La course aux dépenses dans l’IA des Big Tech met la trésorerie sous pression

Google et ses plus grands rivaux technologiques ont dépensé environ 170 milliards de dollars en projets d’investissement en un trimestre, malgré les interrogations persistantes sur les retours de l’IA. La vague de dépenses qui domine désormais Google News n’est plus un projet annexe financé par les liquidités excédentaires des Big Tech. Elle redessine les bilans des entreprises, la demande d’électricité, la concurrence dans le cloud et l’ensemble du marché boursier.

Alphabet, Amazon, Microsoft et Meta génèrent toujours d’immenses bénéfices d’exploitation. Leurs investissements dans l’IA soutiennent également des services cloud qui enregistrent une forte demande. Toutefois, ces entreprises construisent des infrastructures plus rapidement que les clients n’ont démontré l’ampleur de leur utilisation de la capacité d’IA sur toute sa durée de vie.

Ce décalage crée le conflit central. Les dirigeants affirment que les pénuries de capacité justifient des constructions immédiates, tandis que les investisseurs ont besoin de preuves que les revenus de l’IA dépasseront les coûts d’amortissement, d’énergie, de financement et de remplacement. Ce pari rappelle les précédents booms d’infrastructure, mais les acteurs actuels occupent des positions inhabituellement importantes dans les grands indices boursiers.

Google News suit un déploiement de l’IA bien plus vaste

Le dernier cycle de résultats a fait passer les dépenses d’IA d’un programme technologique ambitieux à l’un des plus grands chantiers de construction d’entreprises au monde.

Alphabet, Amazon, Microsoft et Meta ont dépensé ensemble 170,1 milliards de dollars en investissements au cours du trimestre clos en juin 2026. Ce montant était presque équivalent à leurs flux de trésorerie d’exploitation combinés sur la période, selon des déclarations d’entreprises compilées après les résultats.

Les dépenses d’investissement, communément appelées capex, couvrent des actifs à longue durée de vie tels que les centres de données, les serveurs, les équipements réseau et les infrastructures électriques. Une partie des capex déclarés soutient également les services cloud classiques, les bureaux, la logistique et d’autres activités. Ils ne peuvent pas tous être classés comme des dépenses consacrées à l’IA générative.

Pourtant, les prévisions des entreprises ne laissent guère de doute sur la principale source de croissance. Chacune ajoute des processeurs, des capacités de centres de données, du stockage et des réseaux afin d’entraîner ou d’exploiter des modèles d’IA. Ces projets soutiennent également les clients cloud et les services en ligne existants.

Microsoft a déclaré 35,8 milliards de dollars d’ajouts aux immobilisations corporelles et équipements durant son trimestre de juin. L’entreprise a généré 55,4 milliards de dollars de trésorerie d’exploitation sur la même période, selon ses résultats trimestriels.

Microsoft a également révélé un détail important concernant la durée de vie des actifs. Environ deux tiers de ses récents capex ont été consacrés à des actifs à courte durée de vie, principalement des processeurs. Contrairement à un bâtiment de centre de données, un processeur graphique peut devenir obsolète sur le plan économique en l’espace de quelques cycles de produits.

Les dépenses d’Alphabet ont suivi la même direction. Google a besoin d’infrastructures pour Gemini, Search, YouTube, ses systèmes publicitaires et Google Cloud. Ces usages qui se recoupent rendent son investissement plus défendable, mais compliquent aussi le calcul précis du rendement de l’IA.

Amazon a relevé ses investissements technologiques prévus après avoir publié de solides résultats au deuxième trimestre. L’entreprise doit financer la capacité d’AWS en parallèle de ses entrepôts, de ses équipements de transport et de son réseau de vente au détail. Les investisseurs ne peuvent donc pas considérer le capex total d’Amazon comme un chiffre uniquement lié à l’IA.

Meta offre l’exemple le plus clair d’une entreprise qui finance l’IA sans disposer d’une importante plateforme cloud publique. Son infrastructure soutient les systèmes de recommandation, la publicité, les produits génératifs et la recherche sur les modèles. Meta prévoit des dépenses d’investissement pour 2026, y compris les paiements de contrats de location-financement, comprises entre 130 milliards et 145 milliards de dollars, selon ses résultats financiers.

