Résumé

Cette étude examine dans quelle mesure les investissements dans l’infrastructure de l’intelligence artificielle peuvent se traduire en rendements durables pour les entreprises et leurs investisseurs. La croissance de la demande est déjà tangible, mais elle ne suffit pas à prouver que chaque projet produira des flux de trésorerie et un rendement du capital satisfaisants. Le risque d’une valorisation excessive ou d’un cycle de surinvestissement apparaît lorsque les capacités annoncées et les attentes progressent plus vite que l’utilisation réelle, les bénéfices et la génération de trésorerie.

L’analyse couvre les semi-conducteurs, les centres de données, le cloud, l’électricité et les réseaux, ainsi que les modes de financement, dont le crédit privé. Elle compare les États-Unis, l’Europe et l’Asie, tout en distinguant les données publiées des objectifs de direction, des annonces de financement et des projections. La conclusion est conditionnelle : l’investissement devrait se poursuivre, mais la dispersion entre gagnants et perdants pourrait s’accentuer. Les capacités rares et différenciées peuvent conserver de la valeur ; les infrastructures banalisées risquent de subir une baisse des prix ou un taux d’utilisation insuffisant.

Mots-clés : intelligence artificielle, centres de données, semi-conducteurs, infrastructures électriques, rendement du capital, valorisation, crédit privé.

1. Question de recherche

L’IA est souvent présentée comme une histoire de logiciels et de modèles. Son déploiement dépend pourtant d’installations physiques : des puces avancées, des centres de données, une alimentation électrique fiable, des réseaux et des systèmes de refroidissement. Ces investissements forment une chaîne de dépenses en capital considérable.

La question d’investissement dépasse donc celle des applications qui attireront des utilisateurs. Elle consiste à identifier les entreprises capables de transformer ces dépenses en flux de trésorerie durables et en rendement adéquat sur le capital investi. Un secteur en croissance, une entreprise performante et un titre intéressant sont trois propositions distinctes. L’étude sépare ainsi demande, rentabilité, qualité de l’entreprise et valorisation.

2. Périmètre et méthode

La recherche s’appuie sur des sources publiques disponibles au 17 octobre 2026 : publications d’entreprises, résultats, sources gouvernementales et énergétiques, ainsi que travaux de l’Agence internationale de l’énergie, de la Banque des règlements internationaux, de la BCE et du FMI. Les résultats publiés, les anticipations de la direction, les objectifs publics et les scénarios sont distingués car ils n’ont pas la même valeur probante.

L’analyse examine les États-Unis et l’Europe en détail, des exemples choisis dans le reste des Amériques, ainsi que le rôle de l’Asie dans la chaîne d’approvisionnement. Les exemples d’entreprises illustrent différents modèles économiques ; ils ne constituent pas une liste de recommandations.

3. La demande : des dépenses réelles, des rendements encore à démontrer

NVIDIA a déclaré 89 milliards de dollars de chiffre d’affaires lié aux centres de données au deuxième trimestre de son exercice 2027, clos le 26 juillet 2026. Microsoft a annoncé une progression de 43 % du chiffre d’affaires d’Azure et des autres services cloud au trimestre clos le 30 juin. L’Agence internationale de l’énergie estime que la consommation d’électricité des centres de données pourrait passer de 485 TWh en 2025 à environ 950 TWh en 2030. Ces chiffres témoignent d’une activité et d’investissements importants.

Ils ne démontrent pas à eux seuls que chaque fournisseur, propriétaire d’actifs ou investisseur en tirera un rendement élevé. La dépense d’investissement d’un opérateur devient le revenu d’un fournisseur, mais la question décisive est la trésorerie qui subsiste après les coûts de concurrence, d’exploitation, d’entretien et de remplacement des équipements.

4. Une chaîne de valeur composée de modèles distincts

La chaîne comprend le calcul et le réseau, la fabrication des puces et les équipements spécialisés, les plateformes cloud, les systèmes électriques et de refroidissement, les centres de données, puis la production et le transport de l’électricité. Chaque maillon a ses propres facteurs de réussite. La compatibilité logicielle et la concentration des clients comptent pour les puces ; la maîtrise technologique et le réinvestissement pour les fabricants ; l’utilisation et les dépenses d’investissement pour le cloud ; la qualité des contrats, l’électricité disponible et le refinancement pour les centres de données.

