Les dépenses en IA approchent les 1 000 Md$ annuels

L’IA n’est plus un budget expérimental

Le dernier signal est spectaculaire: aux États-Unis, les dépenses réelles en équipements de traitement de l’information, catégorie qui inclut les centres de données et le matériel informatique, ont dépassé l’investissement résidentiel au deuxième trimestre, à 752 milliards de dollars contre 748 milliards [1]. L’écart est faible en apparence. Mais économiquement, il marque un basculement majeur.

Depuis des décennies, l’immobilier résidentiel est l’un des grands moteurs cycliques de l’économie américaine. Quand les taux baissent, les ménages achètent, les promoteurs construisent et l’activité redémarre. Quand les taux montent, le logement ralentit. Aujourd’hui, une partie croissante du capital se dirige ailleurs: vers les serveurs, les accélérateurs, les réseaux, les bâtiments industriels et l’énergie nécessaires à l’IA.

Selon les données reprises par Fortune et IndexBox le 20 septembre, les hyperscalers dépensent à un rythme tel que les investissements d’un petit groupe d’entreprises pourraient bientôt approcher 1 000 milliards de dollars par an [1] [3]. IndexBox souligne aussi que les dépenses en équipements de traitement de l’information ont progressé de 51%, tandis que l’investissement résidentiel a reculé de 18% depuis son pic du début 2021 [3].

Autrement dit, l’IA n’est plus seulement une vague technologique. C’est un cycle industriel.

Pourquoi le logement passe derrière

Ce dépassement ne signifie pas que le logement a cessé d’être important. Il signifie plutôt que le secteur immobilier est freiné au moment même où l’infrastructure IA accélère. Fortune rapporte que le taux hypothécaire à 30 ans est proche de 7%, un niveau qui pèse sur les acheteurs, bloque les propriétaires dans leurs anciens prêts à bas taux et décourage une partie de la construction neuve [1].

L’investissement résidentiel est très sensible au coût de l’argent. Une hausse des taux se transmet rapidement aux mensualités, aux permis de construire et aux mises en chantier. Les centres de données, eux, obéissent à une autre logique. Les grands opérateurs cloud les financent avec leur trésorerie, de la dette, des contrats de long terme, des structures de leasing ou des partenariats. Le niveau des taux compte, mais la variable décisive reste l’anticipation de la demande future en calcul IA.

C’est ce contraste qui rend la comparaison si forte. Une maison et un centre de données mobilisent tous deux du foncier, de l’énergie, des matériaux, des permis et des équipes de construction. Mais la maison est un actif durable lié au patrimoine des ménages. Le centre de données est un pari financier sur la demande future de calcul.

Le chiffre des 1 000 milliards devient plus complexe

Quand on parle de dépenses IA, il ne faut pas imaginer uniquement des GPU. La facture comprend les accélérateurs, la mémoire, les équipements réseau, le refroidissement, les bâtiments, les raccordements électriques, les contrats d’énergie, les logiciels d’orchestration et parfois des engagements financiers difficiles à lire dans les seules dépenses d’investissement publiées.

UBS estime désormais que les dépenses d’investissement liées à l’IA atteindront 998 milliards de dollars en 2026, presque le double des 506 milliards enregistrés en 2025, avant de grimper à 1 447 milliards en 2027 [2]. Le point le plus important de cette estimation est la mémoire: UBS prévoit que les dépenses de mémoire passeraient de 71 milliards de dollars en 2025 à 367 milliards en 2026, puis à 923 milliards en 2027 [2].

Cela change la nature du débat. Si la hausse des dépenses reflète surtout plus de capacité utile, elle peut soutenir la productivité et de nouveaux services. Si elle reflète surtout une flambée des prix de la mémoire, une partie du choc correspond davantage à un transfert de revenus vers les fournisseurs qu’à une augmentation immédiate de la production réelle. UBS précise que les hausses tirées par les prix contribueraient moins au PIB réel américain que les hausses tirées par les volumes [2].

Les hyperscalers construisent avant la preuve complète de la demande

Le pari des hyperscalers est simple: mieux vaut construire trop tôt que manquer de capacité si l’IA devient la prochaine grande plateforme informatique. Fortune cite des estimations de S&P Global selon lesquelles les dépenses d’investissement d’Alphabet, Amazon, Microsoft, Meta, Oracle et SpaceX dépasseraient 1 300 milliards de dollars en 2027, contre 870 milliards prévus en 2026 et 470 milliards en 2025 [1].

