L’IA devient moins chère et plus efficace. Pourtant, cela ne réduira pas nécessairement ses besoins en infrastructures. Les goulets d’étranglement pourraient simplement se déplacer.
Dans mon précédent article, j’ai étudié les goulets d’étranglement physiques qui freinent le développement de l’IA.
Les centres de données ont besoin d’électricité, de réseaux, d’équipements, de matériaux et de personnel qualifié.
Mais la technologie n’est pas figée. L’IA devient plus efficace, les puces progressent et de nouvelles infrastructures sont construites.
Les goulets d’étranglement actuels ne devraient-ils donc pas finir par disparaître ?
Peut-être.
Mais une autre possibilité existe :
Les goulets d’étranglement pourraient ne pas disparaître. Ils pourraient simplement se déplacer.
1. Une IA moins chère pourrait nécessiter plus d’infrastructures, et non moins
Le coût d’utilisation de l’IA chute rapidement.
Selon le Stanford AI Index, le coût d’inférence s’est effondré. En novembre 2022, faire fonctionner un modèle offrant des performances comparables à GPT-3.5 coûtait environ 20 dollars par million de tokens.
En octobre 2024, ce coût n’était plus que de 0,07 dollar.
Il a donc été divisé par plus de 280 en environ 18 mois. Dans le même temps, Stanford estime que l’efficacité énergétique du matériel dédié au machine learning progresse d’environ 40 % par an.
Stanford AI Index 2025 — Research and Development
À première vue, cela devrait réduire la pression sur les infrastructures.
Pourtant, l’efficacité ne représente que la moitié de l’équation. L’autre moitié est la quantité d’IA que nous utilisons.
Google fournit un exemple frappant.
En mai 2024, ses modèles traitaient environ 9 700 milliards de tokens par mois. En mai 2026, ce chiffre dépassait 3,2 millions de milliards.
Cela représente une multiplication par plus de 300 en deux ans.
Google I/O 2026 — keynote de Sundar Pichai
Ces chiffres ne sont pas parfaitement comparables. Les produits, les modèles et le nombre d’utilisateurs de Google ont tous évolué pendant cette période.
Mais la tendance est difficile à ignorer :
Le coût de l’IA chute rapidement, tandis que son utilisation explose.
C’est ici que le paradoxe de Jevons devient intéressant.
Au XIXe siècle, les machines à vapeur devenaient plus efficaces. Elles consommaient donc moins de charbon pour fournir le même travail.
Pourtant, la consommation totale de charbon augmentait.
Pourquoi ? Parce qu’une énergie mécanique moins chère permettait de multiplier les usages.
L’IA pourrait suivre une dynamique similaire. À mesure que l’intelligence devient moins chère, nous ne nous contentons pas nécessairement d’effectuer les mêmes tâches à moindre coût.
Nous pouvons inventer de nouveaux usages.
Meilleure IA → Coût plus faible → Plus d’applications → Plus d’utilisation → Plus de puissance de calcul
Bien entendu, les gains d’efficacité restent importants.
L’Agence internationale de l’énergie estime qu’une amélioration du matériel, des logiciels et des infrastructures pourrait réduire significativement les futurs besoins en électricité.
Mais la demande augmente en parallèle. Dans son scénario central, l’AIE prévoit que la consommation électrique mondiale des centres de données atteindra environ 945 TWh en 2030, soit plus du double du niveau de 2024.
L’IA constitue le principal moteur de cette hausse.
La vraie question devient donc très simple :
L’efficacité progressera-t-elle plus vite que la demande ?
2. Résoudre un goulet d’étranglement peut en faire apparaître un autre
L’IA n’a pas réellement un seul goulet d’étranglement.
Elle dépend plutôt d’une chaîne de ressources interconnectées :
Puces → Centres de données → Électricité → Réseau → Équipements → Usines et main-d’œuvre
Imaginons que la pénurie de puces disparaisse demain.
Davantage de serveurs peuvent être installés. Mais ces serveurs ont besoin de centres de données.
Construisons ces centres de données : ils ont maintenant besoin d’électricité.
