Économiste d'Apollo : Les marges bénéficiaires des Magnifiques Sept augmentent tandis que le reste du S&P 500 stagne en 2026

2026/10/28 16:11:00

L'intelligence artificielle est devenue l'un des principaux thèmes d'investissement de 2026, attirant des centaines de milliards de dollars en dépenses sur les puces, les centres de données, l'informatique cloud et les modèles d'IA. Toutefois, une question de plus en plus posée sur les marchés financiers est la suivante : ces investissements génèrent-ils des rendements économiques mesurables au-delà des entreprises fournissant la technologie ? Le chef économiste d'Apollo Global Management, Torsten Slok, a soulevé cette question dans une note de recherche du 24 octobre, affirmant que le chiffre d'affaires par employé et les marges bénéficiaires ont progressé parmi les Magnifiques Sept, tandis qu'ils sont restés largement stables chez les 493 autres entreprises de l'indice S&P 500. Il n'a pas non plus trouvé de preuve claire d'une accélération de la croissance de la productivité due à l'IA.

Les implications vont au-delà des actions traditionnelles. Si les dépenses en infrastructure IA continuent d'augmenter plus rapidement que les avantages financiers reçus par les clients entreprises, les investisseurs pourraient réévaluer les valorisations technologiques, les attentes en matière de bénéfices corporatifs et la demande pour les services IA. La même question est cruciale pour les marchés de cryptomonnaies, où les jetons liés à l'IA, les réseaux de calcul décentralisés et les projets IA basés sur la blockchain rivalisent de plus en plus pour l'attention des investisseurs. La question centrale n'est pas de savoir si la technologie IA progresse, mais si sa valeur commerciale peut s'étendre au-delà d'un groupe relativement restreint d'entreprises technologiques dominantes.

Points clés

Les bénéfices de l'IA restent concentrés : l'analyse d'Apollo d'octobre 2026 montre une augmentation du revenu par employé et des marges bénéficiaires parmi les Magnifiques Sept, tandis que les indicateurs comparables restent globalement stables dans le S&P 493.
L'adoption de l'IA par les entreprises fait face à un test financier : les abonnements aux modèles, la consommation de jetons, les coûts d'intégration et la supervision humaine peuvent annuler les gains d'efficacité lorsque les entreprises ne parviennent pas à traduire les capacités de l'IA en résultats financiers mesurables.
Les dépenses en infrastructure créent à la fois des opportunités et des risques : les grandes entreprises technologiques continuent d'investir massivement dans la capacité de calcul, mais la durabilité de ces investissements dépend de la demande des clients et de la génération de trésorerie future.
La performance du marché boursier peut masquer des différences économiques : la capitalisation boursière des grandes entreprises technologiques peut soutenir la performance de l'indice principal, même lorsque la croissance des bénéfices reste inégale entre les secteurs.
Les projets d'IA liés à la cryptomonnaie font face à un défi similaire : l'intérêt des investisseurs pour l'infrastructure d'IA et les actifs numériques ne garantit pas une demande durable pour les services basés sur la blockchain ou les jetons qui leur sont associés.

Ce que l'analyse de S&P 493 d'Apollo révèle sur les rendements financiers de l'IA

La note de recherche d'Apollo du 24 octobre, publiée par Torsten Slok, affirme que les avantages financiers de l'IA restent concentrés chez les grandes entreprises technologiques plutôt que de se répandre largement dans l'ensemble des entreprises américaines. L'analyse sépare Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia et Tesla du S&P 500, en désignant les autres entreprises comme le S&P 493. Selon Slok, le chiffre d'affaires par employé et les marges bénéficiaires ont augmenté pour les Magnifiques Sept, mais sont restés largement stables pour le reste de l'indice. Son analyse ne met pas en évidence d'accélération claire de la croissance de la productivité attribuable à l'IA.