Mais ce pari crée une contrainte: il faut maintenant que les revenus suivent. Startup Fortune, dans une analyse publiée le 21 septembre, rappelle que S&P voit les dépenses croître plus vite que les revenus et que le redressement du cash-flow opérationnel libre pourrait prendre du temps [4]. C’est le point sensible du cycle. Les hyperscalers investissent comme si la demande en IA allait absorber rapidement cette capacité. Si les entreprises clientes, les consommateurs ou les applications professionnelles ne monétisent pas assez vite les modèles, une partie de l’infrastructure risque d’être sous-utilisée.

La comparaison avec le logement s’arrête aussi ici. Un logement peut rester utile pendant des décennies. Un cluster de calcul vieillit beaucoup plus vite. Les générations de puces se succèdent, les coûts d’inférence changent et les architectures deviennent obsolètes. La fenêtre de rentabilité est donc plus courte.

Les goulets d’étranglement deviennent physiques et politiques

À cette échelle, l’IA rencontre l’économie matérielle. Les puces ne suffisent pas. Il faut des postes électriques, des lignes de transmission, des systèmes de refroidissement, de l’eau, du foncier, des permis, des groupes de secours et des raccordements au réseau. Startup Fortune souligne que cette ruée vers la capacité oppose désormais les besoins nationaux des investisseurs aux inquiétudes locales sur les factures d’électricité, le bruit, les chantiers, les générateurs et les infrastructures visibles [4].

Le risque politique est déjà là. Fortune rapporte qu’un sondage NBC News indique que 64% des électeurs inscrits seraient moins enclins à soutenir un candidat favorable à la construction d’un centre de données dans leur communauté [1]. Ce n’est pas forcément un rejet de l’IA. C’est le signe que l’empreinte physique de l’IA devient locale: consommation électrique, eau, bruit, circulation de chantier et pression sur les réseaux.

Le mot « cloud » donne l’impression d’une infrastructure légère et invisible. En réalité, l’IA ressemble de plus en plus à une industrie lourde. Elle exige du béton, de l’acier, des transformateurs, de la fibre, des centrales, des crédits et des engagements de long terme. Apparemment, le cloud doit maintenant souscrire un prêt immobilier.

Ce qu’il faut surveiller maintenant

Le premier indicateur à suivre est la capacité des revenus à rattraper les dépenses. Si les revenus cloud liés à l’IA, les abonnements, les usages en entreprise et les économies de productivité accélèrent, les montants actuels pourront être interprétés comme une infrastructure construite en avance. Si la demande déçoit, ces mêmes montants ressembleront à une surcapacité.

Le deuxième indicateur est la mémoire. UBS estime que la mémoire pourrait passer de 14% des dépenses IA en 2025 à 64% en 2027 [2]. Si ce scénario se confirme, le pouvoir de prix se déplacera vers les fabricants de mémoire, tandis que les opérateurs cloud devront absorber la hausse ou la répercuter à leurs clients.

Le troisième indicateur est le financement. Plus le cycle dépend de la dette, des baux, des garanties et des structures hors bilan, plus les investisseurs regarderont les flux de trésorerie plutôt que la seule croissance du chiffre d’affaires. Fortune note que les hyperscalers ont commencé à émettre davantage de dette pour compléter leur trésorerie, alors même que S&P avertit que les dépenses d’investissement progressent plus vite que les revenus [1].

Le fond du sujet

Des dépenses IA proches de 1 000 milliards de dollars par an ne sont pas seulement un symbole de confiance technologique. Elles montrent une réallocation massive du capital vers le calcul, à une échelle comparable aux grands secteurs physiques de l’économie.

Si le pari réussit, l’infrastructure IA deviendra la base industrielle de la prochaine économie numérique. S’il échoue, les conséquences dépasseront largement les valeurs technologiques: fournisseurs de puces, producteurs d’électricité, services publics, constructeurs, marchés du crédit, élus locaux et clients cloud seront tous exposés.

Pour l’instant, le message est clair: l’IA est sortie du laboratoire. Elle est entrée dans les comptes nationaux.

Sources des dernières 72 heures

1. [1]U.S. economy hits pivotal milestone: Spending on data centers and other information-processing hardware now exceeds housing investment20 sept. 2026, 18:04 UTC
2. [2]UBS now expects AI capex to reach nearly $1tn this year and around $1.4tn by 202719 sept. 2026, 04:50 UTC
3. [3]AI Investment Boom Overtakes Housing as $1 Trillion Spending Reshapes U.S. Economy20 sept. 2026, 00:00 UTC
4. [4]Data Center Spending Just Overtook Housing as a Driver of the US Economy21 sept. 2026, 00:33 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.