Trouvons suffisamment d’électricité : encore faut-il l’acheminer jusqu’au site. Le réseau peut alors devenir la nouvelle contrainte.
Renforçons le réseau : la demande de transformateurs, de câbles et d’autres équipements électriques augmente.
Augmentons leur production : la contrainte peut encore se déplacer. Les usines, les matériaux ou les travailleurs qualifiés peuvent devenir le prochain problème.
Rien ne s’est nécessairement mal passé.
Chaque problème a été traité. Pourtant, le goulet d’étranglement subsiste.
Il s’est simplement déplacé.
Nous pouvons déjà observer ce mécanisme.
L’AIE estime que les contraintes liées aux réseaux électriques pourraient retarder environ 20 % des capacités mondiales de centres de données prévues d’ici 2030.
Une partie du problème tient simplement au temps.
Dans les économies avancées, la construction de nouvelles lignes de transport d’électricité peut prendre quatre à huit ans. Dans le même temps, les délais d’approvisionnement des transformateurs et des câbles ont à peu près doublé.
AIE — Energy and AI, Executive Summary
Comparons maintenant cela à l’IA.
Les modèles peuvent progresser en quelques mois. De nouvelles applications peuvent se diffuser très rapidement.
Les infrastructures physiques ne peuvent pas évoluer à la même vitesse.
L’IA évolue en quelques mois. Les infrastructures évoluent en plusieurs années.
Cela crée un choix difficile.
Construire trop peu signifie conserver les goulets d’étranglement. Construire trop peut conduire, à terme, à des infrastructures coûteuses mais sous-utilisées.
Le défi n’est donc pas simplement de construire davantage.
Il faut construire les bonnes capacités, au bon endroit et au bon moment.
Les industries d’infrastructure ont toujours été confrontées à ce problème. Mais l’IA introduit un élément nouveau :
la demande peut évoluer extrêmement rapidement.
Nous assistons donc à une course entre deux vitesses très différentes :
La vitesse à laquelle la demande d’IA augmente — et celle à laquelle le monde physique peut s’adapter.
3. Mais l’IA peut aussi contribuer à résoudre le problème qu’elle crée
Jusqu’ici, l’IA semble surtout être à l’origine du problème.
Mais elle pourrait également faire partie de la solution.
Si l’offre physique ne peut pas s’adapter assez vite, des gains de productivité peuvent l’aider à accélérer.
L’IA peut, par exemple, aider les ingénieurs à analyser des informations, préparer des documents ou comparer différentes options. Elle peut également faciliter l’accès aux connaissances.
Dans l’industrie, elle peut améliorer la planification de la production, le contrôle qualité ou la maintenance prédictive.
Les réseaux électriques peuvent eux aussi en bénéficier. De meilleures prévisions et une meilleure optimisation peuvent aider les opérateurs à utiliser plus efficacement les infrastructures existantes.
Et nous commençons déjà à dépasser le stade de la théorie.
Alphabet indique utiliser l’IA pour contribuer à accélérer le raccordement au réseau de nouvelles centrales électriques. Cette initiative s’inscrit dans ses efforts plus larges pour développer ses capacités énergétiques et ses centres de données.
Alphabet — Advancing U.S. Energy Innovation and Infrastructure
À plus long terme, l’association de l’IA et de la robotique pourrait aussi contribuer à réduire certaines pénuries de main-d’œuvre qualifiée.
Il faut toutefois rester prudent.
Nous ne disposons pas de preuves solides montrant que l’IA permettra soudainement de construire une centrale électrique ou une ligne à haute tension 30 % plus rapidement.
Les projets physiques resteront des projets physiques.
En revanche, nous savons déjà que l’IA peut améliorer la productivité de certaines tâches.
Des chercheurs de Stanford et du MIT ont étudié 5 179 employés de services clients utilisant un assistant d’IA générative.
Leur productivité a augmenté d’environ 14 % en moyenne. Chez les employés novices ou moins qualifiés, le gain atteignait 34 %.
Les chercheurs ont également observé un phénomène intéressant : l’IA semblait aider les employés les moins expérimentés à adopter certaines pratiques utilisées par les meilleurs.
Cela pourrait avoir son importance pour les secteurs liés aux infrastructures.