La distinction est importante car les Magnifiques Sept occupent plusieurs positions différentes dans la chaîne de valeur de l’IA. Nvidia fournit du matériel informatique, Microsoft et Alphabet gèrent des écosystèmes cloud et logiciels, Amazon combine l’infrastructure cloud avec le commerce, et Meta et Apple tirent profit de grandes plateformes grand public. Tesla a un mix métier différent, mais reste incluse dans ce même regroupement de marché. Ces entreprises peuvent monétiser l’IA grâce aux puces, aux services cloud, à la publicité, aux abonnements, au logiciel et à d’autres canaux de revenus établis. En comparaison, de nombreuses entreprises en dehors de ce groupe achètent des capacités d’IA et doivent démontrer que les gains d’efficacité résultants dépassent leurs coûts.

Revenu par employé et marges bénéficiaires montrent un écart croissant

L'analyse d'Apollo met en évidence la différence entre la performance financière et l'adoption technologique. Une entreprise peut introduire des outils d'IA, automatiser certaines tâches ou augmenter l'accès des employés à des modèles avancés sans produire une amélioration immédiate de la rentabilité globale. Les avantages peuvent se manifester sous forme de services plus rapides, moins d'erreurs, une meilleure rétention des clients ou des coûts unitaires plus faibles, mais ces gains peuvent être contrecarrés par les coûts de mise en œuvre, la croissance des salaires, les coûts énergétiques et les dépenses supplémentaires en logiciels. Le chiffre d'affaires par employé et les marges bénéficiaires fournissent des indicateurs agrégés utiles, bien qu'aucun ne capture tous les avantages potentiels de l'adoption de l'IA.

Indicateur	Les Magnifiques Sept	S&P 493
Revenu par employé	À la hausse dans l'analyse d'Apollo	Largement stable
Marges de bénéfice	En hausse vers environ 30 % dans les comparaisons déclarées	Légèrement stable aux alentours de 10 %
Gains de productivité liés à l'IA	Meilleure performance financière, bien que la causalité ne soit pas établie uniquement par cette comparaison	Aucune accélération agrégée claire identifiée par Apollo
Position dans l'économie de l'IA	Inclut les principaux fournisseurs d'infrastructure et de plateformes IA	Inclut un large éventail de clients IA et d'autres entreprises

Les chiffres sont des valeurs approximatives rapportées dans les analyses d'Apollo, pas des mesures identiques pour chaque entreprise. Ils décrivent des différences au niveau du groupe et n'établissent pas que l'IA seule a causé l'écart.

Les résultats ne doivent pas être interprétés comme une preuve que toute entreprise hors du secteur technologique a échoué à tirer profit de l'IA. Les marges agrégées peuvent masquer des réussites individuelles, et les améliorations de productivité peuvent prendre du temps pour apparaître dans les états financiers. Néanmoins, l'analyse d'Apollo soulève une question importante pour les investisseurs : si l'IA est censée transformer l'économie dans son ensemble, quand cette transformation devrait-elle devenir visible dans la performance financière des entreprises qui l'adoptent ?

Pourquoi les dépenses en IA n'ont pas encore se traduit par des bénéfices corporatifs plus larges

L'écart entre l'investissement dans l'IA et les rendements financiers mesurables reflète la complexité de l'intégration de nouvelles technologies dans les entreprises existantes. Acheter l'accès à un modèle avancé est relativement simple ; redessiner les processus opérationnels, l'infrastructure de données, les responsabilités et les processus de prise de décision d'une entreprise est beaucoup plus difficile. L'IA peut réduire le temps nécessaire pour accomplir une tâche sans éliminer le travail environnant requis pour valider son résultat, assurer la conformité ou communiquer le résultat aux clients. En conséquence, les améliorations au niveau de la tâche individuelle ne se traduisent pas nécessairement par des marges plus élevées à l'échelle de l'entreprise.

