Les entreprises ont multiplié leurs dépenses d’IA par plus de 100 entre 2023 et septembre 2026, passant de 1,7 milliard de dollars à 176,8 milliards. Cette accélération ne finance pas seulement des logiciels : elle soutient des infrastructures capables d’entraîner et d’exécuter des modèles toujours plus coûteux.
Le mouvement crée une tension nouvelle. D’un côté, Amazon, Alphabet, Microsoft et Meta Platforms consacrent des centaines de milliards de dollars aux data centers. De l’autre, le Texas, devenu un centre majeur de cette expansion, envisage de ralentir les nouveaux projets pour répondre aux contraintes du réseau électrique, de l’eau et des infrastructures locales.
La conséquence dépasse le marché des data centers. La montée des budgets IA pourrait redéfinir les fournisseurs de cloud, renforcer le poids des fabricants de puces, favoriser les entreprises capables de sécuriser leur capacité de calcul et creuser l’écart entre les grands groupes et les organisations moins capitalisées.
De 1,7 à 176,8 milliards de dollars, le budget IA change d’échelle
La progression des dépenses d’IA d’entreprise suit une trajectoire rarement observée dans les technologies numériques. Elles sont passées de 1,7 milliard de dollars en 2023 à 8,5 milliards en 2024, puis à 33 milliards en 2025. En septembre 2026, le montant atteint déjà 176,8 milliards de dollars.
Cette séquence transforme l’IA en poste d’investissement stratégique. Les directions informatiques ne financent plus seulement des expérimentations limitées ou des assistants internes. Les budgets couvrent désormais les modèles, les services cloud, les puces, les réseaux, le stockage, les outils de sécurité et l’intégration dans les systèmes existants.
La hausse ne signifie pas que chaque entreprise dépense directement des milliards. Une partie de l’effort est portée par les fournisseurs de cloud et les laboratoires d’IA, qui construisent les infrastructures nécessaires avant de les revendre sous forme de capacité de calcul, d’API ou de services managés.
Cette structure modifie la lecture du marché. Les dépenses d’un grand fournisseur peuvent apparaître comme des investissements industriels, alors qu’elles conditionnent les applications utilisées par des milliers d’entreprises. Le budget IA se diffuse donc à travers toute la chaîne technologique, du fondeur de puces jusqu’au logiciel métier.
À retenir : l’IA n’est plus seulement une ligne budgétaire dédiée à l’innovation. Elle devient une demande d’infrastructure qui mobilise le cloud, l’énergie, les data centers et les semi-conducteurs.
Les data centers deviennent le nouveau goulot d’étranglement
La capacité de calcul est désormais un facteur de différenciation aussi important que le modèle lui-même. Les entreprises qui disposent d’un accès sécurisé aux GPU et à l’électricité peuvent entraîner, déployer et mettre à jour leurs systèmes plus rapidement que celles qui dépendent de capacités disponibles au dernier moment.
Cette contrainte explique l’ampleur des investissements des grands groupes technologiques. Amazon, Microsoft, Alphabet et Meta Platforms devraient consacrer ensemble plus de 700 milliards de dollars de dépenses d’investissement en 2026, principalement dans les data centers.
Les infrastructures nécessaires à l’IA exigent davantage qu’un bâtiment équipé de serveurs. Elles requièrent des raccordements électriques de grande capacité, des systèmes de refroidissement, des réseaux à faible latence, des réserves foncières et des autorisations administratives. Chaque nouveau projet devient donc un sujet industriel et territorial.
L’augmentation des budgets peut ainsi produire un effet paradoxal : elle stimule la demande de services IA, mais elle renforce aussi la rareté des ressources nécessaires pour les fournir. Le prix d’un appel à une API ne reflète qu’une partie de cette réalité. Derrière chaque requête se trouvent des investissements de long terme dans les puces, les bâtiments et l’énergie.
Une compétition pour les emplacements et l’électricité
Le Texas occupe une place centrale dans cette compétition. Selon une analyse attribuée à Jefferies, l’État représente environ 26 % de la capacité de data centers planifiée aux États-Unis, soit près de trois fois la capacité projetée en Virginie.
