L’investissement dans l’IA stimule la croissance tout en révélant des risques économiques
TD Securities a identifié un déséquilibre économique marqué : les projets liés à l’IA ont généré près des trois quarts de la croissance des investissements des entreprises américaines en 2025. Le titre de Google News saisit l’essor du phénomène, mais pas la dépendance qui se forme en dessous. L’IA représentait environ 8 % des dépenses d’investissement tout en produisant une part disproportionnée de leur croissance.
Cette différence modifie le débat économique. Les dépenses consacrées aux centres de données, aux puces, aux installations électriques, aux logiciels et à la recherche soutiennent désormais la croissance avant que l’IA ne génère des gains de productivité généralisés. L’économie bénéficie d’abord de l’investissement, tandis que les retombées opérationnelles demeurent incertaines.
Le conflit central oppose donc une croissance tirée par l’investissement à une croissance tirée par la productivité. Alphabet, Amazon, Meta, Microsoft et d’autres grandes entreprises technologiques peuvent maintenir le premier moteur grâce aux dépenses d’investissement. Le second exige que des milliers d’entreprises ordinaires réorganisent leur travail autour de l’IA et obtiennent des résultats mesurables.
Ce que le titre de Google News ne dit pas
TD Securities décrit une économie de plus en plus dépendante d’un cycle d’investissement étroit, et non simplement une nouvelle année solide pour les dépenses technologiques.
TD Economics estime que l’investissement lié à l’IA a apporté environ 137 milliards de dollars au-delà de sa tendance pré-boom en 2025. Son analyse combine les dépenses d’équipement, de structures, de logiciels et de recherche associées au déploiement de l’IA.
Les centres de données et les installations de semi-conducteurs ont représenté ensemble 125 milliards de dollars d’investissement cette année-là. Les logiciels et la recherche ont ajouté selon la méthodologie de TD environ 68 milliards de dollars de dépenses liées à l’IA.
La concentration qui en résulte constitue la conclusion la plus importante des perspectives d’investissement des entreprises. L’activité liée à l’IA a généré près des trois quarts de la croissance des investissements des entreprises, alors qu’elle représentait environ 8 % des dépenses d’investissement totales.
Cette configuration importe car les dépenses en dehors du complexe de l’IA sont restées faibles. Moins d’un tiers de plus de 50 catégories d’investissement ont progressé en 2025, selon l’évaluation de TD.
Hors pandémie, cette étendue était la plus faible depuis 2010. La comparaison ne signifie pas que l’économie est revenue aux conditions de l’après-crise financière. Elle montre à quel point l’expansion de l’investissement a reçu peu de soutien d’industries non liées.
L’incertitude commerciale et le niveau élevé des coûts d’emprunt expliquent en partie ce phénomène. Les entreprises sensibles aux taux d’intérêt ont fait face à des conditions de financement plus strictes, tandis que les grandes entreprises technologiques continuaient de financer les centres de données grâce à d’importants flux de trésorerie.
Le déséquilibre permet deux lectures très différentes des mêmes données. La première affirme que les entreprises privées construisent l’infrastructure nécessaire à une avancée majeure de productivité. La seconde estime que la croissance mise en avant dans les titres est devenue inhabituellement exposée aux dépenses continues d’un petit groupe d’entreprises.
Ces deux lectures peuvent être vraies pendant un temps. La construction crée de la demande, les commandes d’équipements soutiennent l’industrie manufacturière et le développement de logiciels est comptabilisé comme investissement. Ces effets apparaissent avant que les entreprises ne démontrent que l’IA peut accroître la production dans l’ensemble de l’économie.
L’article d’origine exige également une distinction de dénomination. TD Securities est l’activité de marchés des capitaux au sein de TD, tandis que les estimations détaillées proviennent des recherches de TD Economics. Traiter le titre comme une prévision unique de l’entreprise brouillerait cette distinction.
Ce qui a changé ne relève pas seulement de l’enthousiasme des investisseurs. L’infrastructure de l’IA est devenue suffisamment importante pour influencer les statistiques nationales d’investissement, les chaînes d’approvisionnement industrielles, la planification électrique et les attentes de croissance économique.