Les coûts des jetons deviennent une dépense entreprise importante

De nombreux services d'IA facturent en fonction de l'utilisation du modèle, notamment le nombre de jetons d'entrée et de sortie traités. À mesure que les employés et les agents automatisés effectuent davantage de tâches via des systèmes d'IA, la consommation peut augmenter considérablement. Pour les entreprises gérant des opérations à grande échelle, le coût total peut inclure l'accès au modèle, l'infrastructure cloud, la préparation des données, les contrôles de sécurité, l'intégration logicielle et la revue humaine. Un modèle plus performant peut améliorer la précision sur des tâches complexes, mais son coût supplémentaire est difficile à justifier lorsqu'un modèle moins cher produit des résultats suffisamment bons.

Slok affirme que les entreprises traditionnelles deviennent de plus en plus prudentes quant au paiement des derniers modèles, car les avantages financiers n'ont pas systématiquement répercuté sur leurs résultats. Entre-temps, les entreprises financées par des fonds de capital-risque continuent de dépenser massivement pour des capacités d'IA, créant une différence entre les entreprises poursuivant une expansion technologique rapide et les entreprises établies exigeant des retours économiques clairs. Cette distinction est particulièrement pertinente alors que les fournisseurs d'IA cherchent à convertir l'augmentation de l'utilisation en revenus récurrents tout en maintenant une économie unitaire attractive.

Le jugement professionnel limite ce que l'automatisation peut accomplir

L'IA peut résumer des informations, générer du code, analyser des documents et assister dans les calculs. Toutefois, de nombreuses décisions commerciales dépendent du contexte, de la responsabilité, de la confiance des clients, de la culture organisationnelle et des considérations éthiques. Une institution financière peut utiliser l'IA pour examiner les demandes, par exemple, mais exiger encore des contrôles pour la conformité, l'équité et les décisions affectant les clients. Un fournisseur de soins de santé peut automatiser la documentation tout en conservant la responsabilité humaine pour les jugements cliniques. Dans les deux cas, la technologie peut améliorer des tâches spécifiques sans éliminer les coûts opérationnels plus larges liés à la fourniture du service.

Cela aide à expliquer pourquoi les taux d'adoption seuls ne constituent pas des mesures suffisantes de la réussite commerciale. Les entreprises doivent déterminer si l'IA améliore des résultats mesurables tels que les taux de conversion, le temps de traitement, la rétention des clients ou le coût par transaction. Si ces améliorations ne dépassent pas les coûts de mise en œuvre et d'exploitation, une utilisation supplémentaire de l'IA peut augmenter les dépenses sans améliorer la rentabilité. L'argument d'Apollo porte donc moins sur l'absence de progrès technologique que sur la difficulté à traduire ce progrès en gains financiers larges et mesurables.

Les gains de productivité peuvent prendre du temps à apparaître

Il existe également un problème de timing. Les entreprises supportent souvent des dépenses avant de tirer pleinement profit d'une nouvelle technologie. Les employés nécessitent une formation, les systèmes internes doivent être modifiés, et les managers doivent déterminer quelles tâches doivent être automatisées et lesquelles nécessitent une revue humaine. Pendant cette transition, les gains de productivité peuvent rester limités ou être compensés par le coût de la réorganisation du travail.

L'économiste en chef de Goldman Sachs, Jan Hatzius, propose une interprétation plus optimiste du potentiel économique à long terme de l'IA, affirmant que les investissements pourraient finalement soutenir une productivité plus élevée et des bénéfices corporatifs plus larges. Toutefois, Goldman estime que la contribution à la croissance provenant du cycle d'investissement actuel en IA pourrait atteindre son pic à la fin 2026 ou au début 2027. La différence entre les deux économistes ne réside pas simplement dans l'utilité de l'IA, mais dans la rapidité et l'étendue avec lesquelles ses avantages apparaîtront.

Pour les investisseurs, le test approprié consiste à déterminer si les résultats financiers futurs valident les dépenses déjà engagées. Des rendements retardés restent possibles, mais les entreprises doivent toujours démontrer que leurs programmes d'IA créent une valeur durable, et non pas compter sur l'attente qu'une valeur émergera éventuellement.

