L'IA : entre promesses de révolution et scepticisme économique

L'IA : entre promesses de révolution et scepticisme économique

Dans le monde des affaires, l'intelligence artificielle suscite des attentes immenses, avec des valorisations de marché qui atteignent des sommets vertigineux. Cependant, pour ceux qui travaillent directement avec cette technologie, l'IA représente le début d'une nouvelle ère d'industrialisation de l'intelligence. Cette dichotomie alimente le débat sur l'existence d'une "bulle IA".

La question de savoir si l'intelligence artificielle constitue une bulle économique est omniprésente dans les discussions, que ce soit sur les plateaux de télévision, dans les tribunes d'opinion ou au sein des comités de réflexion, tant aux États-Unis qu'en Europe, et particulièrement en France. Cette fascination est d'autant plus paradoxale que la France, dans cette révolution principalement menée par d'autres, reste pour l'instant un observateur plutôt qu'un acteur principal.

Le constat est souvent le même : les investissements dans l'IA sont jugés excessifs, les valorisations paraissent déraisonnables, ce qui alimente l'idée d'une bulle. Cependant, cette analyse simplifie trois questions distinctes :

• Le marché boursier américain est-il surévalué ?
• Le capital investi dans l'IA est-il judicieusement alloué, au bon prix et au bon moment ?
• L'IA peut-elle réellement absorber une part significative du travail cognitif mondial ?

Il est possible de juger le marché trop cher et le capital mal alloué, tout en pensant que l'IA a le potentiel de transformer le monde. Une correction de 30 % du Nasdaq ne signifierait pas que l'IA ne crée pas de valeur, mais simplement que les marchés s'ajustent, comme ils l'ont toujours fait.

Avant de parler de valorisation, parlons de valeur

Une entreprise pérenne se distingue par deux capacités : elle crée de la valeur et en capture une partie. La valeur capturée ne peut jamais excéder la valeur créée.

Valeur capturée ≤ valeur créée.

C'est là que réside toute la fracture. Si l'on pense que l'IA se limitera à des tâches comme la rédaction de résumés ou la correction de courriels, la valeur créée est faible, et la valeur capturable l'est encore plus. Même 100 % d'une petite valeur reste une petite valeur. Dans cette optique, les investissements actuels semblent absurdes. Ce raisonnement est cohérent.

Cependant, si l'on considère que l'IA peut absorber une part massive du travail cognitif, mener des recherches, gérer des entreprises et accélérer son propre développement, alors le potentiel de création de valeur explose. Cela ne justifie pas toutes les valorisations ni chaque centre de données, mais cela signifie que le marché potentiel dépasse largement celui d'un simple logiciel de productivité.

Le débat sur la "bulle IA" semble financier, mais il repose en réalité sur une divergence profonde dans l'estimation de la valeur que cette technologie pourrait créer. Cette estimation dépend directement de l'expérience que chacun a de l'IA.

Si vous utilisez ChatGPT quelques fois par semaine pour des tâches simples, l'IA apparaît comme un assistant pratique, parfois impressionnant, mais souvent faillible. Face aux milliards investis dans l'infrastructure, il est rationnel de trouver ce décalage absurde.

En revanche, si vous utilisez des agents IA pendant des heures pour coder, tester, déployer, vendre et opérer des produits, vous voyez une technologie qui permet à une seule personne de réaliser ce qui nécessitait auparavant une équipe entière. Vous découvrez des tâches qui n'auraient jamais été accomplies en raison de leur coût prohibitif.

Ce n'est pas une question d'intelligence, mais d'échantillon. Deux personnes intelligentes peuvent arriver à des conclusions opposées parce qu'elles n'expérimentent pas la même IA. Et il est difficile d'estimer la valeur future d'une technologie à partir d'une version limitée de son présent.

Un million de dollars d'ARR en 55 jours, sans jamais dépasser trois personnes

Pour contextualiser, j'ai 26 ans, une formation en mathématiques appliquées et en intelligence artificielle à Polytechnique, un passage par le Y Combinator, et je construis des entreprises avec cette technologie depuis plusieurs années. Si l'IA réussit, je réussis avec elle. Le biais est réel.

Mais un biais n'annule pas une observation.

J'ai lancé ma dernière entreprise seul. Cinquante-cinq jours plus tard, l'entreprise dépassait le million de dollars de revenus annuels récurrents, calculés en annualisant les abonnements payants actifs. Nous n'avons jamais été plus de trois, moi compris. Une telle vitesse, à cet effectif, aurait été presque impossible sans agents IA dans toutes les fonctions de l'entreprise.

Cela ne prouve pas que Nvidia soit au bon prix ni que chaque data center soit rentable. Cela montre qu'une équipe minuscule atteint désormais une vitesse et une échelle qui étaient hors de portée il y a deux ans.

Mon entreprise (NanoCorp) pousse cette logique un cran plus loin. Un humain donne une idée, une direction, un budget. Un agent crée l'entreprise et l'opère dans les limites qu'on lui a fixées : il écrit et déploie le code, connecte un domaine, accepte des paiements, envoie des mails, lance des publicités. Avec un objectif explicite : gagner de l'argent.

