Les géants tech soumis à de nouvelles règles sur les coûts de l’IA

La course à l’IA arrive dans les annexes comptables

La bataille de l’intelligence artificielle a longtemps été racontée avec des mots spectaculaires: modèles plus puissants, puces rares, centres de données géants, assistants capables de transformer le travail. Elle se déplace désormais vers un terrain moins visible mais décisif: les notes annexes aux états financiers. Alphabet, Meta et d’autres grands groupes technologiques se préparent à appliquer de nouvelles exigences du Financial Accounting Standards Board qui doivent rendre certaines dépenses beaucoup plus lisibles pour les investisseurs [1].

La règle concernée est connue sous le nom de disaggregation of income statement expenses, ou DISE. Selon Bloomberg Law, elle demandera aux entreprises de détailler davantage des postes comme la rémunération des salariés et la dépréciation d’actifs, aujourd’hui souvent inclus dans de grandes catégories telles que la recherche et développement, le coût des ventes ou les frais commerciaux, généraux et administratifs [1]. Pour des entreprises qui dépensent massivement en infrastructures, ingénieurs, modèles et capacités de calcul, ce changement peut modifier la manière dont le marché lit la rentabilité de l’IA.

Il ne s’agit pas d’imposer une ligne unique intitulée “coûts de l’IA”. La logique est plus fine. Les nouvelles informations devraient permettre d’ouvrir certaines boîtes noires comptables, là où les dépenses liées à l’IA peuvent se mêler à d’autres coûts: salaires d’équipes techniques, amortissement de centres de données, infrastructures cloud, actifs logiciels ou coûts indirects [1]. L’objectif est de donner aux investisseurs davantage d’indices pour distinguer ce qui relève d’un investissement durable de ce qui pèse immédiatement sur les marges.

Pourquoi les investisseurs demandent plus de détails

Le problème actuel tient à la nature hybride de la dépense IA. L’entraînement d’un grand modèle peut ressembler à un pari de long terme. L’inférence, c’est-à-dire l’exécution du modèle pour répondre aux utilisateurs, peut se comporter comme une dépense opérationnelle variable. Les centres de données et les puces spécialisées peuvent apparaître sous forme de dépenses d’investissement, de dépréciation, de contrats de location ou de structures de financement. Les chercheurs et ingénieurs, eux, passent par les charges de personnel.

Lorsque tous ces éléments sont regroupés dans des lignes comptables très larges, il devient difficile de savoir si l’IA construit un avantage durable ou si elle augmente simplement le coût de fonctionnement des plateformes. Bloomberg Law rapporte qu’Alphabet a enregistré 18,2 milliards de dollars de dépenses de recherche et développement au deuxième trimestre, tandis que Meta a affiché 21,6 milliards de dollars de dépenses de R&D sur la même période [1]. Ces montants impressionnent, mais la question la plus importante est leur composition.

Un dollar de dépréciation lié à un centre de données n’envoie pas le même signal qu’un dollar de rémunération. Un dollar investi dans une infrastructure réutilisable ne se compare pas directement à un dollar dépensé pour servir une requête supplémentaire. Les investisseurs veulent donc une cartographie plus précise, au moment même où les promesses de retour sur investissement deviennent centrales dans la valorisation des géants technologiques.

Une transparence utile, mais pas magique

Les nouvelles règles amélioreront la visibilité, sans rendre toutes les stratégies parfaitement comparables. Deux entreprises pourront publier plus de détails sur les salaires et les dépréciations, tout en ayant des modèles économiques très différents. L’une peut construire ses propres modèles, une autre louer de la capacité de calcul, une troisième intégrer l’IA dans la publicité, le cloud, les réseaux sociaux ou les logiciels de productivité.

DISE n’est donc pas une formule magique de retour sur investissement. La règle vise à désagréger certaines dépenses, pas à créer un indicateur universel de rentabilité de l’IA. Elle aidera les analystes à poser de meilleures questions, mais elle ne dira pas si un modèle est meilleur qu’un autre, si les clients paieront durablement pour des fonctions d’IA, ou si les gains de productivité compenseront la facture d’infrastructure.

Même ainsi, le changement peut être important. Si les investisseurs voient que la dépréciation progresse plus vite que les revenus, ils interrogeront l’utilisation réelle des capacités. Si les charges de personnel liées à l’IA gonflent sans conversion commerciale évidente, ils questionneront le levier opérationnel. Si des coûts jusque-là absorbés dans des lignes générales deviennent visibles, les conférences de résultats pourraient devenir beaucoup plus précises.