3. L'explosion de l'infrastructure IA de 650 milliards de dollars crée un test financier

L'échelle des dépenses en infrastructure d'IA rend la question des rendements sur investissement de plus en plus importante. Un rapport publié par The Indian Express le 28 octobre cite des estimations selon lesquelles les grandes entreprises technologiques prévoient de dépenser environ 650 milliards de dollars en infrastructure d'IA en 2026. Le même rapport cite l'avertissement de Gartner selon lequel plus de 3,5 billions de dollars d'investissements en infrastructure d'IA pourraient être exposés à un risque de dépréciation d'ici 2030 si les revenus générés par l'IA ne justifient pas ces dépenses. Il s'agit d'estimations prospectives et d'évaluations de risques conditionnelles, et non de pertes confirmées.

La ruée vers les infrastructures soutient plusieurs couches de l'économie technologique, notamment les fabricants de semi-conducteurs, les fournisseurs de cloud, les opérateurs de centres de données, les fournisseurs de réseaux et les infrastructures électriques. Ces entreprises peuvent générer des revenus dès la livraison des équipements, la location de capacités de calcul ou la consommation de services cloud. Toutefois, les clients professionnels doivent récupérer leurs dépenses liées à l'IA grâce à des améliorations de productivité futures, une augmentation des ventes ou d'autres avantages économiques. Cela crée un décalage temporel : les fournisseurs d'infrastructures peuvent enregistrer des revenus avant que les entreprises ayant acheté leurs services n'aient démontré un retour sur investissement positif.

Les dépenses en immobilisations, l'amortissement et les flux de trésorerie comptent

Une analyse de Reuters Breakingviews publiée le 23 octobre a examiné comment l'investissement dans l'infrastructure de l'IA affecte les bénéfices des entreprises et les risques financiers. Elle a noté que les fournisseurs d'équipements peuvent reconnaître des revenus dès la vente des produits, tandis que les acheteurs reconnaissent généralement les dépenses en capital sur une période donnée via l'amortissement. Pour les centres de données encore en construction, l'amortissement peut ne commencer qu'après la mise en service des installations. Ce décalage comptable peut faire apparaître les bénéfices financiers à court terme du cycle d'investissement plus forts que les rendements économiques ultimes.

La même analyse a mis en évidence une augmentation de l'émission de dettes et des engagements liés aux équipements parmi les principales entreprises technologiques. Ces obligations ne signifient pas automatiquement une détresse financière, particulièrement pour les entreprises disposant de flux de revenus établis et de bilans solides. Toutefois, elles renforcent l'importance des taux d'utilisation futurs, du pouvoir de tarification et de la demande des clients. Si la capacité de calcul s'étend plus rapidement que la volonté des clients de payer, les fournisseurs pourraient faire face à une pression sur leurs marges et leur trésorerie, même si la technologie sous-jacente continue de s'améliorer.

Que se passe-t-il si la demande en IA ne correspond pas à l'offre d'infrastructure ?

Le risque principal n'est pas simplement que l'adoption de l'IA ralentisse, mais que les hypothèses financières soutenant l'expansion de l'infrastructure s'avèrent trop optimistes. Les centres de données exigent de gros investissements initiaux, des accords énergétiques à long terme, des achats de matériel et une maintenance continue. Si l'utilisation est inférieure aux prévisions ou si les prix des modèles baissent plus rapidement que les coûts opérationnels, certains investissements pourraient générer des rendements inférieurs à ceux initialement prévus. Les opérateurs d'infrastructure plus petits avec des réserves de trésorerie limitées pourraient être plus exposés aux conditions de financement que les plateformes technologiques établies.

