Ce que le krach ferroviaire de 1873 ne nous dit pas
Tout le monde se demande si l'intelligence artificielle tiendra ses promesses. C'est la mauvaise question. La bonne est plus prosaïque : que deviendront, dans trois ans, les centaines de milliards d'euros de puces électroniques qu'on installe aujourd'hui dans les centres de données ? Car contrairement à tous les épisodes de fièvre spéculative que l'histoire a connus, celui-ci bâtit une infrastructure qui s'autodétruit.
Reprenons depuis le début. Les sept géants qui mènent la course — Amazon, Microsoft, Google, Meta, Oracle, auxquels s'ajoutent OpenAI et Anthropic — prévoient de dépenser autour de 700 milliards de dollars cette année dans les machines qui font tourner l'IA[^1]. Pour donner une idée, c'est près du double de l'an dernier, et l'équivalent du produit intérieur brut de pays entiers. Ce niveau de dépense privée dans une technologie nouvelle n'a que de rares précédents : la fibre optique à la fin des années 1990, l'électrification des années 1920, et surtout la fièvre ferroviaire américaine des années 1870.
Le parallèle qui rassure
Ce parallèle ferroviaire est devenu le préféré des observateurs inquiets. Il est juste, mais seulement à moitié. En 1873, le banquier le plus puissant des États-Unis, Jay Cooke, s'était engagé à financer une ligne transcontinentale. Il n'y parvint pas : les capitaux européens se tarirent à cause d'une guerre, et pour ne pas avouer l'échec, il puisa dans les dépôts de sa propre banque. Quand elle s'effondra, la panique gela tout. En deux ans, un tiers des obligations ferroviaires du pays cessèrent de verser des intérêts. La leçon habituelle : une vague d'investissement financée par la dette est fragile, et il suffit d'un effondrement spectaculaire pour que les attentes de tous se retournent d'un coup.
Cette leçon est de plus en plus applicable à l'IA. Pendant longtemps, on s'est rassuré en disant que les géants finançaient leurs investissements sur leurs propres profits, à l'abri des humeurs des marchés. Ce n'est plus vrai. Pour soutenir des dépenses qui atteignent désormais la moitié de leurs revenus, ils empruntent : plus de cent milliards de dollars de dette levés rien qu'en 2025, et des montages de plus en plus complexes. Le financement de l'IA est redescendu dans l'arène des marchés financiers, avec toute la vulnérabilité que cela implique. Les gérants de fonds ne s'y trompent pas : début 2026, pour la première fois depuis que l'on pose la question, une majorité d'entre eux jugeait que les entreprises surinvestissent dans l'IA[^3]. Fait remarquable, ils le pensent tout en restant investis. Ce n'est pas de l'aveuglement, mais une forme de lucidité contrainte: mieux vaut se tromper avec tout le monde qu'avoir raison seul mais trop tôt.
Un actif qui s'autodétruit
Mais voici où le parallèle ferroviaire cesse d'éclairer et se met à tromper. Un rail posé à mauvais escient dans une plaine désertique reste un rail. Il ne coûte rien à ne pas être utilisé ; il attend, il rouille lentement, il pourra servir des décennies plus tard. L'actif ferroviaire est patient. Une puce d'IA, non. Soumise à pleine charge, elle a une durée de vie utile que les estimations les plus citées situent entre un et trois ans[^2], même si le chiffre reste débattu. Passé ce délai, elle ne rouille pas lentement : elle devient soit défaillante, soit si gourmande en électricité au regard de ce qu'elle produit qu'il revient moins cher de la remplacer que de l'alimenter.
Cette différence, qui semble technique, change toute la dynamique. Une vague d'investissement portée par un actif durable peut tenir longtemps en silence, parce que rien ne presse. Une vague portée par un actif périssable porte en elle une horloge. Si le matériel doit être renouvelé tous les deux ou trois ans, et que les revenus tirés de l'IA ne suffisent pas à payer ce renouvellement, alors il faudra, à chaque cycle, retourner voir les bailleurs de fonds et leur demander de remettre au pot. Et là, quelque chose de subtil se produit.
Le premier chèque se signe sur une promesse : « nous bâtissons l'infrastructure du siècle. » Le deuxième se signe sur des résultats. Le premier excite les investisseurs ; le second les fatigue.
L'horloge interne
Avançons donc une hypothèse, présentée comme telle et non comme une certitude : cette mort programmée des machines fixe une échéance approximative. L'essentiel du déploiement actuel datant de 2024 et 2025, le premier grand rendez-vous de renouvellement tomberait vers 2027 ou 2028 — précisément le moment où il faudra à la fois rééquiper et démontrer les revenus. Ce n'est pas une date épinglée au calendrier : on peut dire que c'est la période où la tension devient maximale, sans pouvoir prédire l'événement qui déclenchera la crise, ni le jour exact où il surviendra.
