Bulle IA : quand les factures d’énergie et le crédit privé menacent la promesse d’une révolution sans coût

Quand l’IA promet l’abondance, qui paie l’électricité, les puces et les taux ?

La question n’est plus seulement de savoir si l’IA générative va changer le travail. Elle est déjà en train de changer la facture. Derrière les assistants, les images et les modèles de langage, il y a des centres de données très gourmands, des puces rares, des financements fragiles et des usages encore loin de couvrir tous les coûts.

C’est là que le récit d’une révolution sans friction se fissure. Plus les modèles grossissent, plus ils réclament de calcul, d’énergie et de capital. Et plus leur rentabilité dépend d’un environnement financier stable, alors même que cet environnement se tend. Le sujet n’est donc pas seulement technologique. Il est industriel, bancaire et politique.

Le nerf de la guerre : financer des machines qui consomment avant de rapporter

Le premier point de fragilité est simple. L’IA générative réclame des investissements massifs avant de produire des revenus certains. OpenAI a annoncé en mars 2025 un financement de 40 milliards de dollars, pour une valorisation de 300 milliards, afin d’étendre son infrastructure de calcul et ses outils. Cela dit beaucoup du modèle économique du secteur : beaucoup de dépenses aujourd’hui, et une promesse de revenus plus tard.

Cette logique séduit les marchés quand l’argent est abondant. Elle devient plus risquée quand les taux montent, que les investisseurs se méfient et que les sorties de capitaux se raréfient. C’est précisément ce que surveillent les institutions financières internationales. Le Conseil de stabilité financière alerte sur les vulnérabilités du crédit privé, notamment l’opacité des valorisations et les liens indirects avec les banques. Le FMI décrivait déjà en 2024 un marché du crédit privé plus opaque que les marchés de prêts syndiqués ou d’obligations d’entreprises.

Le mécanisme est redoutable. Les fonds de crédit privé prêtent à des entreprises qui veulent aller vite, sans passer par les marchés classiques. Les géants de l’IA, eux, cherchent du capital pour bâtir des data centers, acheter des puces et signer des contrats de calcul. Si une partie de ce financement se grippe, ce ne sont pas seulement les start-up les plus fragiles qui vacillent. Ce sont aussi les fournisseurs de matériel, les sous-traitants et les clients professionnels qui comptaient sur des prix bas et une offre abondante.

Le vrai goulet d’étranglement : l’énergie, pas seulement les algorithmes

Le deuxième point de tension est physique. Selon l’Agence internationale de l’énergie, les centres de données ont représenté environ 1,5 % de la consommation mondiale d’électricité en 2024, soit 415 TWh. L’agence ajoute que la demande d’électricité des centres de données pourrait croître d’environ 15 % par an jusqu’en 2030, soit plus vite que le reste de la consommation mondiale d’énergie.

Pour l’IA, cela change tout. Un grand centre de calcul peut dépasser 100 MW de puissance, l’équivalent de la consommation annuelle d’environ 100 000 foyers. Autrement dit, chaque nouveau cluster, chaque nouvelle ferme de serveurs entre en concurrence avec les usages domestiques, industriels et publics. Les collectivités qui accueillent ces projets doivent alors arbitrer entre emplois annoncés, recettes fiscales espérées et pression sur le réseau électrique.

C’est aussi ce qui alimente la contestation locale. Les grands groupes gagnent en capacité de calcul et en avantage concurrentiel. En face, les riverains, les élus locaux et les associations environnementales supportent les nuisances, la tension sur l’eau et l’augmentation des besoins en raccordement. Dans plusieurs pays européens, la question n’est plus abstraite : elle devient un débat sur l’occupation du foncier, le partage de l’électricité et la compatibilité entre souveraineté numérique et sobriété énergétique.

Le problème n’est pas seulement le volume d’énergie consommé. C’est sa disponibilité au bon moment, au bon prix et au bon endroit. Une filière qui dépend d’infrastructures lourdes ne peut pas croître comme une simple application logicielle. Elle a besoin de réseaux, de subventions, de foncier, d’eau et de garanties politiques. Quand ces conditions se tendent, les projets les plus ambitieux deviennent plus difficiles à financer.

Le troisième choc : la géopolitique qui renchérit tout

À ces contraintes s’ajoute la géopolitique. L’IA dépend d’une chaîne mondiale très concentrée : semi-conducteurs avancés, équipements de fabrication, métaux, énergie et logistique. Or, quand les États resserrent les contrôles à l’exportation, comme l’ont fait les États-Unis sur plusieurs puces avancées, le marché se fragmente. Nvidia a déjà prévenu que les restrictions liées à la Chine pèsent lourdement sur ses perspectives commerciales.

Ce point compte pour tout le monde, mais pas de la même façon. Les acteurs américains du cloud et des puces défendent leur avance technologique et leur accès aux marchés. Les entreprises chinoises accélèrent leur autonomie. Les clients européens, eux, risquent de payer plus cher des infrastructures qu’ils ne contrôlent pas. Et les États se retrouvent face à une contradiction connue : ils veulent de la souveraineté numérique, mais ils achètent encore l’essentiel des briques critiques hors de leurs frontières.

Dans ce contexte, l’argument de la guerre commerciale se retourne parfois contre ses promoteurs. Restreindre l’accès à un marché peut protéger un champion national à court terme. Mais cela peut aussi pousser les concurrents à construire leurs propres alternatives. L’IA n’échappe pas à cette logique. Plus les barrières montent, plus les blocs technologiques se durcissent. Et plus le coût d’entrée augmente pour ceux qui restent dehors.

Qui gagne, qui perd, et ce qu’il faut surveiller

Dans ce paysage, les gagnants sont pour l’instant les fournisseurs de calcul, les vendeurs de puces, les grands groupes capables de lever des milliards et les investisseurs assez gros pour attendre. Les perdants potentiels sont plus nombreux : petites entreprises dépendantes d’outils coûteux, sous-traitants exposés à des contrats instables, collectivités qui supportent les infrastructures, et travailleurs de l’ombre dont les tâches d’annotation ou de modération restent compressées par la concurrence mondiale.

Ce partage n’est pas accidentel. Il est inscrit dans le modèle actuel. L’IA générative promet des gains de productivité, mais elle les concentre d’abord là où se trouvent le capital, l’énergie et les données. Les autres acteurs subissent les coûts d’adaptation. C’est ce décalage qui nourrit la défiance : on voit les usages, moins souvent l’addition.

La suite dépendra de trois variables très concrètes : la tenue du crédit privé, le prix de l’énergie et la capacité des États à imposer des règles aux infrastructures numériques. Si l’un de ces appuis cède, la course à l’IA ne s’arrêtera pas forcément. Mais elle pourrait changer de forme. Moins de démesure, plus de tri entre les projets. Moins de promesses universelles, plus de concentration autour de quelques acteurs capables d’absorber les chocs.

Le prochain test viendra des marchés du financement et des annonces d’extension des data centers. C’est là que l’on verra si le secteur peut encore avancer à crédit, ou s’il entre dans une phase de ralentissement plus sélective.