Il faut éviter le double comptage. Les dépenses d’un centre de données deviennent des ventes de plusieurs fournisseurs ; ces fournisseurs achètent eux-mêmes des composants. Additionner la dépense totale du projet à toutes les ventes intermédiaires peut présenter plusieurs fois la même valeur économique.

La demande diffère également entre entraînement et inférence. L’entraînement des modèles requiert des capacités de calcul très importantes pendant des périodes données. L’inférence, qui correspond à l’utilisation quotidienne d’un modèle, peut être plus régulière et soumise à des exigences différentes de coût, de latence et de proximité. Les besoins futurs en matériel et en énergie dépendront de la combinaison de ces usages.

Enfin, la propriété d’un projet est fragmentée : une société peut posséder le terrain, une autre construire l’installation, un fournisseur installer les équipements et un opérateur louer la capacité. L’investisseur doit savoir qui porte le risque de construction, d’obsolescence, d’électricité et de financement.

5. États-Unis et reste des Amériques

Les États-Unis concentrent les grandes plateformes cloud, de nombreux fournisseurs technologiques et une part importante des financements. Le potentiel de croissance s’accompagne de contraintes régionales d’accès à l’électricité, de raccordement au réseau, de permis et de disponibilité de l’eau. Une annonce de capacité ne devient un actif productif que lorsque le raccordement, la construction, les équipements et la demande sont réunis.

Les autres marchés des Amériques peuvent offrir des avantages liés à l’énergie, aux terrains ou à la proximité des clients, mais la disponibilité de capitaux, les infrastructures, la réglementation et la stabilité des contrats diffèrent d’un pays à l’autre. Les comparaisons régionales doivent donc intégrer les risques de change et d’exécution.

6. L’Europe et ses voies d’accès au cycle d’investissement

Les entreprises européennes peuvent fournir des équipements électriques, des systèmes de refroidissement, des machines industrielles et des composants nécessaires au développement mondial des centres de données. Schneider Electric et Eaton illustrent l’exposition des industriels à la gestion de l’électricité, au-delà de l’IA. La thèse dépend de la conversion des carnets de commandes en revenus, des marges et du rendement des capacités supplémentaires.

Les initiatives de calcul souverain cherchent à garantir des capacités locales et la maîtrise des données. Leur intérêt stratégique ne garantit toutefois pas leur rentabilité commerciale. Il faut examiner les clients, le taux d’utilisation, le coût de l’électricité, les subventions et la durabilité du financement.

Les pays européens présentent des conditions différentes en matière de réseaux, de permis, d’électricité et de politique industrielle. En parallèle, le rendement de l’IA ne se limite pas à la construction d’infrastructures : il dépendra également de l’adoption par les entreprises et des gains de productivité effectivement observés.

7. L’Asie et la chaîne d’approvisionnement mondiale

L’Asie est essentielle à la fabrication des semi-conducteurs, des composants et d’une partie des équipements électroniques. La concentration géographique crée des barrières d’expertise et d’investissement, mais aussi une dépendance à quelques sites, fournisseurs et voies commerciales. Les risques géopolitiques, les contrôles à l’exportation et les délais de capacité doivent être intégrés dans les scénarios.

8. Avantage concurrentiel et pouvoir de fixation des prix

La position dans une chaîne de valeur en croissance ne suffit pas à garantir un avantage durable. Il faut tester les coûts de changement pour les clients, la propriété intellectuelle, la compatibilité, l’offre de solutions de remplacement, la concentration des clients, la capacité de production et le pouvoir de négociation des fournisseurs.

NVIDIA, TSMC, ASML, Microsoft, Schneider Electric et Eaton illustrent différents points de la chaîne, mais leurs activités dépassent l’infrastructure d’IA. Pour chacune, une analyse rigoureuse examine la part du chiffre d’affaires réellement liée au thème, la solidité des marges, le réinvestissement et ce qui se passerait si la croissance ralentissait. Une entreprise de qualité peut rester un placement peu intéressant si son cours intègre déjà des attentes excessives.