Ces industries n’ont pas seulement besoin de davantage de travailleurs. Elles ont besoin de davantage de travailleurs expérimentés.
L’IA pourrait faciliter l’accès aux connaissances et accélérer la résolution de problèmes. Elle pourrait ainsi raccourcir certaines courbes d’apprentissage.
Bien entendu, un service client n’est pas un chantier d’infrastructure. Les gains de productivité liés à l’IA varient aussi fortement selon les tâches.
Mais le mécanisme mérite notre attention.
Deux forces agissent désormais simultanément :
Meilleure IA → Plus de demande → Plus d’infrastructures nécessaires
et :
Meilleure IA → Plus de productivité → Plus de capacités d’infrastructure
Cela nous amène peut-être à la question la plus importante de cet article :
Qu’est-ce qui progressera le plus vite : la demande créée par l’IA ou la productivité créée par l’IA ?
Si la demande l’emporte, les goulets d’étranglement pourraient persister.
Si la productivité rattrape son retard, certaines contraintes pourraient s’atténuer.
Et si les capacités finissent par augmenter plus vite que la demande, les pénuries d’aujourd’hui pourraient devenir les surcapacités de demain.
Un goulet d’étranglement n’est donc pas nécessairement permanent.
4. Au bout du compte, l’équation économique doit fonctionner
Il reste une dernière partie de l’histoire : le capital.
Développer les infrastructures nécessaires à l’IA demande des investissements considérables.
Les entreprises ont besoin de centres de données et de puces. Ces installations ont ensuite besoin d’électricité, ce qui nécessite des capacités de production, des réseaux et des équipements électriques.
Derrière tout cela se trouve une autre couche d’investissements : les usines et les chaînes d’approvisionnement.
Les montants sont déjà extraordinaires.
Alphabet prévoit 175 à 185 milliards de dollars de dépenses d’investissement en 2026. Meta en prévoit 130 à 145 milliards.
Alphabet — Q4 2025 Earnings Call and 2026 CapEx Guidance
Pourtant, Alphabet s’attend toujours à rester contraint par l’offre pendant toute l’année 2026.
La raison est simple : certaines parties de la chaîne d’approvisionnement mettent longtemps à augmenter leurs capacités. L’offre disponible aujourd’hui dépend donc en partie d’investissements décidés plusieurs années auparavant.
Cela illustre parfaitement le problème :
Le capital peut financer de nouvelles capacités. Mais il ne peut pas les faire apparaître instantanément.
Et le capital a lui aussi ses limites.
À terme, ces investissements doivent créer de la valeur économique.
Cette valeur ne doit pas nécessairement provenir uniquement des abonnements aux services d’IA. Elle peut apparaître dans toute l’économie.
Un ingénieur peut travailler plus vite. Une usine peut réduire ses temps d’arrêt. Une entreprise peut automatiser certaines tâches administratives.
Un gestionnaire de réseau peut mieux utiliser ses actifs existants. De nouveaux produits et services peuvent également apparaître.
La question essentielle dépasse donc largement les seuls revenus directement générés par l’IA :
L’IA créera-t-elle suffisamment de valeur économique, suffisamment vite, pour justifier les infrastructures construites pour elle ?
Le suffisamment vite est essentiel.
Trois horloges différentes fonctionnent simultanément :
La demande d’IA peut évoluer en quelques mois.
Les conditions financières peuvent changer en quelques trimestres.
Les infrastructures physiques nécessitent plusieurs années.
Le capital doit faire le lien entre ces différentes temporalités.
Des taux d’intérêt plus élevés peuvent rendre ce capital plus coûteux. Des conditions financières plus strictes peuvent également réduire l’appétit pour de nouveaux investissements.
Et si les rendements déçoivent, les entreprises peuvent remettre en question leurs dépenses futures.
Pendant ce temps, les infrastructures peuvent encore nécessiter plusieurs années avant d’être opérationnelles.
Si l’IA crée suffisamment de valeur, le cycle peut continuer :
L’IA progresse → L’utilisation augmente → L’investissement augmente → Les infrastructures se développent → Le goulet d’étranglement se déplace
Mais si les rendements déçoivent, les investissements peuvent ralentir.