Les chiffres individuels comptent, mais leur orientation commune compte davantage. Quatre entreprises font des paris similaires au même moment, en faisant appel à nombre des mêmes fournisseurs et en ciblant des clients qui se chevauchent. Cette synchronisation accroît les enjeux économiques bien au-delà d’un seul rapport de résultats.

La course aux dépenses d’IA pèse sur les flux de trésorerie disponibles

Les Big Tech peuvent financer le déploiement actuel, mais cette capacité de financement ne garantit pas un rendement acceptable.

Le flux de trésorerie disponible correspond à la trésorerie d’exploitation restante après les dépenses d’investissement. Il finance les acquisitions, les dividendes, les rachats d’actions, le désendettement et les investissements futurs. Lorsque les capex augmentent plus vite que la trésorerie d’exploitation, il reste moins de ressources pour ces autres priorités.

Une analyse de Reuters portant sur les estimations de Microsoft, Alphabet, Amazon, Meta et Oracle a conclu que leurs capex combinés étaient en passe de dépasser leurs flux de trésorerie disponibles combinés d’ici 2027. Oracle avait déjà franchi un seuil plus extrême. Ses capex ont atteint 174 % de ses flux de trésorerie d’exploitation pendant l’exercice 2026, d’après les données LSEG citées dans l’analyse des flux de trésorerie.

Un flux de trésorerie disponible négatif ou en baisse ne signale pas automatiquement une situation de détresse. Une entreprise saine investit souvent massivement lorsque la demande des clients dépasse la capacité disponible. L’infrastructure cloud génère également des revenus sur plusieurs années plutôt qu’au cours du trimestre où la construction démarre.

La pression vient du calendrier. Les liquidités sortent lorsque les entreprises achètent des processeurs ou construisent des centres de données, tandis que les revenus arrivent progressivement. L’amortissement répartit ensuite le coût de l’actif dans le compte de résultat sur sa durée d’utilité estimée.

Le matériel d’IA complique ce cycle comptable familier. De nouveaux processeurs peuvent offrir de meilleures performances ou réduire les coûts d’inférence, c’est-à-dire les dépenses engagées lorsqu’un modèle entraîné répond aux utilisateurs. Les processeurs existants peuvent rester opérationnels tout en devenant moins compétitifs sur le plan économique.

La révélation de Microsoft selon laquelle deux tiers des récents capex concernaient des actifs à courte durée de vie rend ce risque concret. Une part substantielle des investissements actuels devra être remplacée plus tôt que les bâtiments, les systèmes électriques ou les terrains. Une demande soutenue en IA doit couvrir à la fois les achats d’aujourd’hui et les mises à niveau de demain.

Les entreprises recourent également de plus en plus aux locations, aux accords de financement et aux fournisseurs d’infrastructures externes. Ces structures peuvent répartir les besoins immédiats de liquidités, mais elles ne suppriment pas l’obligation. Elles peuvent déplacer une partie de l’engagement hors d’un chiffre de capex mis en avant.

C’est pourquoi les résultats traditionnels peuvent donner une image incomplète. Les revenus et le résultat d’exploitation peuvent continuer d’augmenter alors que la conversion de trésorerie s’affaiblit. L’amortissement peut également être décalé par rapport à l’investissement initial, retardant le plein effet sur les marges déclarées.

Les actionnaires subissent une deuxième pression via l’allocation du capital. Les entreprises Big Tech ont historiquement redistribué des montants importants par le biais de rachats d’actions. Si l’infrastructure absorbe une part plus importante de la trésorerie d’exploitation, les conseils d’administration devront à terme choisir entre l’endettement, des rachats plus lents ou des dépenses plus strictes ailleurs.

Les employés et les fournisseurs ressentent aussi cet arbitrage. Les entreprises peuvent réduire leurs effectifs, regrouper des équipes ou annuler des projets sans lien tout en protégeant les budgets de l’IA. Les fabricants de puces, les services publics, les entreprises de construction et les opérateurs de centres de données bénéficient d’une demande accrue, mais deviennent plus exposés à un petit groupe d’acheteurs.

