiques, les scissions des grandes entreprises, les introductions en bourse groupées – est essentiellement la libération concentrée d’une même logique capitalistique : lorsque le chemin « brûler de l’argent pour la croissance » arrive à son terme, l’industrie doit répondre à une question fondamentale : cette technologie vaut-elle vraiment de l’argent ?
La réponse à cette question déterminera la structure du pouvoir dans l’industrie de l’IA pour la prochaine décennie. Et 2026 est précisément le moment où cette lutte entre capital et technologie se déploie pleinement.
Cet article provient du compte WeChat public « Xin Mou » (ID : xinmouls), auteur : Li Xiaodong
