La Chine vient de voir 480 milliards de dollars s'évaporer sur ses valeurs IA. Wall Street commence à paniquer sur la dette des data centers.
Tout le monde parle de la même bulle. Moi je vois deux problèmes qui n'ont presque rien à voir.
Que s'est-il passé en Chine ?
Le STAR50, l'indice de Shanghai qui regroupe les leaders chinois de l'IA et des semi-conducteurs, a perdu 40% depuis son sommet de juillet. Environ 480 milliards de dollars de capitalisation partis en moins de quatre mois, selon le décompte de Reuters.
Les noms qui ont le plus morflé :
- Unitree, le fabricant de robots humanoïdes, a perdu environ la moitié de sa valeur depuis son introduction en août
- MetaX et Moore Threads, présentés comme les Nvidia chinois, ont à peu près été divisés par deux depuis juillet
Et ça ne s'arrête pas à la tech.
Goldman Sachs estime que les valeurs liées à l'IA pèsent 42% de la capitalisation et 57% des volumes échangés sur les actions chinoises (A-shares et H-shares). Quand un seul thème porte autant de poids, c'est tout le marché qui tousse.
Petite précision quand même : les 40 % et les 480 milliards sont des données de marché. "Bulle éclatée" est un jugement, celui de Reuters. Le Global Times, de son côté, parle d'un simple repli.
Et Pékin avait lui-même publié début octobre des lignes directrices qui mettaient en garde contre les bulles d'investissement dans l'IA. Le signal était là.
Mais la Chine n'attend pas la même chose de l'IA
Pour moi, c'est la clé pour comprendre la chute chinoise.
En Occident, on attend de l'IA qu'elle écrive, qu'elle code, qu'elle raisonne. La Chine, elle, a mis une très grosse partie de ses billes sur l'IA incarnée. La robotique. Et surtout l'humanoïde.
Et c'est là que ça pêche.
Un bras articulé sur une ligne de prod, on sait faire depuis des décennies. Environnement contrôlé, trajectoire connue, tâche répétée.
Un humanoïde qui évolue dans un environnement ouvert, c'est une tout autre histoire. Il doit percevoir, comprendre, planifier, corriger. Ce n'est plus un problème de mécanique. C'est un problème d'intelligence.
Et cette intelligence n'est pas encore là.
Soyons clairs : ces robots ne fonctionnent pas. À moins de les acheter pour les regarder se déplacer.
Ils sont vendus pour accomplir des tâches. Et la plupart n'y arrivent toujours pas. Une partie des démos qu'on voit passer sont d'ailleurs téléopérées ou scriptées pour la caméra.
Un robot qui fait un salto mais qui ne sait pas quoi faire en arrivant devant un carton, ce n'est pas un produit. C'est un composant.
Et l'un ne marchera jamais sans l'autre : pas d'humanoïde utile sans une IA capable de le piloter.
Les Chinois ont voulu être en avance de phase sur l'autonomie. Il va falloir patienter. Probablement jusqu'à une forme de mini AGI, au moins sur la partie perception et décision, avant que l'humanoïde sorte vraiment des salons et des vidéos virales.
Le marché a pricé un futur qui n'est pas encore livrable.
Ils ont vendu un produit fini alors qu'ils avaient un composant. Les investisseurs ont payé pour le produit. Ils découvrent qu'ils ont acheté le composant.
Je nuance quand même : la robotique n'explique pas tout. Les GPU chinois ont pris la même claque, et la concentration du marché a fait le reste. Mais Unitree divisé par deux, c'est le symbole parfait d'une promesse arrivée trop tôt.
Et Wall Street, c'est quoi le problème ?
Côté américain, rien à voir.
Une grosse partie de l'argent levé part directement dans l'infra : data centers, GPU, énergie. Une poignée d'hyperscalers prévoit environ 800 milliards de dollars de capex cette année, et plus de 1 000 milliards l'an prochain (Fortune).
Union Bancaire Privée estime même que cinq hyperscalers vont dépenser 820 milliards en 2026. Soit plus que les 750 milliards de cash-flow opérationnel qu'ils sont censés générer.
Donc la différence se finance à la dette.
Un tiers du capex IA vient désormais de l'emprunt, selon Axios. Et le marché du crédit sature : les émissions de dette liées à l'IA sont tombées de 113 milliards de dollars en juin à 23 milliards en septembre. Bloomberg parle de rendements à deux chiffres sur les obligations qui financent le build-out.
Ce n'est plus de l'investissement. C'est une fuite en avant.