Certains projets peuvent être annulés. Des capacités prévues peuvent ne jamais être construites. Et certaines infrastructures existantes pourraient même finir par être sous-utilisées.
À ce moment-là, le facteur limitant n’est plus la disponibilité des puces, de l’électricité ou des transformateurs.
C’est le rendement du capital.
Alors, où la rareté se déplacera-t-elle ensuite ?
Les goulets d’étranglement de l’IA finiront peut-être par disparaître.
Pour l’instant, cependant, ils semblent surtout se déplacer.
Lorsque les capacités de calcul augmentent, la rareté peut se déplacer vers l’électricité.
Lorsque la production électrique augmente, elle peut se déplacer vers les réseaux et les équipements.
Puis, lorsque les capacités industrielles réagissent, les contraintes peuvent se déplacer encore plus loin dans la chaîne.
Dans le même temps, l’IA peut aider le monde physique à répondre plus rapidement.
Le capital peut financer cette adaptation — tant que les rendements économiques la justifient.
Il ne faut donc pas voir les infrastructures de l’IA comme une liste figée de goulets d’étranglement.
Il s’agit plutôt d’une chaîne de rareté en mouvement.
Pour un investisseur, cette distinction est importante.
Comme je l’expliquais dans Comment analyser une matière première comme un investisseur, une forte demande ne suffit pas à créer un bon investissement.
Il faut également que l’offre reste contrainte suffisamment longtemps pour créer de la valeur.
Mais même la rareté ne suffit pas.
Une pénurie de transformateurs ne rend pas automatiquement tous les fabricants de transformateurs attractifs. De même, un réseau électrique saturé ne transforme pas toutes les utilities en bons investissements.
Une entreprise doit encore être capable de capter la valeur économique créée par cette rareté.
Les attentes du marché comptent également.
Comme je l’expliquais dans Pourquoi les marchés récompensent les surprises… pas les meilleures entreprises, même une tendance structurelle très puissante peut donner lieu à un mauvais investissement.
Le marché peut tout simplement l’avoir déjà intégrée dans les prix.
La question la plus utile n’est donc peut-être plus :
De quoi l’IA aura-t-elle besoin en plus grande quantité ?
Mais plutôt :
Où la rareté se déplacera-t-elle ensuite — et qui sera capable d’en capter la valeur ?
Au bout du compte, quatre forces détermineront la réponse : la demande, la productivité, les capacités physiques et le capital.
Ou, plus simplement :
La vraie question est de savoir si la productivité et les infrastructures pourront rattraper la demande d’IA — avant que le capital ne perde patience.
L’opportunité ne consiste donc peut-être pas à identifier le goulet d’étranglement d’aujourd’hui.
Elle pourrait consister à comprendre où il se déplacera demain.
Sources
Coûts de l’IA et efficacité du matériel
Stanford University — 2025 AI Index
Croissance de l’utilisation de l’IA
Google I/O 2026 — Sundar Pichai keynote
IA et demande d’électricité
International Energy Agency — Energy Demand from AI
Contraintes sur les réseaux électriques
International Energy Agency — AI and Energy Security
Délais de développement des infrastructures
International Energy Agency — Energy and AI Executive Summary
IA et productivité
Brynjolfsson, Li & Raymond — Generative AI at Work, NBER
Utilisation de l’IA dans les infrastructures énergétiques
Alphabet — Advancing U.S. Energy Innovation and Infrastructure
Investissements dans les infrastructures d’IA
Alphabet — Q4 2025 Earnings Call
Meta — Q2 2026 Results
À lire également sur Portefeuille Serein
Comment profiter du boom de l’IA ? Les goulets d’étranglement que le marché sous-estime encore
Comment analyser une matière première comme un investisseur
Pourquoi le cuivre raconte peut-être quelque chose d’important sur le futur du monde
Pourquoi les marchés récompensent les surprises… pas les meilleures entreprises
Données et sources vérifiées en août 2026. Cet article est publié à des fins générales d’information et d’analyse. Il ne constitue pas un conseil en investissement personnalisé.
Laisser un commentaire