L’investissement dans l’IA porte une part croissante de l’économie
Le bénéfice économique immédiat provient de la construction de capacités d’IA, tandis que le bénéfice durable dépend de ce que les entreprises feront finalement de cette capacité.
Un centre de données active une longue chaîne d’approvisionnement. Les promoteurs ont besoin de terrains, de main-d’œuvre de construction, d’équipements électriques, de systèmes de refroidissement, de serveurs, de matériel réseau, de stockage, de puces et de raccordements au réseau.
Ces achats augmentent l’investissement pendant la phase de construction. Ils soutiennent également les revenus des fabricants de semi-conducteurs, des services publics, des sociétés d’ingénierie, des fournisseurs de cloud et des équipementiers.
Le Bureau of Economic Analysis explique cette relation par le capital, le travail, l’énergie, les matériaux et les services. Son cadre de comptabilité de la croissance retrace la manière dont ces intrants contribuent à la production sectorielle et à la croissance nationale.
Le capital du secteur de l’information comptait parmi les principaux contributeurs à la croissance réelle du PIB américain entre 2021 et 2024. Ce résultat est cohérent avec d’importantes dépenses consacrées à l’IA et aux services connexes.
Toutefois, les statistiques officielles ne comportent pas de catégorie claire appelée investissement dans l’IA. Les logiciels d’IA traversent plusieurs secteurs, et les achats d’ordinateurs comprennent des équipements sans lien avec l’apprentissage automatique.
La Réserve fédérale fait face au même problème de mesure. Son analyse du déploiement de l’IA de juillet 2026 combine logiciels, équipements informatiques, centres de données et infrastructures électriques afin d’estimer la contribution de l’IA.
Cette analyse a constaté des contributions significatives à la croissance trimestrielle du PIB de 2025 jusqu’au premier trimestre de 2026. Les logiciels et les équipements informatiques ont fourni les plus importantes composantes positives.
Les importations compliquent toutefois le calcul. Une entreprise peut réaliser un investissement domestique majeur tout en achetant une grande partie de son matériel informatique auprès de fournisseurs étrangers.
L’achat augmente l’investissement en équipements, mais l’importation compense une partie de sa contribution directe au PIB. Cela explique pourquoi les dépenses d’investissement et la croissance économique intérieure peuvent évoluer selon des amplitudes différentes.
L’écart de mesure fonctionne également dans l’autre sens. La comptabilité de l’investissement saisit plus facilement la construction et les équipements que les améliorations en aval de la prise de décision, de la qualité des produits ou de la production des travailleurs.
Une équipe de service client qui utilise l’IA pour résoudre les dossiers plus rapidement peut produire davantage de valeur sans acheter un nouveau serveur. Une équipe logicielle peut publier davantage de fonctionnalités avec les mêmes effectifs.
Ces gains comptent sur le plan économique, mais il reste difficile de séparer la contribution de l’IA des autres changements. Les entreprises diffèrent également dans leur manière de mesurer le temps gagné, les taux d’erreur, la qualité de la production et le travail remplacé.
Le cycle actuel comporte donc un côté visible et un côté incertain. Le côté visible comprend les grues, les puces, les sous-stations et les budgets d’investissement. Le côté incertain comprend l’adoption organisationnelle et une productivité durable.
C’est pourquoi le cadrage de Google News mérite un examen attentif. Un boom des dépenses qui façonne déjà le PIB ne prouve pas que l’IA a transformé la production dans toute l’économie.
Les dépenses des Big Tech mettent le reste des entreprises sous pression
L’économie de l’investissement dans l’IA récompense les entreprises capables de financer dès maintenant l’infrastructure, tout en poussant les plus petites à justifier l’adoption sans disposer de ressources comparables.
Les plus grands groupes technologiques sont entrés dans ce cycle avec des liquidités, des activités cloud, une clientèle établie et un accès aux marchés mondiaux de capitaux. Ces avantages ont permis à l’investissement de se poursuivre malgré la hausse des taux d’intérêt.
Les recherches de TD estiment que les dépenses d’investissement trimestrielles des principaux hyperscalers sont passées d’environ 40 milliards de dollars en 2023 à près de 130 milliards de dollars en 2025. Les hyperscalers exploitent des plateformes informatiques suffisamment vastes pour répondre à une demande importante de clients.
