Goldman avertit que le marché de l'IA est un élastique prêt à se rompre

Le stratège de Goldman Sachs, Rich Privorotsky, a émis une note de prudence sur le marché de l'intelligence artificielle, caractérisant son état actuel comme un 'élastique' tendu face à des tensions croissantes provenant de tendances divergentes. L'analyse, détaillée le 23 juin 2026, met en lumière un écart croissant entre les prévisions de dépenses d'investissement en capital des principaux fournisseurs de cloud et la diminution rapide du coût de développement de logiciels d'IA sur des plateformes alternatives. Cette dynamique s'est reflétée dans les premières actions du marché alors qu'Intel Corp. (INTC) a bondi de 16,38 % à 140,94 $, tandis que Goldman Sachs (GS) lui-même a échangé à 1 106,37 $, en hausse de 0,66 %, à 09:56 UTC aujourd'hui. Les commentaires de Privorotsky signalent une préoccupation quant à la durabilité des valorisations actuelles alors que les économies sous-jacentes évoluent.

Contexte — pourquoi cela compte maintenant

Le cycle d'investissement actuel dans l'IA, qui a commencé sérieusement avec la commercialisation des grands modèles de langage à la fin de 2022, a été fondé sur des dépenses en capital toujours croissantes pour l'infrastructure informatique. Des précédents historiques, tels que le développement de l'infrastructure de la bulle Internet de 1999-2000 et le cycle de dépenses d'investissement en capital 5G de 2018-2020, montrent que les cycles de demande de matériel atteignent souvent leur pic juste au moment où la couche logicielle devient plus efficace et accessible. Le déclencheur de l'examen actuel est une confluence d'annonces de dépenses record de la part des hyperscalers — Amazon Web Services, Microsoft Azure et Google Cloud — coïncidant avec la maturation des modèles d'IA open-source et des outils de développement qui réduisent la dépendance à des plateformes propriétaires et coûteuses. Ce découplage de l'investissement matériel de l'innovation logicielle crée la tension fondamentale identifiée par Privorotsky.

Le contexte macroéconomique de ce changement inclut un environnement de taux d'intérêt stabilisant, avec le rendement des bons du Trésor à 10 ans se maintenant près de 4,3 %. Cela offre une certaine certitude pour le financement d'infrastructure à long terme, mais augmente également le taux de rendement requis pour les projets nécessitant d'énormes capitaux initiaux. La chaîne de catalyseurs est directe : les engagements pluriannuels des hyperscalers à construire des centres de données et à acquérir des semi-conducteurs avancés comme les GPU H100 et B200 de Nvidia ont propulsé les valorisations des fabricants de puces, tout en finançant simultanément le développement d'outils qui pourraient finalement éroder leur pouvoir de fixation des prix. Cela crée un cycle auto-limitant où le succès de l'investissement engendre des alternatives concurrentielles.

Données — ce que les chiffres montrent

Les données du marché illustrent l'intense concentration sur l'infrastructure de l'IA. La montée intrajournalière d'Intel de 16,38 % a propulsé son prix de l'action à un sommet de 141,45 $, reflétant une augmentation de la capitalisation boursière de plus de 20 milliards de dollars en une seule séance. Ce mouvement dépasse de loin le secteur technologique plus large et les gains plus modestes de l'indice S&P 500 depuis le début de l'année. La performance boursière de Goldman Sachs, un gain de 0,66 % à 1 106,37 $, souligne la réception par le marché de sa perspective analytique par rapport aux actions directes sur la tendance.

Les prévisions de dépenses en capital des hyperscalers ont considérablement augmenté. Les projections de dépenses agrégées pour 2026 des trois principaux fournisseurs de cloud dépassent désormais 180 milliards de dollars, soit une augmentation de plus de 25 % par rapport à l'année précédente. Ces dépenses sont fortement orientées vers une infrastructure optimisée pour l'IA. En revanche, le coût de formation et d'inférence pour certains modèles d'IA a chuté. Les données de référence montrent que le coût de formation d'un modèle de langage à la pointe de la technologie a diminué d'environ 70 % depuis 2024 grâce à des améliorations algorithmiques et à la disponibilité de solutions matérielles non propriétaires plus efficaces. La divergence est frappante : les coûts d'entrée en capital augmentent tandis que la valeur de sortie, en termes de capacité logicielle accessible, devient moins chère à produire.