Le système qui en résulte reste stable tant que la consommation d’IA continue de progresser. Il devient fragile si la capacité arrive au moment même où la croissance de la demande ralentit. Comme chaque grand acheteur construit simultanément, une erreur de prévision peut affecter les fournisseurs et les infrastructures locales sur plusieurs marchés.

Les pénuries de capacité se heurtent à des rendements incertains

Le meilleur argument en faveur des dépenses d’IA est l’existence d’une véritable demande des clients, tandis que la critique la plus forte est que cette demande n’a pas encore démontré la rentabilité des actifs sur toute leur durée de vie.

Microsoft fournit des éléments en faveur du scénario optimiste. Les revenus d’Azure ont dépassé 100 milliards de dollars durant l’exercice 2026, et Microsoft 365 Copilot a franchi les 30 millions de licences payantes. Le chiffre d’affaires trimestriel a atteint 90 milliards de dollars, tandis que le résultat d’exploitation a progressé à 40,6 milliards de dollars.

Ces résultats montrent que Microsoft ne construit pas sans clients. La direction a également indiqué que les contraintes de capacité se poursuivraient jusqu’en 2026, même après l’accélération des investissements. Lorsqu’un fournisseur cloud ne peut pas répondre à la demande disponible, l’ajout d’infrastructures repose sur une logique commerciale directe.

Google Cloud constitue un autre signal positif. Les charges de travail d’IA nécessitent de la puissance de calcul pour l’entraînement des modèles, le traitement des données et l’inférence. Les clients peuvent louer cette capacité au lieu de construire leurs propres systèmes, ce qui permet à Alphabet de monétiser la même infrastructure auprès de nombreuses organisations.

L’activité AWS d’Amazon joue un rôle similaire. Son infrastructure peut héberger des bases de données établies, du stockage et des applications d’entreprise en parallèle de l’IA. Cette diversité de charges de travail réduit la dépendance à une seule catégorie de produits et permet à Amazon de réutiliser les réseaux et installations de soutien.

La voie de Meta est différente. L’entreprise ne loue pas la majeure partie de sa capacité à des clients cloud externes. Elle s’attend plutôt à ce que de meilleurs systèmes de recommandation et outils publicitaires améliorent l’engagement et la conversion sur Facebook et Instagram. Elle développe également de nouveaux produits d’IA et des opportunités destinées aux entreprises.

Meta a déclaré un chiffre d’affaires de 60,8 milliards de dollars au deuxième trimestre, en hausse de 28 %. Toutefois, les coûts et dépenses ont augmenté de 55 %, tandis que le résultat d’exploitation a reculé de 8 %. Ce contraste illustre comment l’IA peut renforcer les produits existants tout en exerçant une pression immédiate sur la rentabilité.

Le scénario baissier n’exige pas que l’IA échoue. Les rendements peuvent décevoir même si l’utilisation progresse. Une concurrence excessive peut faire baisser les prix du cloud, les modèles peuvent devenir plus efficients, ou les clients peuvent déplacer leurs charges vers des systèmes plus petits nécessitant moins de calcul.

L’efficience crée un problème de prévision particulièrement difficile. La baisse des coûts d’inférence encourage souvent davantage d’utilisation, selon un schéma qui rappelle le paradoxe de Jevons. Pourtant, personne ne sait si cette demande supplémentaire compensera pleinement chaque réduction de la puissance de calcul nécessaire par tâche.

La qualité des charges de travail compte également. Un assistant de programmation payant utilisé quotidiennement a une valeur économique plus claire qu’une requête gratuite à un chatbot financée par la publicité. Les entreprises communiquent des statistiques d’adoption sélectionnées, mais fournissent rarement assez de détails pour calculer les revenus et les marges de chaque service d’IA.