Cette concentration offre aux opérateurs un accès à de vastes terrains et à une importante capacité énergétique. Elle expose aussi le secteur à un risque politique localisé : une décision sur les permis ou le raccordement peut affecter simultanément de nombreux projets.
Le gouverneur Greg Abbott a demandé aux autorités environnementales texanes de ne plus délivrer de permis pour les data centers jusqu’à la réalisation d’un audit par ERCOT, l’opérateur du réseau électrique de l’État. Cet audit concerne environ 300 projets proposés et doit examiner leur impact sur le réseau.
Le débat ne porte donc plus uniquement sur la vitesse de construction. Il porte sur la manière dont les coûts d’extension du réseau, la consommation d’eau et les avantages fiscaux sont répartis entre les opérateurs, les collectivités et les ménages.
Le moratoire texan montre que le risque réglementaire devient un risque IA
Jefferies estime que 13,3 gigawatts de projets de data centers annoncés au Texas pourraient être exposés à un moratoire. Cette estimation ne constitue pas une mesure de capacité annulée : elle désigne des projets susceptibles d’être retardés ou remis en cause par une suspension des nouvelles autorisations.
L’ordre de grandeur reste déterminant. Treize gigawatts représentent une capacité suffisamment importante pour modifier les calendriers d’approvisionnement des fournisseurs de cloud et des laboratoires d’IA. Les projets disposant déjà de l’électricité, des permis et des structures en acier sont mieux placés que ceux qui attendent encore des autorisations ou un raccordement.
Certains projets disposant d’un accès à l’électricité mais pas encore des permis environnementaux pourraient subir des retards de 12 à 18 mois, selon une analyse citée par la presse américaine. Pour un laboratoire qui planifie une nouvelle génération de modèle ou un fournisseur qui doit honorer des contrats cloud, ce décalage peut affecter le lancement d’un service, la disponibilité d’une API ou la capacité à accepter de nouveaux clients.
À retenir : les contraintes locales peuvent désormais avoir des conséquences mondiales. Un permis suspendu au Texas peut réduire la capacité disponible pour des entreprises situées bien au-delà des États-Unis.
Du risque énergétique au risque commercial
Jusqu’à présent, la disponibilité des modèles, leur prix et leurs performances dominaient les comparatifs entre fournisseurs. Les contraintes de capacité ajoutent une nouvelle variable : la garantie d’accès au calcul.
Une entreprise qui choisit un fournisseur d’IA ne compare plus uniquement une précision sur un benchmark ou un tarif par million de tokens. Elle doit aussi évaluer la stabilité du service, la capacité d’absorption des pics de demande et la possibilité de migrer vers une autre infrastructure.
Cette évolution favorise les acteurs qui contrôlent plusieurs couches de la chaîne. Un fournisseur présent dans le cloud, les puces, les data centers et les modèles peut répartir ses ressources plus facilement qu’un acteur dépendant d’un unique partenaire.
Elle renforce également l’intérêt des contrats de capacité à long terme. Au lieu d’acheter du calcul au prix du marché, certains laboratoires sécurisent à l’avance des volumes considérables auprès de fournisseurs cloud. Ces engagements réduisent le risque de pénurie, mais ils augmentent aussi la dépendance financière et opérationnelle envers quelques partenaires.
Anthropic illustre la nouvelle économie des engagements de calcul
Anthropic a conclu un engagement d’au moins 110 milliards de dollars de services cloud auprès d’Amazon, couvrant la période allant de mai 2026 à avril 2036, indépendamment de l’utilisation effective annoncée.
Cet engagement s’inscrit dans une enveloppe de dépenses de calcul d’au moins 389,9 milliards de dollars auprès de plusieurs entreprises, dont Microsoft, Alphabet et SpaceXAI. Ces montants montrent que le développement d’un laboratoire de modèles avancés dépend désormais d’accords d’infrastructure pluriannuels.
Amazon a investi environ 18 milliards de dollars dans Anthropic et s’est engagé à investir jusqu’à 15 milliards de dollars supplémentaires, selon le dépôt d’introduction en Bourse d’Anthropic rapporté par Fortune.