9. Chiffre d’affaires, trésorerie et réinvestissement

Pour un fournisseur d’équipements, les commandes doivent devenir livraisons, marges et encaissements. Pour une plateforme cloud, les investissements doivent produire de la capacité utile, attirer une demande payante et générer de la trésorerie après dépenses. Pour un propriétaire de centre de données, la qualité du locataire, la durée du bail, l’accès à l’électricité, l’entretien et le calendrier de refinancement sont déterminants. Pour un réseau électrique, la demande accrue peut nécessiter des investissements avant que les actionnaires ne perçoivent un rendement additionnel.

La question centrale est donc : l’entreprise obtient-elle un rendement adéquat sur chaque nouvel euro investi ? Les bénéfices comptables peuvent progresser alors que l’essentiel de la trésorerie est absorbé par les nouveaux équipements. Les dépenses de remplacement sont récurrentes lorsque la technologie se renouvelle rapidement et doivent figurer dans le calcul du rendement.

10. Économie illustrative d’un projet

Un exemple simplifié montre la sensibilité de l’économie d’un centre de calcul. Pour 100 millions d’euros d’équipements et d’infrastructure, huit millions d’heures de capacité vendable avant prise en compte de l’utilisation, 15 millions de coûts d’exploitation annuels et une durée économique de quatre ans, la récupération du capital représente 25 millions par an.

Avec une utilisation de 80 % et un revenu de 8 euros par heure, le chiffre d’affaires atteint 51,2 millions. Après 15 millions de coûts d’exploitation, le surplus avant financement et impôts est de 36,2 millions ; après récupération annuelle du capital, il reste 11,2 millions. Dans un cas moins favorable, avec 50 % d’utilisation et 6 euros par heure, les revenus sont de 24 millions et le surplus après récupération du capital devient négatif de 16 millions.

La durée de vie, le coût de l’électricité, les retards, les coûts variables, les impôts, le fonds de roulement et la dette peuvent modifier fortement ces résultats. Avec 60 millions de dette à 8 %, les seuls intérêts atteignent 4,8 millions par an. Un modèle complet doit distinguer la durée de vie du bâtiment de celle des serveurs, inclure les remplacements et évaluer séparément les rendements du projet et des fonds propres.

11. Positionnement des investisseurs et financement

Les investisseurs publics sont exposés aux grandes sociétés par le poids croissant de celles-ci dans les indices, par des fonds actifs ou par des ETF thématiques. Une analyse doit mesurer les recoupements avec les positions déjà détenues, la concentration et le segment de la chaîne couvert.

Le capital-investissement et les fonds d’infrastructure financent des plateformes, des projets et des actifs privés. Les montants annoncés pour être mobilisés ne sont pas nécessairement des investissements déjà réalisés. Il faut distinguer les intentions de collecte, les engagements, les transactions conclues et les capitaux effectivement déployés.

Le crédit privé finance aussi des entreprises et des actifs liés au développement de l’IA. Les données publiques sur les prêts spécifiquement destinés à ces infrastructures restent limitées ; les statistiques générales sur le crédit aux entreprises technologiques ne doivent pas être présentées comme des chiffres propres à l’IA. Pour chaque financement, il faut examiner les garanties, les clauses, le levier, les échéances et les capacités de remboursement.

12. Valorisation et rendement pour l’actionnaire

Une croissance de revenus ne garantit pas un bon rendement boursier. Celui-ci dépend du prix payé, de la rentabilité du capital, de la dilution, des dépenses de maintien et de la valeur finale. Un multiple élevé exige une croissance et des marges qui se maintiennent longtemps. Même une entreprise dominante peut décevoir si le marché anticipe déjà une trajectoire presque parfaite.

Il convient d’étudier plusieurs scénarios plutôt qu’un seul objectif de cours : une demande forte, une normalisation de l’utilisation et des prix, ou une capacité excédentaire. Les hypothèses de coût du capital et de remplacement des équipements influencent les résultats autant que les projections de chiffre d’affaires.