Ces dépenses soutiennent la demande de puces avancées et de capacités de centres de données. Elles relèvent également le seuil concurrentiel pour les entreprises qui développent des modèles, des services cloud et des applications d’IA.
Un petit développeur n’a pas besoin de construire un centre de données. Il dépend toutefois généralement d’infrastructures contrôlées par de plus grands fournisseurs et paie l’informatique à mesure que son utilisation augmente.
Les acheteurs d’entreprise subissent une autre pression. Les dirigeants ont entendu que l’IA améliorerait la productivité, mais beaucoup ne disposent toujours pas de processus fiables pour évaluer la qualité des résultats et les rendements économiques.
Acheter l’accès à un modèle n’est qu’une première étape. Les entreprises doivent connecter les données, repenser les flux de travail, établir des règles de contrôle, former les employés et décider là où l’approbation humaine reste nécessaire.
Ces investissements complémentaires apparaissent rarement dans une démonstration produit. Ils déterminent si l’IA devient une infrastructure opérationnelle ou reste un abonnement sous-utilisé.
Les recherches de TD sur la productivité canadienne établissent clairement cette distinction. Son évaluation de la productivité indique que les premiers gains américains reflètent principalement l’intensification du capital plutôt qu’une transformation organisationnelle généralisée.
L’intensification du capital se produit lorsque les travailleurs reçoivent davantage ou de meilleurs équipements. Elle peut accroître la production mesurée, mais elle diffère d’une réorganisation de la production autour d’une nouvelle technologie à usage général.
L’investissement réel américain dans les équipements de traitement de l’information a augmenté d’environ 28 % sur un an au quatrième trimestre de 2025. Les investissements en ordinateurs et périphériques ont progressé d’environ 72 %.
Les mises en chantier de centres de données aux États-Unis ont également augmenté d’environ 190 % en 2025, selon les chiffres cités par TD. Ces données montrent une expansion extraordinaire des capacités.
Elles ne montrent pas qu’un hôpital a réduit ses délais administratifs ou qu’un fabricant a amélioré son taux de défauts. Ces résultats dépendent de la mise en œuvre au sein de chaque organisation.
Une enquête citée par TD a porté sur environ 6 000 dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie. Elle a révélé une adoption étendue, mais des améliorations de productivité réalisées et attribuables à l’IA limitées.
Cet écart met également les fournisseurs technologiques sous pression. Ils doivent faire passer les clients de l’expérimentation à un déploiement reproductible tout en maîtrisant les erreurs, l’exposition aux risques de sécurité et les coûts de supervision.
Pour les travailleurs du savoir, la leçon est pratique. De meilleurs modèles sont utiles, mais une valeur fiable dépend souvent de l’organisation des informations fournies à ces modèles.
Une base de connaissances IA bien entretenue peut réduire le temps consacré à la recherche du contexte d’un projet. Sa valeur pour l’entreprise dépend toujours de l’exactitude, des contrôles d’accès et d’une utilisation cohérente.
La réponse imposée diffère pour chaque participant. Les grandes entreprises technologiques doivent maintenir un taux d’utilisation élevé de l’infrastructure. Les acheteurs d’entreprise doivent démontrer les retours, tandis que les petits fournisseurs doivent créer des produits différenciés sur une capacité informatique louée.
Cette pression persistera au-delà du cycle de dépenses actuel. L’infrastructure peut être financée et construite relativement vite, mais le changement organisationnel avance au rythme des budgets, des politiques et du comportement des employés.
Le mécanisme va des centres de données à la productivité
Les dépenses liées à l’IA ne deviennent une croissance économique durable que lorsque l’infrastructure soutient une informatique moins coûteuse, une adoption plus large et une production supérieure dans de nombreux secteurs.
Le cycle commence avec la demande anticipée. Les entreprises technologiques prévoient un usage accru de l’entraînement et de l’inférence, c’est-à-dire l’exécution d’un modèle d’IA après son entraînement.
Elles répondent en commandant des puces, en construisant des installations et en sécurisant l’électricité. Les fournisseurs augmentent leurs capacités lorsque ces commandes semblent suffisamment durables pour justifier leurs propres investissements.