Alphabet détient également une participation significative dans Anthropic. La présence de plusieurs grands fournisseurs autour du laboratoire crée un écosystème de financement, de cloud et de distribution qui dépasse la simple relation entre un éditeur et son hébergeur.
Pourquoi ces participations comptent pour les entreprises
Les participations croisées et les contrats cloud rapprochent les modèles d’IA des infrastructures qui les exécutent. Les entreprises clientes peuvent bénéficier d’un accès plus large à des modèles avancés, mais elles évoluent dans un marché où les partenariats capitalistiques influencent aussi la disponibilité des services.
Le risque n’est pas limité à une hausse de prix. Il concerne également les priorités d’allocation du calcul. Lorsqu’un laboratoire réserve une grande quantité de capacité sur plusieurs années, les fournisseurs doivent arbitrer entre les besoins du laboratoire, les clients professionnels, les développeurs indépendants et leurs propres produits.
Cette dynamique peut accélérer l’innovation pour les partenaires privilégiés. Elle peut aussi rendre plus difficile l’accès aux mêmes ressources pour les entreprises qui n’ont pas la taille nécessaire pour négocier des engagements pluriannuels.
Les budgets IA vont déplacer le centre de gravité du logiciel vers l’infrastructure
La première phase de l’IA générative a surtout été associée aux applications : assistants, outils de recherche, génération de code et automatisation documentaire. La phase actuelle met davantage l’accent sur les actifs qui rendent ces applications possibles.
Les fournisseurs de puces bénéficient directement de la demande de calcul. Les opérateurs de data centers profitent de la recherche d’emplacements et de raccordements. Les fournisseurs cloud deviennent les intermédiaires entre les modèles et les entreprises. Les réseaux, les systèmes de refroidissement et les logiciels d’orchestration deviennent eux aussi des composants critiques.
Le marché technologique pourrait donc se structurer autour de trois catégories d’acteurs :
- Les fournisseurs de capacité, qui construisent les data centers, les réseaux et les infrastructures énergétiques.
- Les fournisseurs de modèles, qui entraînent et exploitent des systèmes d’IA généralistes ou spécialisés.
- Les intégrateurs, qui relient ces modèles aux données, aux logiciels et aux processus des entreprises.
La frontière entre ces catégories devient moins nette. Les fournisseurs cloud développent leurs propres modèles, les laboratoires négocient directement leur capacité de calcul et les éditeurs de logiciels ajoutent des fonctions IA à leurs produits existants.
Le logiciel devra prouver sa rentabilité plus vite
L’augmentation des dépenses d’infrastructure accroît la pression sur les applications. Un outil IA ne pourra plus se contenter d’une démonstration convaincante : il devra montrer qu’il justifie le coût du modèle, du stockage, du support et de l’intégration.
Les directions financières regarderont davantage le coût par tâche accomplie que le nombre de licences activées. Pour un assistant de programmation, l’indicateur peut être le temps économisé par développeur. Pour un outil de service client, ce peut être le coût d’une résolution ou la réduction du temps moyen de traitement.
Cette exigence favorisera les applications capables de choisir automatiquement le bon modèle selon la difficulté de la tâche. Les requêtes complexes pourront être dirigées vers un modèle plus puissant, tandis que les tâches répétitives utiliseront un modèle moins coûteux.
La concurrence ne se jouera donc pas uniquement sur la qualité maximale. Elle se jouera sur le rapport entre qualité, latence, coût et fiabilité dans un environnement où le calcul reste une ressource industrielle.
Les entreprises clientes devront sécuriser leur accès à l’IA
La hausse des budgets des fournisseurs ne garantit pas un accès illimité pour les clients. Les entreprises devront intégrer la disponibilité du calcul dans leurs choix d’architecture et de contrats.
Trois décisions deviennent prioritaires :
- Éviter de dépendre d’un seul modèle pour les processus critiques.
- Prévoir plusieurs fournisseurs cloud ou plusieurs API lorsque les coûts de migration restent acceptables.
- Mesurer le coût complet d’un cas d’usage, y compris le stockage, la supervision, la sécurité et l’intégration.
Cette stratégie ne signifie pas que toutes les entreprises doivent multiplier les fournisseurs. Une architecture trop fragmentée peut augmenter la complexité et réduire les gains d’échelle. Elle doit plutôt permettre de maintenir une solution de repli pour les fonctions dont l’interruption aurait un impact opérationnel important.
