Les indicateurs d’une possible bulle de l’intelligence artificielle semblent se multiplier:

Un état des lieux factuel en octobre 2026 le confirme .

En octobre 2026, le débat sur une éventuelle « bulle IA » s’est intensifié.

Des institutions comme le FMI, Bank of America, des analystes de marché et des investisseurs notoires multiplient les avertissements, tandis que d’autres soulignent une croissance réelle des revenus et de l’adoption.

Cet article recense, de manière neutre, les principaux indicateurs et indices observés récemment, sans conclure à un éclatement ni à sa pérennité. Les données portent sur les investissements, l’endettement, les valorisations, la monétisation et les signaux de marché.

L’écart est massif entre dépenses d’infrastructure et revenus générés. Les hyperscalers (Amazon, Microsoft, Alphabet, Meta, Oracle) prévoient des dépenses d’investissement (capex) de l’ordre de 700 à 900 milliards de dollars en 2026, un niveau sans précédent et en forte hausse par rapport aux années précédentes.

Des analyses de Sequoia (David Cahn) évoquent un écart annuel d’environ 600 milliards de dollars entre ces dépenses d’infrastructure et les revenus de l’écosystème IA.

Des économistes de Stanford estiment un écart cumulé proche de 1 000 milliards de dollars depuis 2024 pour un groupe de six firmes majeures, avec des besoins de revenus multipliés plusieurs fois dans les années à venir pour rentabiliser les investissements.

Selon Bain & Company, l’industrie aurait besoin de près de 6 000 milliards de dollars de revenus annuels liés à l’IA d’ici 2031 pour justifier les investissements, alors que les marchés existants (consommateurs et entreprises) pourraient n’en fournir qu’environ 1 800 milliards.

Des projections de Gartner et d’autres soulignent des risques de dépréciations de milliers de milliards si les retours ne suivent pas.

Parallèlement, le cash flow libre, disponible des grands acteurs se dégrade : Alphabet a affiché un free cash flow négatif au deuxième trimestre 2026 (une première depuis son IPO), Amazon et Meta ont vu leur free cash flow chuter fortement sous l’effet du capex.

Les analyses indiquent que le capex des hyperscalers pourrait dépasser leur cash flow opérationnel combiné en 2026.

Ces chiffres alimentent des comparaisons avec des bulles passées (dot-com, télécoms), où les investissements ont précédé les revenus de façon extrême.

Des analystes notent toutefois des revenus en croissance rapide dans le cloud (AWS autour de 150 milliards annualisés, Google Cloud et Microsoft AI en forte hausse) et des stocks de contrats importants.

L’endettement croissant oblige a recourir a des financements circulaires et crée tensions sur le secteur ducrédit; le financement bascule de plus en plus vers la dette et des structures complexes.

Le FMI, dans son Global Financial Stability Report d’octobre 2026, a identifié une correction potentielle des actifs liés à l’IA comme l’un des trois risques saillants pour la stabilité financière mondiale.

Il pointe des valorisations élevées, une concentration, une hausse du levier et des arrangements de « financement circulaire » : environ 300 milliards de dollars d’investissements en equity dans des firmes IA plus faibles, plus 650 milliards de dette, en échange de 1 400 milliards de dollars d’engagements de revenus futurs.

Ces structures créent un risque dans la mesure où les problèmes d’une entité se propagent rapidement aux autre

sLes hyperscalers émettent désormais une part significative des obligations investment-grade mondiales. Des acteurs comme Oracle, Meta et d’autres ont vu leurs CDS (credit default swaps) se tendre.

Le cas le plus visible récemment est CoreWeave : ses obligations ont vu leurs rendements dépasser 15 % (niveaux de détresse), ses CDS ont fortement augmenté (impliquant une probabilité de défaut très élevée à moyen terme), et son action a chuté de plus de 15 % en une séance mi-octobre 2026, avec des effets de contagion sur d’autres titres AI et data centers.

La société porte une dette importante (autour de 50 milliards) pour des revenus bien inférieurs.

Bank of America a noté des mouvements de marché où actions et rendements obligataires baissent en tandem lors de stress liés à l’IA, un schéma potentiellement révélateur d’un débouclage.

La dette de marge des investisseurs a également atteint des niveaux élevés historiquement. Ces éléments rappellent à certains observateurs des phases avancées de bulles passées, où le financement devient de plus en plus créatif ou fragile.

Valorisations, concentration et autres signaux de marché se conjuguent . Les « Magnificent Seven » représentent plus de 35 % du S&P 500, un niveau de concentration élevé. Certains indicateurs de risque de bulle (comme celui de Bank of America) montrent une position spéculative concentrée plutôt que généralisée, avec peu d’actions dépassant des seuils extrêmes comparés à la bulle internet de 2000.

Des stratégistes (Fidelity, etc.) soulignent que les multiples (P/E) de nombreux titres tech, y compris Nvidia, se sont néanmoins compressés grâce à une forte croissance des bénéfices, se situant loin des extrêmes de 2000.