Une capacité accrue peut réduire le coût de l’informatique au fil du temps. Des coûts plus faibles permettent aux développeurs d’ajouter des fonctionnalités d’IA et aux entreprises d’exécuter davantage de tâches de manière économiquement viable.
Une adoption plus large crée alors des opportunités de gains de productivité. Les travailleurs peuvent accélérer leurs recherches, résumer des dossiers, générer des brouillons, analyser des données ou automatiser des portions définies d’un processus.
Cependant, chaque maillon de ce mécanisme peut s’affaiblir. Les retards de raccordement au réseau peuvent laisser des bâtiments inachevés ou empêcher des installations terminées d’atteindre leur pleine exploitation.
Les pénuries de puces peuvent augmenter les coûts et allonger les délais de livraison. TD a observé que les prix des semi-conducteurs se sont accélérés durant le second semestre 2025, la demande se heurtant à une offre contrainte.
L’économie des logiciels crée une autre incertitude. La baisse des coûts de calcul ne garantit pas des applications rentables si les clients refusent d’augmenter leurs dépenses ou exigent une vérification humaine poussée.
La dernière étape, la transformation organisationnelle, est la plus difficile. Les précédentes technologies d’usage général ont nécessité des investissements complémentaires dans les compétences, le management, les infrastructures et la refonte des processus.
L’électricité n’a pas immédiatement transformé la productivité des usines lorsque les entreprises ont commencé à raccorder des moteurs. De nombreux gains ne sont apparus qu’après que les dirigeants ont repensé la production autour d’une alimentation électrique distribuée.
Les ordinateurs ont suivi une trajectoire similaire. Les entreprises ont acheté du matériel avant d’apprendre à restructurer les flux d’information, les chaînes d’approvisionnement et le travail administratif.
L’IA présente le même problème de temporalité, avec des préoccupations supplémentaires liées à la fiabilité. Un modèle peut générer un contenu fluide contenant des faits erronés, un contexte incomplet ou des recommandations peu sûres.
Cela crée ce que les économistes appellent souvent une courbe en J de la productivité. La productivité mesurée peut d’abord décevoir pendant que les organisations investissent dans des actifs immatériels et repensent le travail.
Le bénéfice ultérieur n’apparaît que si ces changements produisent davantage de valeur que leurs coûts continus. La formation, la gouvernance, la préparation des données et la revue humaine doivent tous entrer dans ce calcul.
Ce mécanisme répartit aussi les bénéfices de manière inégale. Les marchés de la construction proches de grands clusters de centres de données reçoivent des investissements directs, tandis que d’autres régions enregistrent peu de gains immédiats.
Les travailleurs des secteurs liés à l’IA peuvent bénéficier d’une demande plus élevée. D’autres salariés font face à des changements dans leurs flux de travail ou à l’incertitude quant à l’automatisation de certaines parties de leur poste par leur employeur.
Il en résulte une économie façonnée par deux horloges. L’horloge des infrastructures avance au rythme des budgets d’investissement annoncés et des calendriers de construction.
L’horloge de la productivité avance grâce à l’expérimentation, à la confiance, à la refonte des processus et aux résultats mesurés. Elle ne s’accélère pas automatiquement parce qu’un nouveau centre de données ouvre.
Cette distinction rend les données sur l’économie de l’investissement dans l’IA plus utiles. Elle sépare l’argent dépensé pour créer de la capacité de la valeur produite par une utilisation durable.
Si l’utilisation augmente et que les résultats des entreprises s’améliorent, la construction d’aujourd’hui devient le socle d’une croissance à long terme. Si l’adoption stagne, ces mêmes infrastructures deviennent des capacités excédentaires assorties d’exigences opérationnelles coûteuses.
Ce que les chiffres d’investissement ne peuvent toujours pas prouver
Les éléments les plus solides étayent un vaste cycle de construction lié à l’IA, mais ils n’établissent pas encore une transformation généralisée de la productivité ni des rendements d’investissement suffisants.
La première incertitude est d’ordre définitionnel. Les comptes publics n’isolent pas l’IA ; les analystes élaborent donc des estimations à partir de catégories qui comprennent à la fois des activités liées et non liées à l’IA.