Pour le marché, les indicateurs clés ne sont donc pas uniquement les dépenses totales. Les investisseurs doivent surveiller les dépenses en immobilisations par rapport aux revenus, le cash-flow libre, les engagements de dette, les charges d'amortissement et les signes de demande récurrente des clients. Des dépenses continues peuvent soutenir les revenus des fournisseurs à court terme, mais une croissance durable à long terme exige que les clients tirent suffisamment de valeur économique des services d'IA pour justifier des dépenses récurrentes.

Ce que la fracture de rentabilité de l'IA signifie pour le S&P 500 et les actions technologiques

La forte performance des Magnifiques Sept peut influencer le marché boursier dans son ensemble car le S&P 500 est pondéré selon la capitalisation boursière. Lorsque les plus grandes composantes augmentent, elles peuvent soutenir l'indice de référence même si de nombreuses petites entreprises connaissent une croissance des bénéfices plus faible ou une expansion limitée de la marge. Cela rend la performance au niveau de l'indice une mesure incomplète de la répartition des bénéfices économiques à travers le secteur des entreprises.

Les découvertes d'Apollo suggèrent que les investisseurs doivent distinguer entre la performance des fournisseurs d'IA et les résultats financiers des entreprises adoptant l'IA. Une entreprise de semi-conducteurs peut bénéficier d'une augmentation des dépenses en infrastructure, tandis qu'un détaillant utilisant l'IA pour la prévision des stocks peut nécessiter plusieurs périodes de reporting pour démontrer des économies mesurables. Les deux entreprises peuvent être liées à la même tendance technologique, mais leurs modèles de revenus, leurs structures de coûts et leur exposition à la demande en IA sont fondamentalement différents.

Les évaluations de l'IA dépendent des bénéfices futurs

Le cas d'investissement pour les actions liées à l'IA dépend en partie de l'attente que les dépenses actuelles soutiendront la croissance des bénéfices futurs. Si la demande pour les services informatiques continue de s'étendre et que les fournisseurs conservent leur pouvoir de fixation des prix, les investissements dans l'infrastructure pourraient générer des rendements attractifs. Si les clients réduisent leur utilisation, passent à des modèles moins chers ou retardent leurs projets, les attentes en matière de bénéfices pourraient s'affaiblir, même si l'adoption de l'IA continue de croître.

L'analyse de Reuters en octobre a également souligné que les investissements liés à l'IA ont contribué de manière disproportionnée à la croissance des bénéfices des entreprises, tout en soulevant des questions sur les coûts de financement et la génération future de trésorerie. Cela ne prouve pas que les actions liées à l'IA sont nécessairement surévaluées. Au contraire, il met en évidence la nécessité pour les investisseurs de comparer les valorisations avec les bénéfices et les flux de trésorerie durables, plutôt que de s'appuyer exclusivement sur la croissance projetée.

La largeur du marché pourrait devenir un signal plus important

Les investisseurs peuvent également examiner si la croissance des bénéfices s'étend au-delà des plus grandes entreprises technologiques. La performance des indices pondérés à égalité par rapport aux indices pondérés par la capitalisation, le nombre d'entreprises signalant une expansion de la marge et les révisions des bénéfices par secteur peuvent aider à déterminer si la force du marché s'élargit. Si les gains de productivité liés à l'IA commencent à apparaître dans des secteurs tels que les soins de santé, la finance, la fabrication et les services à la consommation, les éléments de preuve soutiendraient un bénéfice économique plus large.

Inversement, si les revenus et les bénéfices liés à l’IA restent concentrés chez les fournisseurs d’infrastructure tandis que les clients entreprises continuent d’absorber des coûts croissants, le marché pourrait devenir plus sensible aux orientations en matière de dépenses en capital et d’efficacité des dépenses. Dans un tel environnement, même les entreprises avec une forte exposition à l’IA pourraient connaître des écarts plus importants de performance, les investisseurs distinguant entre les entreprises vendant de la capacité d’IA et celles générant des rendements durables grâce à son utilisation.