D’autres points retiennent l’attention, ils incluent : une hausse du free cash flow négatif ou en baisse pour les constructeurs d’infrastructure ; des comparaisons de rythme et d’ampleur d’investissement supérieures à celles des manies historiques (rails, canaux, dot-com) selon Macquarie ; et des projections de certains cabinets (Capital Economics) d’un début de dégonflement autour de 2027 avec des corrections potentielles de 20 % ou plus sur les indices.

Des analystes comme Aswath Damodaran ont évoqué un besoin de « trillions » de revenus pour justifier les valorisations collectives, tout en distinguant les fournisseurs (comme les fabricants de puces) des constructeurs.

La baisse des prix de l’IA et les questions de monétisation suscitent de plus en plus d’interrogation.

Les prix des tokens (les unités de traitement des modèles) ont chuté fortement : des baisses de 70 à 95 % sur certaines périodes ou modèles, sous l’effet de la concurrence (OpenAI, Anthropic, modèles open-source chinois moins chers). Des indices comme Silicon Data ont atteint des planchers. Si cela stimule la demande (effet Jevons), cela comprime les marges et soulève la question de savoir si les revenus peuvent suivre le rythme des coûts d’infrastructure, qui restent élevés

Des rapports notent que le coût par tâche complexe (agents, workflows) peut rester trop élevé malgré des prix unitaires plus bas. OpenAI a vu des ajustements de ses « run-rates » de revenus en deçà de certaines attentes antérieures, et Anthropic affiche des pertes importantes malgré une croissance rapide des revenus.

L’énergie et les contraintes d’infrastructure (électricité des data centers en forte hausse, retards de projets) ajoutent des frictions potentielles.

Les Avertissements s’accumulent : alerte du FMI sur les risques systémiques d’une correction amplifiée par le levier et la circularité ; Ray Dalio décrit une bulle « classique » proche de l’éclatement en raison de la dette et des taux ; Michael Burry et d’autres comparent à des épisodes spéculatifs ; Bank of America publie des notes sur des signaux de marché et de crédit .

Éléments de contrepoint : Croissance réelle et accélérée des revenus cloud/IA et de l’adoption ; backlogs de contrats importants ; certaines analyses (IoT Analytics) estimant qu’il ne s’agit pas d’une bulle large mais de possibles dépreciations absorbables par les grands acteurs ; multiples en baisse grâce aux bénéfices ; adoption plus rapide que dans certaines bulles historiques ; l’idée que des phases d’investissement massif précèdent souvent les gains de productivité dans les révolutions technologiques.

Les marchés intègrent à la fois un fort optimisme sur le potentiel de l’IA et une sensibilité croissante aux déceptions éventuelles sur la monétisation.

L’évolution dépendra des prochains résultats trimestriels des hyperscalers, de l’évolution des taux, de l’adoption réelle et de la capacité à générer des retours sur le capital investi.

Encadré :

Les récits sur l’IA convergent vers plus de réserve.

De 2022 à 2026, le discours public et médiatique sur l’intelligence artificielle est passé d’un optimisme quasi unanime à un ton nettement plus mesuré et interrogatif.

2022-début 2023 — Lancement de ChatGPT : le récit dominant est celui de la rupture technologique soudaine. On parle d’« intelligence » émergente, de progrès exponentiels, de transformation imminente de tous les secteurs et, chez certains, d’AGI (intelligence artificielle générale) à l’horizon de quelques années.

2023-2024 — Phase de hype intense. Les récits mettent l’accent sur le scaling (plus de données et de calcul = plus de capacités), les visions utopiques de productivité explosive, la course aux modèles et les investissements massifs présentés comme inévitables et vertueux. Les déclarations des dirigeants (Sam Altman, Dario Amodei, Jensen Huang) et des investisseurs renforcent l’idée d’une révolution sans précédent et déjà en marche.

Fin 2024-2025 — Apparition d’une « correction de hype ». Des analyses (notamment MIT Technology Review avec son dossier « Hype Correction ») constatent un écart croissant entre les promesses et les résultats : déception relative autour de GPT-5, hausses des taux d’hallucinations, gains de productivité réels mais limités et lents à se traduire en profits, questions sur la fiabilité et le coût. Les métaphores évoluent de l’émerveillement vers le « reckoning » (mise au point critique). Des voix académiques et journalistiques insistent davantage sur les limites (« AI as normal technology ») et les risques d’overhype.

2026 — Le ton devient plus réservé et conditionnel. Les institutions financières (FMI, Bank of America) multiplient les avertissements sur les risques de correction liés à la monétisation et au levier. Les chiffres de revenus des acteurs privés (ajustements à la baisse des run-rates d’OpenAI, ralentissement de croissance rapporté chez Anthropic) déclenchent des réactions de marché. Des dirigeants eux-mêmes adoptent un langage plus nuancé : reconnaissance possible d’une bulle, distinction entre hype court terme et potentiel long terme (Shou Zi Chew, Satya Nadella), insistance sur les freins (énergie, coûts, adoption réelle).

Le débat se déplace des capacités brutes vers les questions de retour sur investissement, de free cash flow, d’infrastructure et de timing.Cette évolution ne signifie pas un rejet de la technologie, mais un glissement observé du récit « révolution déjà là et illimitée » vers des formulations plus prudentes centrées sur les délais, les coûts, la monétisation et les incertitudes de rentabilité.