Plus de 16 000 utilisateurs ont déjà lancé plus de 22 000 entreprises sur la plateforme. Ensemble, ces entreprises autonomes ont généré près de 11 000 dollars sur Internet.

Onze mille dollars, ce n'est rien à l'échelle de l'économie. Mais ce n'est plus une démo. Ce sont des agents qui trouvent de vrais clients, leur vendent de vrais produits et encaissent de vrais paiements. Un agent identifie la cible d'un produit, crée les publicités, lance la campagne sur Instagram, analyse les performances avec la télémétrie du site, modifie le produit et recommence. Un utilisateur signale un bug ? L'agent corrige le code et redéploie.

Depuis ce poste d'observation, l'IA ne ressemble pas à une promesse lointaine. Elle ressemble à un changement d'échelle dans ce qu'il est possible de construire.

Le progrès disparaît quand on regarde toujours la même tâche

On me dit souvent que les nouveaux modèles ne paraissent plus tellement meilleurs que les précédents. C'est normal, si votre benchmark personnel reste la rédaction d'un mail.

Les premiers modèles écrivaient des mails médiocres. Puis la tâche a été maîtrisée. Une fois le mail "résolu", un modèle dix fois plus puissant n'écrit pas un mail dix fois meilleur : le gain visible tend vers zéro. La valeur se déplace ailleurs. Un meilleur modèle accepte des tâches plus longues, plus ambiguës, plus difficiles. Puis des boucles complètes, avec un objectif, des outils, de la mémoire et la capacité de vérifier son propre travail.

Je vois dans l'IA l'électricité du XXIe siècle. La formule paraît grandiloquente, je l'assume : tout s'éclaire quand on regarde comment l'électricité a réellement transformé l'industrie. Les premières usines électrifiées ont remplacé leur machine à vapeur par un moteur électrique sans rien revoir d'autre : même architecture centralisée, mêmes courroies pour distribuer la puissance aux machines. Un gain, pas une révolution. La rupture est venue quand les industriels ont reconstruit l'usine autour de l'électricité : un moteur par machine, un espace organisé selon le flux de production et non selon la transmission de la force.

Nous en sommes exactement là avec l'IA. Beaucoup d'entreprises ajoutent un assistant à des processus conçus pour des humains : un moteur électrique dans une usine pensée pour la vapeur. C'est tout l'inverse de ce que nous faisons avec mon entreprise : non pas demander à l'IA d'aider marginalement chaque fonction, mais concevoir une entreprise qu'elle peut opérer de bout en bout.

Raisonner à tâche fixe masque donc l'essentiel. La valeur supplémentaire ne vient pas d'une meilleure exécution de ce que nous faisions déjà. Elle vient de l'élargissement de ce qu'il devient économiquement possible de faire. C'est le paradoxe de Jevons appliqué à l'intelligence : quand une unité de travail cognitif devient moins chère et plus capable, on n'en consomme pas moins. On lui invente de nouveaux usages.

Je l'ai mesuré sur mes propres données. Avant o1, le premier modèle de raisonnement d'OpenAI, j'envoyais quelques centaines de messages par mois à ChatGPT. Les modèles de raisonnement n'ont pas remplacé cet usage. Ils ont ouvert une catégorie entière de conversations qui s'est ajoutée à la première : plus longues, plus complexes, consacrées au code, à la recherche, à la résolution de problèmes. Mon volume mensuel est passé à environ 1 700 messages en mai et juin 2025, puis à plus de 3 000 à l'été et à l'automne. Dernier exemple en date : j'ai fait travailler un agent plus d'une semaine pour réécrire un jeu vidéo en JAX et y entraîner par renforcement de petits modèles qui jouent désormais mieux que moi. J'en avais assez de perdre. Personne n'aurait jamais payé une équipe pour ça. Un agent, si.

Le choc économique ne viendra donc pas seulement des tâches que l'IA remplace. Il viendra de tout le travail qui n'existait pas hier, parce qu'il ne valait pas son coût.

L'usage ne donne pas raison à tout, mais il donne l'information décisive

Les builders n'ont pas le monopole de la vérité. Éternels optimistes, nous pouvons surestimer la vitesse du changement et confondre un produit qui marche avec une entreprise durable. Utiliser intensivement l'IA ne dit ni qui seront les gagnants, ni leurs marges, ni leur juste valorisation.

Mais cela donne accès à une information que les ratios financiers et les démos occasionnelles capturent mal : la quantité de travail qu'il est désormais possible de déléguer à une machine.

Pas besoin de croire à l'AGI en 2027 ni aux robots humanoïdes dans chaque foyer pour entrevoir une création de valeur gigantesque. Il suffit que l'IA absorbe une fraction significative du logiciel, du support client, des ventes, du marketing, de la recherche, du juridique, de la finance et des opérations.

J'irai plus loin. Si les modèles cessaient définitivement de progresser aujourd'hui, l'essentiel de la transformation resterait devant nous. Les meilleurs modèles actuels sont à peine exploités : une infime minorité d'utilisateurs les pousse au maximum de leurs capacités, et l'immense majorité de l'économie n'y a pas encore accès.