De nombreux investisseurs s’attendent à ce que les fournisseurs de modèles et les sociétés de très grande envergure capturent une valeur importante générée par l’IA, mais ça pourrait ne pas être le cas. Nous examinons comment les entreprises cherchent à contrôler les coûts, où la valeur s’accumule et comment cette situation pourrait influer sur le paysage des placements.
9 juillet 2026
Par Tyler Frawley, CFA
Il semble que l’opinion dominante soit que les sociétés qui construisent les modèles et possèdent la puissance de calcul finiront par saisir la majeure partie de la valeur. OpenAI, Anthropic, xAI et d’autres sont largement perçus comme les bénéficiaires ultimes. Par ailleurs, les sociétés de très grande envergure engagent des centaines de milliards de dollars pour construire les infrastructures nécessaires pour soutenir l’IA. Nous croyons que le marché a largement accepté l’idée que les propriétaires des modèles et des ressources de puissance de calcul seront les principaux bénéficiaires de la révolution de l’IA.
Cette hypothèse mérite un examen plus approfondi.
À nos yeux, l’IA ressemble de plus en plus à une technologie qui créera une valeur énorme pour la société, mais que se passera-t-il si les données économiques sous-jacentes évoluent différemment des attentes actuelles de nombreux investisseurs? Il est possible que les données économiques sous-jacentes laissent entrevoir un avenir où les modèles et la puissance de calcul deviendront de plus en plus banalisés et où les entreprises qui réussissent à mettre en œuvre l’IA, plutôt que celles qui tentent de la vendre, seront réellement les plus prospères.
L’un des changements les plus importants de la dernière année a été la dynamique des prix. Pendant longtemps, les entreprises ont considéré l’IA comme des sociétés traditionnelles de logiciels d’entreprise. La société débourse des frais mensuels fixes, les employés ont un accès et les coûts sont relativement prévisibles. Cette situation change rapidement à mesure que les prix passent à des modèles fondés sur l’utilisation.
Aujourd’hui, les tarifs de la plupart des services d’IA sont établis en fonction de la consommation. Chaque invite, flux de travail, agent et déduction consomme des jetons. À ce moment-là, l’IA cesse de ressembler à des logiciels à coûts fixes et commence à ressembler davantage à un service public où l’utilisation détermine directement les dépenses.
Nous commençons déjà à en voir les conséquences. Uber a été l’un des exemples les plus éloquents, le site d’informations technologiques The Information suggérant que l’utilisation de l’IA avait pris de l’envergure assez rapidement pour consommer le budget prévu pour l’année en seulement quelques mois. Ce qui semblait gérable pendant l’expérimentation est devenu une charge d’exploitation beaucoup plus importante une fois l’adoption étendue à l’échelle de l’organisation.
La plupart des sociétés en sont encore aux premières étapes de leur courbe d’adoption, mais l’histoire montre qu’elles finiront par réagir de la même façon à toute structure de coûts qui augmente rapidement. Elles chercheront des gains d’efficacité, imposeront des contrôles, construiront elles-mêmes plus d’infrastructures et commenceront à chercher des solutions de rechange moins coûteuses pour mieux contrôler les aspects économiques.
À mesure que l’IA devient une capacité opérationnelle essentielle, les entreprises sont incitées à contrôler davantage les aspects économiques. Certaines choisiront peut-être de construire elles-mêmes des infrastructures. D’autres pourraient optimiser de plus en plus les modèles à faible coût à mesure que les capacités convergeront.
Un récent rapport non confirmé d’Axios indiquant que Microsoft a exploré l’utilisation de modèles DeepSeek à faible coût pour soutenir certaines parties de Copilot illustre cette tendance. La question de savoir si DeepSeek finira par jouer un rôle important dans la stratégie à long terme de Microsoft est moins importante que le fait que le coût est maintenant activement optimisé parallèlement à la capacité.
Coinbase a poussé cette idée un peu plus loin. Le chef de la direction Brian Armstrong a affirmé sur X que la société achemine de plus en plus les flux de travail liés à l’IA vers des modèles à faible coût lorsqu’ils sont suffisants pour la tâche, réservant les modèles frontières aux cas d’utilisation les plus exigeants seulement. Selon M. Armstrong, cette approche a aidé Coinbase à maintenir ses dépenses en IA à peu près stables, même si l’utilisation de jetons a continué d’augmenter.
Ensemble, ces exemples nous donnent à penser qu’un changement structurel plus général est peut-être en cours. Comme les capacités des modèles convergent, les entreprises sont susceptibles d’optimiser les aspects économiques autant que le rendement. Le modèle le plus avancé ne sera pas nécessairement le choix par défaut. De plus en plus, il devient un outil spécialisé pour un sous-ensemble plus restreint de tâches à valeur élevée. Dans ce contexte, les fournisseurs de modèles pourraient se trouver en concurrence non seulement sur le plan de la capacité, mais aussi, de plus en plus, sur le plan des prix et de la rentabilité.