Ce que signifie l'avertissement d'IA d'Apollo pour les projets de cryptomonnaie et de blockchain

Pour les marchés de cryptomonnaies, le même débat soulève des questions sur les jetons AI, le calcul décentralisé et les services AI basés sur la blockchain. Les projets qui relient les fournisseurs de calcul aux développeurs AI, coordonnent une infrastructure décentralisée ou utilisent des jetons pour récompenser les participants au réseau peuvent bénéficier de la demande pour des ressources AI. Toutefois, la leçon plus large tirée de l'analyse d'Apollo est que l'adoption technologique et la création de valeur financière sont deux questions distinctes. L'intérêt croissant pour l'IA ne crée pas automatiquement une demande durable pour chaque projet associé à ce thème.

Les jetons IA ont besoin d'une utilité réelle et d'une demande mesurable

Un jeton associé à un projet d'IA peut être utilisé pour payer des ressources informatiques, récompenser les fournisseurs de services, coordonner la participation au réseau ou accéder à des fonctionnalités spécifiques de la plateforme. La question essentielle est de savoir si les utilisateurs ont besoin du jeton pour obtenir un service précieux et si cette demande persiste au-delà du trading spéculatif. Un projet peut afficher une augmentation de l'activité des wallets ou de l'engagement communautaire sans générer suffisamment d'utilisations payantes pour couvrir ses coûts opérationnels.

Les investisseurs doivent donc distinguer entre les capacités technologiques d’un projet, son adoption réelle par les clients et le rôle économique de son jeton. Des indicateurs utiles peuvent inclure la demande en calcul payant, les clients récurrents, l’utilisation du réseau, les revenus liés aux services, les émissions de jetons et la relation entre l’offre de jetons et l’activité réelle du réseau. Ces mesures peuvent aider à déterminer si un projet crypto lié à l’IA développe un service viable ou profite principalement de l’enthousiasme général du marché.

L'informatique décentralisée fait face à ses propres défis en matière de coûts et d'utilisation

Réseaux GPU décentralisés et autres projets de calcul distribué cherchent à connecter les utilisateurs ayant besoin de ressources informatiques avec des fournisseurs disposant de matériel disponible. Leurs avantages potentiels peuvent inclure un accès flexible, des canaux d'approvisionnement alternatifs et de nouvelles façons de coordonner l'infrastructure. Toutefois, ces réseaux rencontrent encore des questions pratiques concernant la qualité du matériel, la disponibilité, la latence, la confidentialité des données, la vérification et la tarification.

Un réseau décentralisé doit offrir une raison convaincante aux clients de l'utiliser plutôt qu'un fournisseur de cloud traditionnel. S'il ne peut pas garantir des performances prévisibles à un coût total compétitif, la demande pourrait rester limitée même si les besoins en calcul IA augmentent. En outre, les incitations sous forme de jetons peuvent attirer des fournisseurs avant qu'une demande suffisante des clients n'existe, créant un déséquilibre entre la capacité disponible et les charges de travail rémunérées. L'avertissement plus large d'Apollo concernant l'écart entre les investissements en IA et les rendements commerciaux est pertinent ici, bien que son analyse S&P 493 ne mesure pas directement les réseaux IA décentralisés.

Les stablecoins et les paiements sur blockchain pourraient soutenir le commerce par IA

Les stablecoins et les systèmes de paiement basés sur la blockchain peuvent jouer un rôle dans les services numériques automatisés, notamment les paiements entre agents logiciels, le règlement international et les transactions machine-à-machine. Toutefois, l'expansion de l'activité IA n'augmente pas automatiquement l'utilisation des stablecoins, les frais de transaction ou la demande de jetons natifs de la blockchain. Le résultat économique dépend de l'adoption de ces systèmes par les entreprises, du règlement des paiements sur la chaîne et de la création d'une revenu durable pour le réseau par l'activité résultante.