La même incertitude apparaît dans les projets pilotes en entreprise. De nombreuses organisations testent des agents et des copilotes, mais l’expérimentation ne garantit pas un déploiement à grande échelle. Les contrôles de sécurité, les résultats inexacts, le travail d’intégration et l’adoption par les employés peuvent ralentir la transformation des essais en charges de travail récurrentes.

Les dirigeants s’appuient donc fortement sur les signaux de capacité. Les carnets de commandes, les taux d’utilisation, les engagements clients et les contraintes d’approvisionnement indiquent une demande immédiate. Ils n’établissent pas le rendement final d’un centre de données dont la durée de vie utile s’étend sur plusieurs générations de modèles et de processeurs.

Le récit actuel de Google News oppose souvent boom et bulle. Ce cadrage est trop simpliste. La question la plus utile est de savoir si les revenus additionnels liés à l’IA et les économies de coûts dépasseront le coût total du capital, de l’énergie, de la maintenance, de l’amortissement et du remplacement.

Ce problème de mesure persistera, car l’infrastructure soutient plusieurs activités à la fois. Un serveur Google peut contribuer à Search, Gemini, la publicité et Cloud. La capacité de Microsoft peut soutenir Azure, Copilot, GitHub et les services internes.

L’usage partagé a une valeur économique, mais il empêche les observateurs externes d’attribuer des rendements exacts. Les investisseurs doivent déduire la performance de la croissance du cloud, des marges, des flux de trésorerie, de l’amortissement et des prévisions de la direction. Chaque indicateur révèle une partie du tableau, et non le résultat complet.

Le risque dépasse les actions technologiques

Lorsqu’un petit groupe d’entreprises très valorisées poursuit la même stratégie de capital, les conséquences se propagent aux indices, aux marchés du crédit, aux systèmes énergétiques et aux communautés locales.

Alphabet, Amazon, Microsoft et Meta représentent des poids importants dans des indices boursiers largement détenus. Des millions de comptes de retraite et de fonds passifs sont donc indirectement exposés à leurs décisions d’investissement dans l’IA. Les investisseurs n’ont pas besoin de posséder un fonds spécialisé dans l’IA pour participer au pari.

De solides bénéfices ont jusqu’ici limité le danger financier immédiat. Ces entreprises disposent d’activités matures dans la publicité, les logiciels, le commerce de détail et le cloud. Elles peuvent absorber plus facilement des projets infructueux que les entreprises de télécommunications fortement endettées lors du boom de construction de la bulle internet.

L’échelle crée aussi de la concentration. Si plusieurs entreprises réduisent leurs dépenses simultanément, les fabricants de puces et les développeurs de centres de données peuvent perdre des commandes au même moment. Les fournisseurs d’électricité pourraient se retrouver face à des projets conçus autour d’une demande qui se concrétise plus tard que prévu.

L’inverse crée un autre problème. Si les dépenses continuent d’accélérer, les centres de données se disputent les équipements électriques, la main-d’œuvre de construction, les terrains, les systèmes de refroidissement et l’eau. Une demande plus élevée peut augmenter les coûts des projets ultérieurs et allonger les délais de raccordement.

L’Agence internationale de l’énergie a documenté la croissance rapide de la consommation d’électricité des centres de données. Ses prévisions énergétiques soulignent également que les effets sur les réseaux locaux peuvent être plus graves que ne le suggèrent les totaux nationaux. Un nouveau campus peut représenter une charge concentrée majeure.

Les communautés connaissent des résultats inégaux. Les centres de données apportent des emplois dans la construction, des recettes fiscales et des investissements dans les infrastructures. Une fois en exploitation, ils emploient toutefois moins de personnes que de nombreuses usines utilisant une superficie ou une quantité d’électricité comparable.

Les habitants peuvent également en supporter les coûts via de nouveaux projets de transport d’électricité, les besoins en eau, la production de secours ou l’évolution des tarifs des services publics. La répartition dépend de la réglementation et des contrats, qui varient fortement selon les États et les marchés de l’électricité.