L'objection des optimistes
Les optimistes répondront qu'une puce ne meurt pas en fin de course : elle « cascade ». Trop ancienne pour entraîner les modèles de pointe, elle sert encore à les faire fonctionner pour les utilisateurs, puis à des tâches plus modestes — une vie qui peut alors s'étendre à cinq ou six ans. C'est partiellement vrai. Mais cette cascade suppose un marché capable d'absorber ces puces vieillissantes, et elle bute sur un mur physique : dans un centre de données dont la consommation électrique est déjà saturée, conserver une vieille puce qui coûte plus en courant qu'elle ne rapporte à l'utilisation n'a aucun sens. La cascade ne supprime pas le problème, elle le suppose résolu.
D'où viendra l'argent ?
Reste la question qui décide de tout : d'où viendra l'argent ? Pour que cet investissement colossal se justifie, il faut qu'il produise des revenus à sa hauteur. Or les trois sources de revenu possibles déçoivent chacune à leur manière. L'abonnement d'abord : à la différence d'un logiciel classique, où servir un client de plus ne coûte presque rien, chaque réponse d'une IA consomme du calcul, donc de l'argent. Les comptes d'OpenAI le montrent crûment — une marge brute d'environ un tiers, et des pertes qui se chiffrent en milliards malgré une croissance fulgurante[^4].
La publicité ensuite, réflexe historique pour rentabiliser une masse d'utilisateurs gratuits. Mais c'est ici que se referme un piège que l'on voit rarement nommé. En répondant directement au lieu de renvoyer vers des sites, l'IA assèche le trafic web — et donc la valeur de la publicité affichée sur des pages que plus personne ne visite. Autrement dit, elle détruit le modèle publicitaire existant avant d'avoir prouvé qu'elle saura en bâtir un autre à la même échelle. Or sa propre régie publicitaire est balbutiante : les projections les plus optimistes la situent, à la fin de la décennie, loin derrière ce que rapporte la recherche en ligne aujourd'hui. Et son format résiste à la publicité, car la valeur d'un assistant tient à la confiance qu'on accorde à sa réponse — le jour où l'on soupçonne qu'une recommandation est payée, cette réponse perd ce qui la rendait utile. L'IA casse un modèle qui marchait en pariant qu'elle saura le reconstruire : un pari de plus, empilé sur les autres.
Reste la vente aux entreprises, le débouché le plus défendable — mais qui ferait de l'IA un outil professionnel de niche, plus rentable et bien plus petit que la promesse universelle qui justifie aujourd'hui les dépenses.
Le grain de sable du libre
C'est ici qu'intervient un grain de sable que les marchés sous-estiment, et qui vient du logiciel libre. Une part croissante de ce que les gens demandent à l'IA n'exige pas les modèles géants et coûteux des grands acteurs. Résumer un texte, corriger une lettre, classer des fichiers, retrouver un document, enrichir les métadonnées d'une photothèque, écrire du code courant : pour tout cela, des modèles ouverts, gratuits, tournant sur un ordinateur personnel ordinaire, font déjà très bien l'affaire. Mieux : ils le font frugalement. Une requête de ce genre, exécutée localement, consomme l'équivalent d'une à trois secondes de jeu vidéo[^5]. Le poids énergétique de l'IA ne vient pas de l'usage que vous en faites sur votre machine, mais de l'usage de masse concentré dans les centres de données — des milliards de requêtes par jour sur de gros modèles. Le jour où une solution grand public rendra leur installation aussi simple qu'installer un lecteur vidéo, une part entière des usages n'aura plus aucune raison de passer par un service payant — ni de regarder la moindre publicité puisque l'outil sera hébergé gratuitement chez soi.
On objectera que les modèles libres courent toujours derrière les modèles de pointe, et c'est exact pour les tâches les plus exigeantes — le raisonnement complexe, les agents autonomes de longue haleine. Là, le service payant gardera une clientèle. Mais pour tout le reste, le gratuit « suffisant » fait l'affaire — parce que ces tâches courantes ont un plafond : une fois qu'elles sont bien faites, payer pour « le meilleur » n'apporte rien de perceptible. Or ces tâches-là sont justement celles qu'effectuent des centaines de millions d'utilisateurs gratuits — ceux que l'abonnement de masse et la publicité étaient censés, un jour, transformer en clients payants. Si le gratuit local les satisfait, ils ne deviendront jamais payants.
Le logiciel libre ne menace pas les modèles de pointe. Il assèche la nappe de revenus ordinaires censée amortir les machines — et il le fait au moment précis où il faudra les renouveler.
Une force des GAFAM pourrait toutefois freiner ce grain de sable : ils contrôlent les portes d'entrée — systèmes d'exploitation, navigateurs, téléphones — et peuvent y installer leur IA payante par défaut, là où l'alternative libre demande une démarche volontaire. Le « par défaut » est une arme puissante. Mais un défaut ne retient que l'utilisateur indifférent, pas celui qui a une raison de basculer. Et la facture énergétique, la confidentialité des données, le coût zéro sont précisément des raisons de basculer d'autant plus fortes que le matériel devient cher à renouveler et que la pression à monétiser se fait sentir.
Ainsi le logiciel libre n'est pas, dans cette histoire, l'adversaire frontal des géants. Il ne les attaque pas, il avance simplement l'heure des comptes. Il rapproche le moment où il faudra constater que l'usage réellement solvable de l'IA est plus petit qu'on ne l'a parié.