Le défi, c’est que de nombreux fournisseurs de modèles s’appuient implicitement sur un fort pouvoir de fixation des prix pour justifier leur viabilité économique à long terme. Le secteur a été bâti sur le principe que les pertes à court terme peuvent éventuellement être converties en revenus à marge élevée. Cela exige une volonté soutenue des clients de payer des prix élevés, même à mesure que les solutions de rechange s’améliorent et que les capacités internes deviennent plus sophistiquées.
Si les fournisseurs augmentent fortement les prix, les clients reculent ou migrent. S’ils rivalisent sur le plan des prix, c’est une course à qui vendra le moins cher, et il devient difficile d’atteindre une rentabilité élevée.
La même logique s’applique aux sociétés de très grande envergure qui renforcent activement leur capacité de vente à l’externe. Il ne fait aucun doute que la demande d’IA est réelle et qu’elle croît rapidement. Selon nous, la question essentielle est de savoir si la fourniture de puissance de calcul à grande échelle demeurera une activité structurellement intéressante au fil du temps.
La viabilité économique pourrait commencer à ressembler à celle des marchés des marchandises traditionnels.
Le pétrole, le gaz naturel et l’électricité sont tous importants. Des économies entières en dépendent. Toutefois, l’importance à elle seule ne garantit pas une robuste viabilité économique ni une rentabilité durable. Lorsque l’offre croît de façon musclée et devient de plus en plus interchangeable, les forces concurrentielles tendent à comprimer les rendements au fil du temps.
Un récent rapport de Bloomberg indiquant que Meta a exploré la possibilité de vendre sa puissance de calcul excédentaire à des clients externes pourrait également se révéler instructif. Bien que cette décision, qui n’a pas été confirmée par Meta, puisse refléter un effort visant à mieux monétiser les infrastructures existantes, elle soulève également la possibilité que certains fournisseurs de très grande envergure accroissent actuellement leurs capacités en se fondant sur leurs propres prévisions quant à la demande future. Si la capacité excédentaire doit de plus en plus être vendue sur le marché, la concurrence pour les charges de travail s’intensifie et le pouvoir de fixation des prix dans l’ensemble du secteur devient plus contesté.
Nous pensons que toutes les sociétés de très grande envergure investissent actuellement massivement pour répondre à la demande future. Ce niveau d’investissement peut être entièrement rationnel dans un marché en croissance. Cependant, si la puissance de calcul devient abondante, les modèles convergent sur le plan des capacités et les entreprises intériorisent de plus en plus les flux de travail liés à l’IA, le modèle d’affaires du secteur pourrait commencer à se rapprocher à celui des infrastructures et à s’éloigner de celui des logiciels.
Les infrastructures peuvent être grandes, essentielles et durables, mais elles soutiennent rarement des ratios de valorisation supérieurs soutenus une fois que la concurrence se normalise et que l’intensité du capital demeure élevée.
Tous ces éléments nous portent à croire que la valeur économique réelle de l’IA pourrait ultimement s’accumuler ailleurs. Les premières données réelles émergent déjà dans un éventail de secteurs.
Dans le secteur bancaire, JPMorgan Chase estime que les gains de productivité chez les ingénieurs en logiciels qui utilisent des outils internes de codage de l’IA pourraient débloquer plus de 1 milliard de dollars en valeur organisationnelle potentielle, selon les rapports de Reuters. Dans le segment de la machinerie, Deere & Company a affirmé que sa technologie See & Spray, alimentée par l’IA, a réduit l’utilisation d’herbicides de près de 60 %, ce qui a considérablement diminué les coûts des intrants pour les clients tout en améliorant la précision. Dans les soins de santé, HCA Healthcare a annoncé le déploiement de l’IA dans la documentation, la dotation en personnel et la gestion du cycle de revenu afin de réduire le fardeau administratif et d’améliorer l’efficacité opérationnelle.
Le dénominateur commun : la valeur ne provient pas de la vente de modèles ou de la location de puissance de calcul, mais de l’utilisation de l’IA pour améliorer la productivité, réduire les coûts, améliorer l’expérience client et prendre de meilleures décisions. Ces sociétés n’ont pas nécessairement besoin des modèles ou des infrastructures les plus avancés; elles n’ont qu’à appliquer l’IA là où elle compte.
En fin de compte, l’IA peut ressembler plus à de l’électricité qu’à des logiciels. La valeur n’est pas saisie principalement par le producteur, mais par les systèmes qui s’y rattachent.
Si ce scénario a lieu, les sociétés qui accaparent la majeure partie des retombées économiques ne seront peut-être pas celles qui vendent l’IA. Il se peut que ce soit celles qui l’utilisent efficacement.
RBC Gestion de patrimoine est une division opérationnelle de Banque Royale du Canada. Veuillez cliquer sur le lien « Conditions d’utilisation » qui figure au bas de cette page pour obtenir plus d’information sur les entités qui sont des sociétés membres de RBC Gestion de patrimoine. Nous n’approuvons ni ne recommandons le contenu de cette publication, qui est fourni à titre d’information seulement et ne vise pas à donner des conseils.
® / MC Marque(s) de commerce de Banque Royale du Canada utilisée(s) sous licence. © Banque Royale du Canada 2026. Tous droits réservés.
Nous voulons discuter de votre avenir financier.