Les politiques publiques ajoutent de l’incertitude. La réforme des procédures d’autorisation et les investissements dans le réseau peuvent accélérer la construction. Les restrictions sur les exportations de puces avancées, les études environnementales ou les moratoires locaux peuvent la freiner. Aucun de ces facteurs n’est entièrement sous le contrôle d’une entreprise technologique.

Les marchés du crédit deviennent également plus pertinents. Historiquement, les Big Tech ont financé leur expansion principalement grâce à leur trésorerie interne. À mesure que les projets prennent de l’ampleur, les entreprises et leurs partenaires peuvent recourir plus fréquemment à la dette, aux locations, aux coentreprises et au financement de projets.

Ce changement répartit le risque au lieu de le supprimer. Un développeur de centres de données peut posséder le bâtiment tandis qu’une entreprise technologique signe un bail de longue durée. L’actif et la dette se trouvent ailleurs, mais l’économie du projet dépend toujours d’une demande continue provenant d’une base concentrée de locataires.

Les consommateurs et les clients professionnels ont une autre forme d’exposition. Les fournisseurs doivent récupérer les coûts d’infrastructure via les abonnements, les frais d’utilisation, la publicité ou les gains de productivité. Une concurrence féroce peut retarder cette récupération, mais ne peut pas la repousser indéfiniment.

Les produits d’IA pourraient devenir plus chers, imposer des limites d’utilisation plus strictes ou intégrer davantage de publicité. Les clients cloud pourraient voir évoluer leurs engagements ou leurs structures de remises. Les travailleurs du savoir pourraient subir une pression accrue pour adopter des outils dont les rendements financiers restent inégaux.

Cela crée une raison pratique de suivre le débat sur les dépenses. Il influence les produits d’IA qui survivront, les fonctionnalités qui resteront subventionnées et la vitesse à laquelle les fournisseurs passeront de l’acquisition à la monétisation.

Pour les utilisateurs individuels, garder le contrôle sur le contexte de travail peut réduire la dépendance à un seul fournisseur de modèles. Une base de connaissances IA locale peut conserver les sources utiles bien organisées pendant que les modèles, les abonnements et les limites de service évoluent.

Le risque systémique ne doit pas être exagéré. Ces entreprises ne sont pas identiques, et leurs infrastructures soutiennent différentes sources de revenus. Alphabet et Meta dépendent fortement de la publicité, Microsoft met l’accent sur les logiciels d’entreprise, et Amazon combine le cloud computing avec le commerce.

Toutefois, la diversification au sein de chaque entreprise n’élimine pas les investissements corrélés. Toutes quatre dépendent de l’expansion de l’usage de l’IA, d’une électricité suffisante, d’un approvisionnement continu en puces et de clients prêts à payer. Cette exposition commune explique pourquoi le déploiement a des conséquences au-delà de la Silicon Valley.

Trois signaux montreront si le pari sur l’IA fonctionne

Les prochains résultats trimestriels devront relier les dépenses d’infrastructure à des rendements de trésorerie durables, et non se contenter d’annoncer une nouvelle hausse des capacités.

Le premier signal concerne les revenus cloud par rapport aux capex. Azure, Google Cloud et AWS devraient maintenir leur croissance tandis que les dépenses d’infrastructure augmentent. La croissance des revenus seule est insuffisante si l’amortissement et les coûts d’exploitation absorbent la marge brute qui en résulte.

Les investisseurs devraient suivre les marges opérationnelles du cloud, et pas seulement les ventes. Un fournisseur peut accroître ses revenus en vendant une informatique coûteuse à un prix proche de son coût. Des rendements durables exigent que l’utilisation, la tarification et les revenus logiciels couvrent les processeurs, l’électricité, les réseaux, l’assistance et l’amortissement.

La qualité du carnet de commandes compte également. Les engagements contractuels constituent une preuve plus solide que de simples déclarations générales sur la demande. Toutefois, le carnet de commandes peut s’étendre sur plusieurs années et inclure des services cloud ordinaires ; il doit donc être comparé aux revenus actuels et aux obligations restantes.