13. Tendances et perspectives conditionnelles

La première question est de savoir si les capacités annoncées deviennent opérationnelles et rentables. Les contraintes peuvent se déplacer de la disponibilité des puces vers l’électricité, le réseau, le refroidissement, les permis ou le financement. Les modèles régionaux peuvent évoluer entre grandes plateformes, centres locaux et capacités souveraines.

À court terme, les carnets de commandes et les investissements soutiennent l’activité, mais les retards et les coûts restent importants. À moyen terme, l’utilisation et les revenus générés par les applications détermineront la rentabilité. À long terme, la productivité, les prix de l’énergie, le renouvellement technologique et les rendements du capital départageront les entreprises.

14. Scénarios

Dans un scénario d’adoption soutenue, la demande et l’utilisation augmentent assez vite pour absorber les nouvelles capacités ; les entreprises différenciées maintiennent de bons rendements. Dans un scénario de normalisation, les investissements continuent mais les prix et les marges se tassent, créant une plus grande dispersion entre fournisseurs. Dans un scénario de surcapacité, des retards, une demande moins rentable ou des coûts de financement élevés laissent des actifs sous-utilisés et pèsent sur les bénéfices, les bilans et le crédit.

Ces scénarios ne sont pas des prévisions chiffrées. Ils servent à identifier les indicateurs qui valideraient ou invalideraient l’hypothèse d’investissement.

15. Indicateurs à suivre

Les investisseurs devraient suivre l’utilisation réelle des centres de données, le revenu par unité de calcul, les prix, la conversion des carnets de commandes, les dépenses d’investissement, les flux de trésorerie après investissements, les coûts d’électricité, les retards de raccordement, les délais de livraison des équipements, le coût de la dette et les conditions des contrats. Les résultats publiés doivent être comparés aux annonces et aux objectifs initiaux.

16. Principaux risques et canaux de transmission

Le risque de bulle survient si les valorisations, les projets et les anticipations de demande progressent plus vite que l’utilisation et les revenus. Les interconnexions financières peuvent transmettre les pertes entre entreprises technologiques, prêteurs privés, banques, fonds et propriétaires immobiliers. Un renchérissement des taux accroît le coût du capital, alors que les contraintes environnementales et les préoccupations des communautés peuvent retarder ou limiter les projets.

17. Conditions qui changeraient l’évaluation

L’hypothèse serait renforcée par une hausse durable de l’utilisation et de la trésorerie, une amélioration de la productivité chez les clients et la conversion rentable des projets. Elle serait affaiblie par des dépenses en hausse sans rendement correspondant, des contrats annulés, des prix de calcul en baisse, des retards répétés, une dette croissante ou un refinancement devenu difficile.

18. Conséquences pour les quatre portefeuilles

Préservation du capital. Limiter la concentration thématique et privilégier la robustesse des bilans et des flux de trésorerie. L’exposition indirecte par les grands indices existe déjà.

Croissance en début de carrière. Une exposition aux entreprises bénéficiaires peut convenir à un horizon long, à condition que la diversification et le prix d’achat restent déterminants.

Entrepreneur équilibré. Examiner la corrélation entre l’activité professionnelle, le secteur technologique, les revenus et les placements. La concentration du patrimoine total importe davantage que la seule composition du portefeuille coté.

Patrimoine familial multigénérationnel. Des actifs privés ou d’infrastructure peuvent répondre à des objectifs de long terme, mais seulement avec un budget d’illiquidité clair, des contrats compréhensibles et une analyse des besoins familiaux.

19. Conclusion

L’infrastructure de l’IA constitue un thème d’investissement majeur, mais un thème important n’est pas automatiquement un placement attractif. Les dépenses sont réelles et la demande progresse ; le rendement dépendra cependant de la capacité à utiliser les actifs, à fixer des prix, à financer les renouvellements et à produire des flux de trésorerie après investissement.