Indicateur	Base 2024	Niveau mi-2026	Changement
Dépenses en capital des 3 principaux hyperscalers	~144B $	>180B $	+25 %+
Coût de formation des modèles d'IA (indice)	100	~30	-70 %

Analyse — ce que cela signifie pour les marchés / secteurs / tickers

L'effet immédiat de second ordre est une bifurcation au sein du secteur technologique. Les entreprises d'équipement en capital de semi-conducteurs et les concepteurs de puces exposés à la demande des hyperscalers, tels qu'AMD et Broadcom, pourraient continuer à voir la force des commandes à court terme. Cependant, les entreprises dont les valorisations dépendent d'une rareté perpétuelle de calcul d'IA, y compris certains fabricants de puces d'IA purs, font face à un risque accru si la marchandisation des logiciels s'accélère. L'environnement de développement moins coûteux bénéficie aux entreprises de logiciels d'entreprise et aux startups qui peuvent désormais construire des fonctionnalités avancées d'IA sans posséder d'énormes infrastructures, ce qui pourrait dynamiser des secteurs tels que le SaaS et la cybersécurité.

Une limitation clé à la thèse de l'"élastique" est le potentiel de percées imprévues dans l'IA qui exigent un matériel encore plus puissant et spécialisé, réinitialisant la courbe des coûts. Les tendances actuelles en matière de calcul quantique-hybride et d'architectures neuronales de nouvelle génération suggèrent que la demande en matériel pourrait à nouveau augmenter. Les données de positionnement indiquent que les fonds institutionnels à long terme restent fortement pondérés dans les actions de semi-conducteurs, tandis que les fonds spéculatifs ont commencé à établir des positions courtes dans des entreprises perçues comme trop dépendantes des dépenses des hyperscalers, qui manquent de délais de monétisation clairs. Les flux se dirigent vers les entreprises développant des applications d'IA avec des modèles de revenus clairs par rapport à celles vendant des équipements d'infrastructure.

Perspectives — quoi surveiller ensuite

Le principal catalyseur pour tester l'analogie de l'élastique sera le prochain tour de rapports de résultats des hyperscalers, commençant par Alphabet le 23 juillet, suivi de Microsoft et Amazon fin juillet et début août. Les investisseurs scruteront la rentabilité des divisions cloud et les prévisions de dépenses en capital pour tout signe de décélération ou de prudence. Les niveaux clés à surveiller incluent l'indice Nasdaq-100 se maintenant au-dessus de 19 500 et l'indice des semi-conducteurs de Philadelphie (SOX) maintenant un soutien à sa moyenne mobile sur 100 jours.

Les événements industriels à venir incluent l'exposition technologique Computex Taipei début juin, où de nouvelles architectures de puces sont souvent dévoilées, et la conférence Allen & Co. à Sun Valley en juillet, un lieu de négociation majeure dans les médias et la technologie qui pourrait signaler des tendances de consolidation. Une rupture en dessous de 130 $ pour Intel ou un échec de Nvidia à maintenir son élan au-dessus de 120 $ signalerait un potentiel retournement de sentiment. La réaction du marché à ces événements déterminera si l'élastique se rompt violemment ou continue de se tendre.

Questions Fréquemment Posées

Que signifie la théorie de l'élastique de l'IA pour les investisseurs particuliers ?

La théorie suggère que les investisseurs particuliers devraient différencier les entreprises construisant une infrastructure d'IA et celles l'utilisant pour créer des produits. Alors que les actions d'infrastructure sont volatiles et liées aux cycles de dépenses en capital, les entreprises axées sur les applications peuvent offrir une croissance plus stable à mesure que les outils d'IA deviennent moins chers. Les portefeuilles des investisseurs particuliers fortement concentrés dans les ETF de semi-conducteurs pourraient nécessiter un rééquilibrage si les dépenses des hyperscalers atteignent un pic, soulignant l'importance de la diversification à travers la chaîne de valeur de l'IA plutôt que de parier uniquement sur le matériel.