Le deuxième signal est le flux de trésorerie disponible après les locations et les autres engagements. Les capex annoncés couvrent les achats directs, mais un déploiement qui s’étend implique de plus en plus de locations-financements et d’installations tierces. Les analystes ont besoin d’une vision cohérente des dépenses de trésorerie et des obligations contractuelles futures.

Il faut observer si le flux de trésorerie disponible se stabilise tandis que les revenus de l’IA progressent. Un tel résultat étayerait l’argument de la direction selon lequel les dépenses construisent une capacité productive. Une dégradation continue indiquerait que l’investissement progresse encore plus vite que la monétisation.

Les retours de capital fournissent un autre indice. Des rachats d’actions plus lents ne sont pas intrinsèquement négatifs lorsque les projets internes offrent de meilleurs rendements. Toutefois, une réduction durable indique que la construction liée à l’IA absorbe des liquidités auparavant disponibles pour les actionnaires.

Le troisième signal est le taux d’utilisation après la mise à disposition de nouvelles capacités. Les pénuries actuelles étayent l’argument en faveur de l’expansion, mais le véritable test arrive lorsque les processeurs et les centres de données entrent en service. Une forte utilisation confirmerait que la demande contrainte était réelle et persistante.

La baisse des prix du cloud, des engagements clients plus courts ou des projets retardés affaibliraient cette conclusion. Il en irait de même d’un basculement rapide vers des modèles plus petits capables de traiter les tâches courantes avec beaucoup moins de calcul.

L’efficacité ne compromet pas automatiquement la demande d’infrastructure. Une IA moins chère peut attirer davantage d’utilisateurs et permettre de nouvelles applications. L’essentiel est de savoir si l’usage augmente assez vite pour maintenir la productivité d’actifs coûteux.

Les résultats propres à chaque entreprise divergeront. Microsoft peut monétiser via Azure et les abonnements logiciels. Alphabet peut combiner les revenus de Cloud avec des améliorations de Search et de la publicité. Amazon peut vendre de l’infrastructure via AWS, tandis que Meta doit obtenir des gains d’engagement et de publicité pour justifier l’essentiel de ses dépenses en interne.

Cette divergence rend les comparaisons plus instructives qu’un total combiné de capex. Si les fournisseurs cloud génèrent des rendements de trésorerie plus solides que les plateformes centrées sur des usages internes, le marché découvrira quel modèle de monétisation gère le mieux le cycle d’investissement.

Les prochains trimestres révéleront également si les entreprises continuent de relever leurs prévisions. Des hausses répétées accompagnées de marges plus fortes valideraient le récit de la pénurie. Des dépenses plus élevées associées à une baisse de la conversion de trésorerie renforceraient les inquiétudes concernant une surconstruction concurrentielle.

Les lecteurs qui suivent Google News devraient distinguer quatre types de preuves : les prévisions de la direction, la demande client signée, les revenus d’IA déclarés et le flux de trésorerie disponible réalisé. Les prévisions décrivent la confiance. Les contrats clients révèlent l’intention. Les revenus enregistrent la consommation. Le flux de trésorerie montre si l’ensemble du système paie.

Cette dernière mesure mérite le plus d’attention, car elle intègre le poids de l’investissement. Les Big Tech ont déjà démontré qu’elles pouvaient construire d’énormes systèmes d’IA. Elles n’ont pas encore démontré que chaque participant peut obtenir des rendements exceptionnels en les construisant simultanément.

Le pari peut réussir sans produire des gagnants égaux. Les clients peuvent bénéficier d’une informatique moins chère, les fournisseurs de puces peuvent capter les premiers profits et certaines plateformes peuvent transformer l’IA en revenus récurrents. D’autres propriétaires pourraient découvrir que la nécessité stratégique n’est pas la même chose qu’un avantage financier.

C’est pourquoi la course aux dépenses compte pour les développeurs, les acheteurs professionnels et les travailleurs du savoir. La disponibilité des produits, les coûts du cloud, le choix des modèles et les conditions d’abonnement suivront l’économie de cette infrastructure. Suivez les liquidités derrière chaque promesse d’IA, comparez l’utilisation aux capacités et demandez-vous si la croissance des revenus produit un flux de trésorerie disponible durable.