Et si les États payaient ?
Une objection plus sérieuse mérite d'être pesée : et si les États prenaient le relais ? Plusieurs gouvernements traitent désormais l'IA comme une infrastructure de souveraineté, qu'on finance comme un porte-avions sans s'attendre à ce qu'elle « rapporte ». Un tel bailleur, mû par la nécessité stratégique plutôt que par le rendement, pourrait découpler le renouvellement du matériel de la loi du marché — et désamorcer ainsi l'horloge décrite plus haut. L'objection est réelle, mais elle se heurte à deux limites.
D'abord l'échelle : un seul des géants dépense en une année davantage en infrastructure que les plus gros plans publics étalés sur une décennie. La Commission européenne elle-même reconnaît que ses ambitions reposent « majoritairement sur des capitaux privés », l'argent public ne comblant qu'une fraction d'un gouffre chiffré en centaines de milliards[^6].
Ensuite la méthode employée : l'intervention étatique dominante aujourd'hui n'est pas la subvention qui prolonge la dépense, mais le contrôle des exportations et le filtrage des accès — restreindre la vente de puces à un rival, réserver le calcul à ses ressortissants. Or fragmenter le marché mondial en blocs étanches ne stabilise pas l'investissement : cela le rend plus fragile, en privant chaque bloc des économies d'échelle qui justifiaient les montants engagés. Loin de fluidifier la machine, l'État jette plutôt du sable dans les rouages.
La frontière invisible
Que l'on s'entende : rien de tout ceci ne signifie que l'IA ne vaut rien. Comme les chemins de fer, qui survécurent à 1873 pour porter un demi-siècle de croissance, l'IA est là pour des décennies et transformera des pans entiers de l'économie. La formation d'une bulle ne dit pas que son support est sans valeur. Elle dit qu'on a investi en pariant que tout le monde paierait, beaucoup, et longtemps.
La leçon de toutes les fièvres spéculatives, de la tulipomanie néerlandaise à la crise du chemin de fer de 1873, demeure : la frontière entre l'investissement visionnaire et l'excès de confiance ruineux est invisible tant qu'on ne l'a pas franchie. Ce que l'IA ajoute, et qu'aucune bulle avant elle n'avait connu, c'est qu'un mécanisme physique — l'usure programmée du silicium — fixe une date à laquelle il faudra bien, bilans comptables en main, regarder où passe cette frontière et s'assurer qu'on est du bon côté.
Ce texte a été rédigé avec l'aide d'un assistant IA, à partir d'une discussion où j'apportais l'analyse, les objections et les arbitrages ; l'outil tenait la plume et vérifiait les sources. C'est, accessoirement, une illustration de la thèse : l'IA excelle à structurer un raisonnement qu'on lui fournit, et ne le remplace pas.
[^1]: Estimations agrégées des dépenses d'investissement 2026 des cinq grands acteurs (Amazon, Microsoft, Alphabet, Meta, Oracle) ; fourchette d'environ 660 à 725 milliards de dollars selon les sources, révisée à la hausse après les résultats du premier trimestre, dont à peu près 75 % attribués à l'IA.
[^2]: Estimation débattue, et la plus incertaine de cet article — celle dont dépend l'échéance de 2027-2028. La fourchette de un à trois ans provient d'analyses de durée de vie sous forte charge thermique (CNBC, CITP de Princeton, fin 2025) ; un architecte de Google y avance un à deux ans pour des puces utilisées à 60-70 %. Les hyperscalers amortissent comptablement sur cinq à six ans, et une thèse concurrente, dite du « value cascade », défend une vie économique de cinq à sept ans par réaffectation à des tâches moins exigeantes.
[^3]: Enquête Bank of America auprès des gérants de fonds, début 2026 : première lecture majoritaire « les entreprises surinvestissent dans l'IA » depuis le début de cette série de données en 2005.
[^4]: Estimations 2025-2026 (Sacra, Value Add VC) : marge brute de l'ordre de 33 %, perte d'environ 14 milliards de dollars en 2026, coûts d'inférence en forte hausse. Chiffres d'une entreprise non cotée, à manier avec prudence.
[^5]: Mesures au wattmètre sur matériel grand public (Ollama, 2026) : une requête courante sur petit modèle consomme de l'ordre de 0,05 à 0,4 Wh, soit une à trois secondes de jeu vidéo sur PC dédié. L'inférence locale se fait par à-coups — un pic bref suivi d'un retour au repos. L'essentiel de l'empreinte énergétique de l'IA ne tient pas à l'usage individuel mais à l'inférence de masse : une requête modeste, multipliée par des milliards d'appels par jour sur de gros modèles dans les centres de données.
[^6]: Paquet « souveraineté technologique » de la Commission européenne, juin 2026 : environ 200 milliards d'euros pour les data centers d'ici 2036, « majoritairement privés » de l'aveu même de la Commission. À comparer aux plus de 100 milliards de dollars de capex d'un seul hyperscaler en 2025. Plan français de février 2025 : 109 milliards d'euros annoncés, dont une part publique minoritaire.