Les ordinateurs et équipements périphériques incluent les appareils ordinaires utilisés sur le lieu de travail. Les infrastructures électriques soutiennent les foyers, les usines, les transports et les services de données conventionnels, en plus des installations d’IA.
La Fed avertit que l’extrapolation d’une référence antérieure à 2023 devient moins fiable à mesure que des tendances non liées affectent les mêmes catégories. Chaque estimation dépend donc d’hypothèses concernant l’inclusion et l’attribution.
La deuxième incertitude concerne la concentration. Une expansion de l’investissement portée par un petit nombre d’entreprises très riches en liquidités peut rester forte, mais elle offre une portée limitée.
TD a constaté que moins d’un tiers des catégories d’investissement des entreprises ont progressé en 2025. Cela rend l’investissement agrégé plus sensible aux décisions budgétaires des hyperscalers.
La troisième incertitude est la monétisation. Les opérateurs d’infrastructures ont besoin d’une demande payante suffisante pour couvrir les puces, l’électricité, le refroidissement, la maintenance, les réseaux et le financement.
L’enthousiasme des consommateurs ne se traduit pas nécessairement par des revenus d’entreprise. Les clients professionnels évaluent la sécurité, l’exactitude, les coûts d’intégration et les rendements mesurables avant d’étendre leurs déploiements.
La quatrième incertitude concerne les marchés financiers. Des valorisations technologiques plus élevées peuvent soutenir la consommation par l’intermédiaire de la richesse des ménages, mais la baisse des cours peut inverser ce canal.
TD a modélisé ce risque dans son analyse de stress des marchés. Une correction hypothétique de 30 % du S&P 500 réduirait la croissance annuelle de plus d’un point de pourcentage selon ses hypothèses.
Le même scénario ferait grimper le chômage au-dessus de 5 % d’ici la fin de l’année. TD a qualifié un ajustement de cette ampleur de risque de queue, et non de prévision centrale.
Une correction de 10 % a produit des effets bien plus limités dans le modèle. Ce contraste montre pourquoi l’ampleur de toute revalorisation importe davantage que la simple apparition de volatilité sur les marchés.
TD a également identifié le financement circulaire et un recours accru à la dette comme des vulnérabilités potentielles. Des arrangements circulaires surviennent lorsque des participants financent des clients ou partenaires qui achètent leurs produits.
De tels accords peuvent accélérer le déploiement des infrastructures. Ils peuvent également masquer une demande indépendante lorsque le capital, les contrats de calcul et les revenus des fournisseurs circulent au sein du même réseau commercial.
L’électricité constitue une autre contrainte. La capacité mondiale des centres de données requiert de la production, du transport, des sous-stations et de longues procédures de raccordement.
TD estime que la demande mondiale installée en électricité des centres de données est passée d’environ 60 gigawatts en 2020 à près de 100 gigawatts en 2024. Les États-Unis et la Chine ont mené cette expansion.
Son rapport sur les contraintes du réseau soutient que les régions doivent raccorder les projets sans transférer des coûts déraisonnables aux clients ordinaires de l’électricité.
Ce problème peut transformer l’investissement en conflit politique. Les collectivités mettent en balance les recettes fiscales et l’activité de construction avec l’usage des sols, la consommation d’eau, les modernisations du réseau de transport et les factures d’électricité.
Aucun de ces risques n’invalide la thèse d’investissement dans l’IA. Ils définissent les conditions nécessaires à sa réussite.
Les éléments disponibles soutiennent une forte demande en infrastructures et des effets significatifs sur l’investissement des entreprises. Les affirmations concernant la productivité à l’échelle de l’économie exigent des preuves opérationnelles plus directes.
Les lecteurs doivent donc distinguer trois affirmations. Les dépenses en IA sont importantes, les dépenses en IA soutiennent la croissance, et l’adoption de l’IA a transformé la productivité sont des affirmations distinctes.
Les deux premières disposent d’éléments substantiels. La troisième reste une question ouverte qui ne peut être tranchée à partir des seuls totaux de dépenses d’investissement.