Pour les investisseurs en cryptomonnaies, la leçon pratique consiste à évaluer les projets liés à l'IA à l'aide de preuves de demande client, d'économie des transactions et d'utilité des jetons, et non uniquement sur la base d'une exposition thématique. Le secteur de l'IA pourrait continuer de s'étendre tandis que des projets individuels peinent à établir des modèles économiques durables. Tout comme la performance financière des Magnificent Seven ne prouve pas que tout investissement dans l'IA est rentable, la croissance de l'économie de l'IA dans son ensemble ne garantit pas que chaque actif crypto lié à l'IA en tirera profit.

Ce que les investisseurs doivent surveiller ensuite

La prochaine phase du débat sur l’investissement dans l’IA dépendra de la capacité des entreprises à démontrer des rendements financiers mesurables. Les rapports de résultats trimestriels, les orientations de la direction et les annonces d’investissements en capital fourniront des preuves importantes. Les investisseurs doivent rechercher les entreprises qui expliquent comment l’IA influence les dépenses opérationnelles, l’acquisition de clients, la production par employé, la qualité du service et la croissance des revenus. Les déclarations générales sur l’adoption de l’IA sont moins informatives que des résultats mesurables liés à des processus commerciaux spécifiques.

Indicateur	À surveiller	Pourquoi cela compte
Les marges bénéficiaires et le chiffre d'affaires par employé	Si les améliorations se propagent au-delà des Magnifiques Sept	Vérifie si les avantages de l'IA s'élargissent
Dépenses d'investissement en IA	Croissance des dépenses par rapport aux revenus et à la trésorerie	Aide à évaluer la durabilité de l'expansion de l'infrastructure
Dépenses du modèle entreprise	Rétention des clients, utilisation et volonté de payer	Indique si les services IA apportent une valeur suffisante
Amortissement et frais de financement	Coûts croissants à mesure que l'infrastructure devient opérationnelle	Révèle les coûts retardés du boom des investissements
Activité crypto liée à l'IA	Utilisation payante, utilisation du réseau, émissions de jetons et demande récurrente	Aide à distinguer l'utilité pratique de l'intérêt spéculatif

Un signal particulièrement important serait une amélioration soutenue de la rentabilité au sein des entreprises hors des plus grandes plateformes technologiques. Un tel développement renforcerait l'argument selon lequel l'IA génère des bénéfices économiques à l'échelle de l'ensemble de l'économie, plutôt que de soutenir principalement les fournisseurs d'infrastructure et les plateformes établies. En revanche, une croissance continue des dépenses sans améliorations correspondantes de la performance financière des entreprises pourrait amener les investisseurs à examiner de plus près les budgets d'investissement.

Les investisseurs devraient également comparer différentes interprétations économiques plutôt que de considérer l'évaluation d'Apollo comme une prévision définitive. Slok souligne l'absence de rendements financiers visibles en dehors de la technologie, tandis que Jan Hatzius de Goldman Sachs reste plus optimiste quant au potentiel de productivité à long terme de l'IA. Le résultat final dépendra de l'adoption, de la qualité de la mise en œuvre, de la tarification, des conditions de financement et de la capacité des entreprises à convertir leurs capacités techniques en produits et services rentables.

Conclusion

L'analyse d'octobre 2026 de l'économiste d'Apollo Torsten Slok met en lumière une séparation croissante entre les entreprises fournissant des technologies d'IA et le secteur corporatif plus large censé en bénéficier. Les Magnifiques Sept continuent d'afficher une meilleure recette par employé et des marges bénéficiaires plus élevées, tandis que le S&P 493 n'a pas encore démontré d'amélioration agrégée comparable. Parallèlement, les dépenses importantes en infrastructure renforcent l'importance de la demande des clients, des flux de trésorerie et des rendements durables.

Pour les investisseurs en actions et en cryptomonnaies alike, la question centrale est de savoir si les capacités techniques croissantes de l'IA peuvent se traduire par une valeur économique récurrente. La prochaine étape du cycle d'investissement sera jugée moins sur les annonces de dépenses et les affirmations d'adoption que sur des améliorations mesurables de la productivité, de la rentabilité et de la volonté des clients à payer. L'IA pourrait finir par apporter des bénéfices économiques larges, mais les investisseurs auront besoin de preuves que ces bénéfices dépassent un groupe relativement restreint d'entreprises technologiques leaders.