Le choix d’un modèle open source ou déployable dans un environnement privé peut aussi réduire certaines dépendances. Il ne supprime toutefois pas les besoins en GPU, en énergie et en compétences. L’autonomie logicielle ne crée pas automatiquement une autonomie d’infrastructure.
Un avantage pour les grands groupes
Les entreprises disposant de volumes importants auront davantage de moyens pour négocier des contrats, réserver de la capacité et financer des déploiements spécialisés. Elles pourront aussi amortir plus facilement les coûts fixes liés à la sécurité, à la gouvernance des données et à l’évaluation des modèles.
Les organisations plus petites pourraient privilégier des services managés, des modèles spécialisés et des cas d’usage à retour rapide. Leur avantage potentiel résidera dans des cycles de décision plus courts et dans une capacité à éviter les projets d’infrastructure trop lourds.
La concentration du calcul peut toutefois renforcer l’écart entre les deux groupes. Si les meilleurs modèles et les capacités les plus disponibles sont réservés par quelques acteurs, le coût d’entrée augmentera pour les entreprises qui arrivent plus tard.
Trois scénarios pour les six prochains mois
La trajectoire du marché dépendra de la combinaison entre demande, capacité électrique et réglementation. Trois évolutions apparaissent directement liées aux données actuellement disponibles.
Scénario 1 : les projets avancés continuent, les autres ralentissent
Les data centers disposant déjà des autorisations, de l’électricité et des structures nécessaires pourraient poursuivre leur développement. Les projets moins avancés seraient décalés, notamment au Texas, où une partie des capacités annoncées est exposée au moratoire.
Dans ce cas, les fournisseurs privilégieraient les régions disposant de raccordements disponibles. Les entreprises clientes pourraient constater une disponibilité stable pour les contrats déjà signés, mais des délais plus longs pour les nouvelles réservations.
Scénario 2 : la capacité se déplace vers d’autres États
Les opérateurs pourraient réorienter certains projets vers la Louisiane, l’Oklahoma ou d’autres régions capables d’offrir de l’électricité et des permis plus rapidement. Cette solution préserverait les investissements, mais elle ne supprimerait pas les délais liés à la conception, au raccordement et à la construction.
Le déplacement géographique augmenterait aussi la complexité des réseaux. Les fournisseurs devraient gérer plusieurs marchés de l’électricité, plusieurs cadres réglementaires et des coûts logistiques distincts.
Scénario 3 : les budgets privilégient l’efficacité
Une contrainte durable sur l’infrastructure pourrait accélérer l’adoption de modèles plus petits, de techniques de compression et d’architectures qui réduisent le nombre de requêtes envoyées aux modèles les plus coûteux.
Les entreprises chercheraient alors à améliorer la qualité des données, la sélection des contextes et l’orchestration des agents avant d’augmenter la puissance brute. Le marché ne renoncerait pas aux grands modèles, mais il les réserverait aux tâches où leur coût se justifie réellement.
Notre avis : l’avantage ira aux entreprises qui sécurisent le calcul
La hausse des budgets IA ne redéfinit pas seulement la hiérarchie entre modèles. Elle déplace le pouvoir vers les acteurs capables de garantir l’accès aux puces, aux data centers, à l’électricité et aux contrats cloud. Le moratoire texan montre que cette chaîne dépend désormais de décisions politiques et territoriales autant que de performances techniques.
Pour les entreprises, la priorité des six prochains mois devrait être claire : identifier les processus réellement stratégiques, mesurer leur coût complet et éviter qu’un fournisseur unique devienne un point de défaillance. Les grands groupes technologiques, eux, continueront probablement à investir massivement pour verrouiller leur capacité avant leurs concurrents.
Le marché pourrait ainsi récompenser moins le fournisseur qui promet le modèle le plus spectaculaire que celui qui garantit un service disponible, prévisible et économiquement soutenable. Si les budgets continuent de progresser au rythme observé entre 2023 et septembre 2026, la prochaine bataille de l’IA se jouera-t-elle d’abord dans les data centers plutôt que dans les interfaces ?