Parce qu'ils optimisent la mauvaise chose
Pour les labs américains, une IA plus puissante, c'est une IA qui fait toujours plus de choses. Donc plus de paramètres, plus de contexte, plus de compute, plus de watts.
C'est comme vouloir construire la voiture la plus rapide du monde avec un seul levier : la cylindrée. Un moteur démesuré, une consommation de carburant infinie. Pas d'aéro, pas d'allègement, pas de boîte optimisée.
Ça ne fait aucun sens.
Pourquoi ce choix ? Parce qu'ils pouvaient se le permettre.
Pas d'embargo Nvidia. Des capitaux quasi illimités. Quand vous avez les GPU et l'argent, pourquoi vous fatiguer à gratter 30 % de compute ? Vous achetez une baie de plus.
Les labs américains ont bien sûr fait de l'optimisation. Mais ça n'a jamais été le cœur du sujet. L'abondance l'a rendue optionnelle.
Elle commence à arriver, mais tard. Résultat : la courbe de progression tape un mur.
Le besoin de puissance grandit plus vite que la capacité à fournir des GPU et des watts. La mémoire utilisée dans les data centers coûte plus de cinq fois plus cher qu'il y a un an, selon Bloomberg Intelligence.
Torsten Slok, chef économiste d'Apollo, a posé le problème clairement : le coût marginal de production du compute dépasse le bénéfice marginal qu'il apporte aux utilisateurs. Traduction : chaque unité de puissance supplémentaire coûte plus qu'elle ne rapporte.
Et Gartner enfonce le clou :
- 8 500 milliards de dollars de revenus cumulés nécessaires d'ici 2030 pour couvrir le capex, le financement et un rendement de 12 %
- 3 600 milliards de revenus IA au maximum qui iront réellement vers ces data centers
Il manque plus de 4 000 milliards.
Alors que la Chine a inventé la croissance frugale
Ironie de l'histoire : sur ce terrain précis, ce sont les Chinois qui ont pris de l'avance.
Sous contrainte (embargo sur les puces, accès limité au compute), ils ont été obligés d'optimiser. Et ils livrent de l'intelligence pour un coût énergétique et matériel bien plus bas. Selon Slate, les modèles chinois arrivent à rivaliser avec vingt fois moins d'argent privé investi.
Je le vois directement sur mes projets.
J'ai migré mes services en prod de Sonnet 5 vers DeepSeek V4.1-Flash. Même tâche, même résultat utile. Je suis passé d'environ 30 centimes à 4 centimes par jour de process.
C'est ça, le vrai indicateur. Pas le prix au token, pas le score au benchmark. Le coût d'une tâche complète.
Donc deux géants, deux murs, une erreur de lecture
Si je résume :
- la Chine se prend le mur de la maturité : elle a misé sur une robotique qui attend une IA pas encore aboutie
- les États-Unis se prennent le mur de l'efficience : ils ont misé sur un scaling à coups de compute que plus personne ne peut financer
Et le marché boursier lit tout ça de travers.
Il voit des milliards partir en fumée et conclut que l'IA est une bulle. Il a tout faux.
Si l'infra achetée aujourd'hui risque d'être à perte dans quelques mois, ce n'est pas parce que l'IA ne sert à rien. C'est parce que la marge de progression côté optimisation est encore énorme. Et chaque gain d'efficience rend une partie de ce compute surdimensionné.
Ce qui éclate, ce n'est pas l'IA. C'est le modèle du tout-compute.
Et l'avenir, il ressemble à quoi ?
Je parie très fort sur un futur fait de plusieurs modèles hyper spécialisés, chacun sur un périmètre plus petit.
Un modèle qui fait une chose et la fait bien n'a pas besoin de 1 000 milliards de paramètres. Il tourne sur moins de GPU, consomme moins de watts, coûte moins cher par tâche. Et une partie peut même tourner en local (c'est déjà ce que je fais avec vLLM et llama.cpp sur mon homelab).
Le modèle géant qui sait tout faire, c'est la voiture à cylindrée infinie. Une flotte de modèles spécialisés bien orchestrés, c'est l'ingénierie.
Et je vais plus loin.
Les Américains n'ont pas encore mis le paquet sur l'optimisation. Mais avec un marché du crédit qui se ferme, ils n'auront bientôt plus le choix. La contrainte que la Chine a subie à cause de l'embargo, les US vont la subir à cause du financement.
Et c'est là, seulement là, que l'IA va franchir un sacré cap.
Je prends le pari : d'ici moins d'un an.
Donc la vraie question n'est pas de savoir si la bulle éclate.
C'est de savoir qui va se retrouver avec des data centers dimensionnés pour une IA qui n'existera plus.
