Les États-Unis consacreront-ils 9 % de leur PIB à l’IA ? L’industrie compte sur ce scénario – WSJ , 2 octobre 2026

Les États-Unis devront-ils consacrer près de 9 % de leur PIB à l’intelligence artificielle ? C’est le scénario sur lequel table, implicitement, l’industrie pour rentabiliser le plus grand pari d’investissement de l’histoire américaine.

Les partisans du boom de l’IA devraient regarder de près ce chiffre : environ 9 % du produit intérieur brut. C’est la part de revenu que les entreprises et les consommateurs américains devraient finir par dépenser chaque année en services d’acteurs comme OpenAI ou Anthropic pour justifier les sommes aujourd’hui engagées dans les centres de données, les puces et l’infrastructure électrique.

Est-il plausible de consacrer à une seule technologie autant qu’à l’alimentation?

Environ le double de ce que le pays dépense pour l’ensemble de l’énergie, ou pour l’ensemble des ordinateurs et logiciels ?

Sept fois ce que les ménages consacrent à la téléphonie, au streaming et à l’internet réunis ?

Le scepticisme est de mise. Même les inventions les plus transformatrices finissent par se heurter à la loi des rendements décroissants : chaque dollar supplémentaire dépensé par l’utilisateur rapporte un peu moins de productivité, ou de satisfaction, que le précédent.

Ce 9 % n’est pas une vision d’avenir. C’est le rendement implicite des plans d’investissement déjà annoncés.

Le calcul vient de Stijn Van Nieuwerburgh, professeur de finance à l’université Columbia, dont le travail a été présenté à la Brookings Institution. Partant des projets concrets de construction de centres de données et de leur coût moyen, il retient une hypothèse de annulations partielles, suppose que chaque dollar de chiffre d’affaires dégage 50 cents de flux de trésorerie, et exige un rendement non levier du capital investi de 10 %.

Conclusion : pour que l’édifice tienne, les revenus de l’IA devraient atteindre environ 3 500 milliards de dollars en 2032, soit 8,8 % du PIB, dans un scénario où l’économie américaine croît de 4 % par an en termes nominaux.

En amont, l’investissement lui-même est hors norme.

Van Nieuwerburgh estime à 10 300 milliards de dollars la dépense cumulée en infrastructures d’IA entre 2025 et 2032, soit en moyenne 3,6 % du PIB chaque année.

C’est davantage, en part de l’économie, que les booms des chemins de fer à la fin du XIXe siècle, des autoroutes inter-États, de l’électrification ou des télécoms et de la fibre dans les années 1990.

Jamais l’économie américaine n’a autant dépendu de l’essor d’une seule industrie.

Une hypothèse centrale du scénario est que les fournisseurs d’IA pourront continuer à facturer la puissance de calcul aux prix actuels, soutenus par la rareté. Van Nieuwerburgh note le paradoxe : les acteurs affirment en substance qu’ils maintiendront des prix de pénurie jusqu’en 2032, alors même qu’ils auront multiplié leur capacité et que la concurrence se sera intensifiée.

L’histoire récente invite à la prudence. Entre 1997 et 2001, le coût de la bande passante en fibre optique entre Londres et New York a chuté de 96 %, sous l’effet des nouveaux câbles et des gains de capacité. Cette déflation a précipité la faillite de nombreux opérateurs longue distance.

Dans la tech, la baisse des prix est souvent le revers de l’efficacité. Selon Epoch AI, le prix effectif pour un niveau de capacité donné des modèles d’IA a reculé d’environ 47 % par trimestre depuis 2023, six fois plus vite que la puissance de calcul.

La thèse optimiste : le paradoxe de Jevons Les optimistes répondent que la chute des prix, combinée à l’explosion des capacités — les performances des modèles doublent tous les quatre à cinq mois —, stimule une demande assez forte pour compenser. C’est le paradoxe de Jevons, du nom de l’économiste britannique qui observait au XIXe siècle que les gains d’efficacité sur le charbon en augmentaient la consommation totale.

Les chiffres récents vont dans ce sens, du moins pour l’instant. Il y a quelques mois, un panel d’experts interrogé par une équipe menée par Ezra Karger à la Réserve fédérale de Chicago tablait sur 300 milliards de dollars de revenus combinés pour OpenAI et Anthropic en 2030. La projection paraît déjà prudente : le rythme annualisé des deux sociétés avoisine 180 milliards de dollars, avec une croissance à deux chiffres chaque trimestre.

Atteindre plusieurs milliers de milliards d’ici 2032 exigerait toutefois une croissance annuelle de l’ordre de 80 % pendant près d’une décennie, un rythme presque sans précédent à cette échelle.

Certains voient dans l’IA un troisième facteur de production, aux côtés du capital et du travail. Dans cette optique, 9 % du PIB ne paraîtrait pas extravagant — le travail en absorbe aujourd’hui environ la moitié. Mais un tel scénario impliquerait une forte contraction de l’emploi et, très probablement, une taxation de l’IA pour compenser la perte de recettes fiscales sur les salaires.

De la fin des années 1960 au début des années 2000, la densité des puces a doublé environ tous les deux ans (loi de Moore) et le prix réel des ordinateurs a baissé d’environ 15 % par an. Le micro-ordinateur et des applications comme le tableur ont déclenché une explosion de la demande qui a plus que compensé la baisse des prix : entre 1974 et 1984, l’investissement des entreprises en ordinateurs et périphériques a triplé, pour atteindre 0,8 % du PIB.

Ensuite, les machines ont continué de s’améliorer et de devenir moins chères, sans susciter une demande nouvelle du même ordre. Elles étaient devenues omniprésentes. Les premières versions de VisiCalc ou de Lotus 1-2-3 ont transformé l’entreprise d’une façon que les versions successives d’Excel n’ont pas reproduite. La dépense s’est stabilisée, hors poussées liées à internet à la fin des années 1990 et, aujourd’hui, à l’IA.

L’adoption de l’IA est plus rapide, et les gains de productivité locaux sont réels. Fiona Chen et James Stratton, doctorants à Harvard, ont étudié des projets logiciels via la plateforme Jellyfish. Les assistants d’IA ont augmenté de 12 % le nombre de lignes de code et de 5 % les « pull requests » ; les agents autonomes, de 30 % et 23 %. Mais l’effet sur le nombre de projets réellement achevés est resté faible et statistiquement peu significatif : les équipes passaient davantage de temps à relire, commenter et corriger le code généré.

Le chiffre de 9 % mérite donc d’être pris au sérieux précisément parce qu’il n’est pas fantaisiste : il est déjà inscrit dans les plans de dépenses. Une grande partie de ce financement repose désormais sur la dette, parfois via des structures hors bilan. Si la demande, l’utilisation des capacités ou les prix déçoivent — contraintes électriques, retards d’autorisation, concurrence étrangère ou simple saturation des usages les plus rentables —, le retournement pourrait se propager bien au-delà du secteur technologique.

L’IA améliorera très probablement la productivité. Rien ne garantit pour autant que les Américains accepteront d’y consacrer, chaque année, une part de leur revenu comparable à celle de l’alimentation.