Trois signaux qui détermineront la suite
La prochaine phase sera jugée sur l’ampleur des investissements, l’utilisation des infrastructures et des gains de productivité vérifiés, plutôt que sur de simples annonces de dépenses plus élevées.
Le premier signal est l’ampleur de l’investissement des entreprises. Les analystes devraient surveiller si davantage de catégories d’équipements, de structures et de propriété intellectuelle non liées à l’IA commencent à progresser.
Une croissance plus large renforcerait l’avis de TD selon lequel l’économie peut dépasser une phase de construction concentrée. Une faiblesse persistante montrerait que l’IA reste un soutien exceptionnellement isolé.
Cette mesure apporte également un contexte aux futurs titres de Google News sur les dépenses en capital. Un total en hausse paraît plus sain lorsque la participation s’étend au-delà de quelques entreprises technologiques.
Le deuxième signal est la relation entre la construction de centres de données, les commandes d’équipements, les raccordements électriques et l’utilisation effective. Ces mesures suivent différentes étapes d’un même cycle d’infrastructure.
La poursuite de la construction accompagnée de production de semi-conducteurs et d’une demande active de calcul soutiendrait la thèse d’investissement. Une construction sans utilisation accroîtrait le risque de capacités excédentaires.
L’accès au réseau fait partie de ce signal, car une installation planifiée ne devient pas productive simplement lorsque la construction commence. Des raccordements retardés peuvent immobiliser des capitaux et fausser la capacité annoncée.
La Fed recommande spécifiquement de comparer la construction physique avec les équipements de calcul et la production de semi-conducteurs. Les divergences peuvent révéler des contraintes d’approvisionnement ou une évolution de la composition des dépenses.
Le troisième signal est une productivité vérifiée en dehors du secteur technologique. Les entreprises devraient communiquer des améliorations de production, de qualité, de délais de cycle ou de coûts qui résistent à l’examen opérationnel habituel.
Un distributeur réduisant le temps de planification des stocks, un hôpital diminuant le travail administratif ou un fabricant améliorant la maintenance peuvent fournir des preuves plus solides que les seules enquêtes sur l’adoption.
La mesure doit inclure les coûts de mise en œuvre. Le temps gagné par les employés a une valeur limitée lorsque les organisations ne peuvent pas le rediriger vers une production supplémentaire ou un meilleur service.
Ce troisième signal détermine si l’IA devient une technologie d’usage général dans l’ensemble de l’économie. Il détermine aussi si les propriétaires d’infrastructures bénéficient d’une demande durable après la phase initiale de construction.
Le défi pour les développeurs consiste à créer des systèmes qui fonctionnent de manière fiable dans les contraintes réelles des entreprises. L’exactitude, la sécurité, l’intégration et la supervision humaine compteront autant que les capacités des modèles.
Les acheteurs d’entreprise devraient exiger des références avant le déploiement. Ils doivent savoir quelle mesure changera, comment elle sera vérifiée et quels nouveaux coûts accompagnent l’amélioration.
Les travailleurs du savoir peuvent appliquer la même discipline à plus petite échelle. Suivez si un flux de travail d’IA réduit le temps de recherche, améliore l’exhaustivité ou accélère un livrable récurrent.
Les investisseurs font face à une version plus large de ce test. Ils doivent distinguer les revenus soutenus par un déploiement continu de capitaux des revenus soutenus par une demande rentable des utilisateurs finaux.
TD Securities a contribué à faire évoluer la conversation économique des performances des modèles vers l’allocation du capital. Ce changement est précieux, car l’investissement affecte désormais la croissance, les marchés de l’électricité, les chaînes d’approvisionnement et le risque financier.
La question n’est plus de savoir si l’IA attire des dépenses substantielles. Elle est de savoir si ces dépenses créent une capacité productive que les entreprises utiliseront à des niveaux durables.
Surveillez ensemble les prochains rapports d’investissement, les informations communiquées sur l’utilisation des infrastructures et les preuves de productivité en entreprise. Si les trois s’améliorent, la concentration actuelle devient une phase précoce plutôt qu’une faiblesse structurelle.
Si seules les dépenses augmentent, le récit de Google News restera incomplet. Les lecteurs devraient se demander quels secteurs produisent davantage, qui capte les gains et si ces gains perdurent au-delà de la construction.