FAQ

Que signifie le terme S&P 493 ?

Le S&P 493 désigne les 493 entreprises restantes dans le S&P 500 après exclusion des Magnificent Seven : Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia et Tesla. Les analystes utilisent ce regroupement pour comparer la performance des plus grandes entreprises liées à la technologie avec celle de l'indice global.

La recette par employé mesure-t-elle directement la productivité ?

Le chiffre d'affaires par employé mesure le montant de revenu généré pour chaque employé, mais il peut être influencé par la tarification, les acquisitions, la sous-traitance, le mix d'activités et les changements dans l'effectif. Les indicateurs de productivité examinent généralement la production par rapport aux intrants et nécessitent un contexte supplémentaire pour déterminer si l'efficacité opérationnelle s'est améliorée.

Pourquoi l'adoption de l'IA pourrait-elle augmenter tandis que les marges des entreprises restent inchangées ?

Les coûts liés à l'IA peuvent augmenter avec son adoption, notamment les frais de modèle, d'infrastructure, de formation, d'intégration et de revue humaine. Les améliorations d'efficacité peuvent également être transmises aux clients sous forme de prix plus bas ou compensées par des coûts ailleurs dans l'entreprise. Par conséquent, une utilisation accrue de l'IA ne se traduit pas nécessairement par une expansion immédiate de la marge.

Les petits modèles d'IA pourraient-ils bénéficier davantage aux entreprises que les modèles les plus avancés ?

Oui, selon la tâche. Des modèles plus petits ou moins coûteux peuvent offrir une précision suffisante pour la classification routine, l'extraction de documents, le support client ou d'autres flux de travail précisément définis. Le modèle approprié dépend de la complexité de la tâche, des exigences en matière de fiabilité, de la latence et du coût total, et non uniquement des capacités du modèle.

Comment les investisseurs peuvent-ils distinguer une entreprise liée à l'IA d'une entreprise pilotée par l'IA ?

Une entreprise liée à l'IA peut vendre des produits ou services connectés à l'IA, tandis qu'une entreprise pilotée par l'IA peut démontrer que l'IA améliore de manière significative son modèle opérationnel ou sa génération de revenus. Les preuves peuvent inclure des coûts par transaction plus faibles, une production plus élevée par employé, une meilleure rétention des clients, des revenus récurrents liés à l'IA ou des gains de productivité mesurables.

La dépense en infrastructure IA garantit-elle une demande continue pour les GPU ?

Non. La demande dépend de l'économie des services d'IA, de l'efficacité des modèles, des taux d'utilisation, des budgets des clients et de la disponibilité de capacités informatiques alternatives. Des modèles plus efficaces peuvent réduire la puissance de calcul nécessaire pour certaines tâches, même si l'utilisation totale de l'IA augmente, rendant la demande à long terme en matériel dépendante de plusieurs facteurs concurrents.

Clause de non-responsabilité : Ces informations générales sur le marché, provenant éventuellement de sources tierces, commerciales ou sponsorisées, sont fournies à titre de référence et éducatif uniquement et ne constituent ni un conseil financier ni un conseil en investissement, ni une offre, une sollicitation ou une garantie. Nous déclinons toute responsabilité quant à leur exactitude, intégralité, fiabilité et aux pertes résultantes. Les investissements/le trading comportent des risques ; les performances passées ne garantissent pas les résultats futurs. Les utilisateurs doivent effectuer leurs propres recherches, juger avec prudence et assumer pleine responsabilité. Pour plus de détails, veuillez consulter les Conditions d'utilisation et les Divulgation des risques de KuCoin.

Avertissement : Pour votre confort, cette page a été traduite à l'aide de la technologie IA. Pour obtenir les informations à la source, consultez la version anglaise originale.