L’ombre des engagements hors bilan

Cette évolution comptable intervient au moment où le financement de l’infrastructure IA devient lui aussi plus sophistiqué. Un article du Financial Times repris par Folha le 20 septembre indique que les grandes entreprises technologiques étendent l’usage de garanties pour soutenir des dettes liées aux centres de données et aux puces d’IA, avec jusqu’à 300 milliards de dollars d’engagements en moins d’un an, tout en inscrivant peu de cette exposition directement à leur bilan [2]. L’article décrit notamment des garanties de valeur résiduelle, par lesquelles une entreprise soutient une valeur future minimale pour des puces ou des centres de données, souvent via des véhicules à vocation spéciale [2].

Ce point est essentiel, car la question des coûts de l’IA ne se limite pas aux charges d’exploitation. Elle concerne aussi l’endroit où le risque économique est logé. Si un centre de données est financé par une entité séparée et appuyé par une garantie, l’exposition réelle peut être plus difficile à lire qu’une dette d’entreprise classique. Folha rapporte que des banquiers décrivent ces garanties comme efficaces du point de vue du bilan, car elles permettent aux groupes technologiques de mettre leur solidité financière au service de projets sans comptabiliser intégralement les passifs eux-mêmes [2].

Golem a également couvert cette tendance le 21 septembre, en expliquant que Meta, Broadcom et Nvidia utilisent des garanties de valeur résiduelle autour de véhicules spécifiques liés aux centres de données ou aux puces [3]. Le média allemand rapporte aussi que les engagements hors bilan et soutiens de crédit de sept grands hyperscalers et fabricants de puces dépassent 3 100 milliards de dollars, selon l’analyse du Financial Times [3]. Ces montants donnent le contexte: les investisseurs ne veulent plus seulement connaître le montant des dépenses d’investissement visibles, mais comprendre l’ensemble de l’architecture financière de l’IA.

Ce que cela change pour les Big Tech

Pour les entreprises, le premier défi est pratique. Il faut identifier les composantes de dépenses pertinentes, les relier aux lignes du compte de résultat, harmoniser les systèmes internes et préparer des informations suffisamment robustes pour les auditeurs comme pour les investisseurs. Bloomberg Law cite Chris Bolash, associé chez EY, qui conseille aux entreprises de commencer “hier”, signe que le chantier de conformité sera lourd en données [1].

Le défi stratégique est peut-être encore plus important. Une fois les coûts mieux détaillés, les entreprises auront moins de marge pour s’abriter derrière des récits généraux sur la productivité future. Elles devront expliquer pourquoi la dépréciation augmente, comment les coûts d’inférence évoluent avec l’échelle, où se situent les charges de personnel, et comment l’IA affecte les marges brutes ou opérationnelles.

Cela pourrait modifier les comparaisons entre géants technologiques. Une entreprise qui possède ses propres infrastructures n’aura pas le même profil de coûts qu’une entreprise qui loue de la capacité. Un groupe qui entraîne des modèles propriétaires de frontière ne ressemblera pas à un acteur qui assemble des modèles tiers dans ses produits. Une société qui monétise l’IA via le cloud fera face à d’autres questions qu’une plateforme qui l’intègre dans des services grand public.

Une compétition comptable autant que technologique

La leçon est claire: l’IA n’est plus seulement une compétition de modèles, de talents et de puces. C’est aussi une compétition d’allocation du capital, de financement et de lisibilité comptable. Les entreprises capables d’expliquer clairement leurs coûts d’IA pourraient rassurer les investisseurs, même si leurs dépenses restent énormes. Celles qui n’y parviennent pas risquent de voir grandir le scepticisme.

DISE ne rendra pas l’IA entièrement explicable dans une feuille Excel. Mais la règle forcera une partie de l’architecture des coûts à apparaître plus nettement. Pour un secteur où des centaines de milliards de dollars sont engagés dans les centres de données, les puces, les salaires, la dépréciation et les montages financiers, c’est un changement significatif. L’époque du “faites-nous confiance, le retour sur investissement arrivera” laisse place à une question plus exigeante: montrez où sont les coûts, comment ils évoluent, et quand ils deviennent des rendements.

Sources des dernières 72 heures

1. [1]Big Tech Braces for Accounting Rules Set to Demystify AI Costs21 sept. 2026, 08:45 UTC
2. [2]Big techs usam outras empresas para deixar US$ 300 bi fora dos balanços21 sept. 2026, 02:00 UTC
3. [3]Investitionen in KI: Tech-Konzerne lagern immer mehr Schulden aus21 sept. 2026, 07:59 UTC

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