L’avantage pourrait se concentrer dans les capacités rares et les entreprises capables de défendre leurs marges. Les actifs banalisés, les projets trop endettés et les valorisations qui supposent une exécution parfaite sont davantage exposés à une correction. La discipline consiste à vérifier les rendements et la valorisation, pas seulement à reconnaître l’ampleur du thème.

20. Périmètre de recherche et déclaration

Cette étude est une analyse pédagogique indépendante fondée sur les informations publiques disponibles à la date de référence. Les entreprises citées servent d’exemples d’activités et ne sont pas des recommandations d’achat ou de vente. Les chiffres, les déclarations des entreprises et les scénarios ont des degrés de certitude différents ; les annonces de financement et les objectifs ne correspondent pas nécessairement à des capitaux déployés ni à des résultats réalisés.

Interpréter les éléments de preuve

Les publications réglementaires et les résultats audités décrivent des résultats historiques. Les déclarations de direction expriment des attentes. Les objectifs publics indiquent une ambition. Les scénarios illustrent des trajectoires possibles, sans leur attribuer automatiquement une probabilité. Ces catégories ne doivent pas être confondues.

[1] NVIDIA, Second Quarter Fiscal 2027 results, quarter ended 26 July 2026. Lien vers la source ↗

[2] Microsoft, Fourth Quarter and Fiscal Year 2026 results, year ended 30 June 2026. Lien vers la source ↗

[3] International Energy Agency, Key Questions on Energy and AI, 2026, executive summary. Lien vers la source ↗

[4] ASML, Third Quarter 2026 results, 14 October 2026. Lien vers la source ↗

[5] TSMC, Third Quarter 2026 results and supporting materials, 15 October 2026. Lien vers la source ↗

[6] Schneider Electric, Half-Year 2026 results, 30 July 2026, and financial-results calendar. Lien vers la source ↗

[7] Eaton, Second Quarter 2026 results. Lien vers la source ↗

[8] International Energy Agency, Energy and AI, 2025, executive summary; historical regional electricity-consumption shares. Lien vers la source ↗

[9] Lawrence Berkeley National Laboratory, United States Data Center Energy Usage Report: 2025 Update, published June 2026. Lien vers la source ↗

[10] European Commission, AI Gigafactories call, 30 July 2026. Lien vers la source ↗

[11] European Central Bank, AI and the euro area economy, 23 March 2026. Lien vers la source ↗

[12] Microsoft, One year on: Progress on our European digital commitments, 29 April 2026. Lien vers la source ↗

[13] RTE, Annual Electricity Review 2025, generation. Lien vers la source ↗

[14] Central Statistics Office Ireland, Data Centres Metered Electricity Consumption 2025, 7 July 2026. Lien vers la source ↗

[15] BlackRock, AI Infrastructure Partnership expansion, 19 March 2025. Lien vers la source ↗

[16] Aligned Data Centers, acquisition completion and growth-capital commitment, 21 July 2026. Lien vers la source ↗

[17] Brookfield Asset Management, AI Infrastructure Program launch, 19 November 2025. Lien vers la source ↗

[18] Aldasoro, Doerr and Rees, Financing the AI boom: from cash flows to debt, BIS Bulletin 120, 7 January 2026. Lien vers la source ↗

[19] Bank for International Settlements, Circular relationships among AI firms, BIS Bulletin 137, 1 October 2026. Lien vers la source ↗

[20] International Monetary Fund, Global Financial Stability Report, October 2026, Chapter 1, especially pages 3–4 on leverage and AI financing. Lien vers la source ↗

[21] Bank for International Settlements, “Financing the digital economy: the role of private credit,” BIS Quarterly Review, September 2026. Lien vers la source ↗

[22] Bank for International Settlements, “Financing the AI infrastructure boom: on- and off-balance sheet borrowing,” BIS Quarterly Review, March 2026. Lien vers la source ↗

[23] Financial Stability Board, “Report on Vulnerabilities in Private Credit,” 6 May 2026. Lien vers la source ↗

[24] Bank for International Settlements, “Artificial intelligence, growth and financial stability: challenges for central banks,” speech, 10 September 2026. Lien vers la source ↗