NVDA a chuté de 15 % depuis son sommet, et le sentiment du marché est passé de l’optimisme extrême à l’esprit critique en moins de trois semaines. En regardant les données en arrière, le PER forward du secteur technologique dans le S&P 500 a atteint 28 fois en juin cette année — ce qui n’est pas extrême historiquement, mais ce n’est pas là le problème. Le problème, c’est que les attentes ont avancé trop vite. La hausse du secteur de l’IA de l’année dernière au premier semestre de cette année reposait essentiellement sur une hypothèse : la demande en puissance de calcul augmenterait de façon exponentielle, et toutes les entreprises liées à l’IA en tireraient profit. Cette hypothèse est effectivement valide du côté de la demande — tous les grands fournisseurs de cloud ont relevé leurs prévisions d’investissements en capital cette année, avec seulement Microsoft, Google et Amazon combinés dépassant les 200 milliards de dollars. Mais du côté de l’offre, cette hypothèse commence à présenter des fissures. Premièrement, les GPU ne sont plus le seul goulot d’étranglement. Le délai de livraison de NVIDIA est passé de 40 semaines l’année dernière à moins de 12 semaines aujourd’hui, et la production en série du B100 a même légèrement dépassé les attentes. Lorsque l’offre n’est plus rare, le pouvoir de tarification commence à s’affaiblir. Deuxièmement, les voies vers des puces personnalisées se multiplient : les TPU de Google, les Trainium d’Amazon, et le Maia récemment annoncé par Microsoft — chaque géant se prépare une issue de secours. Cette tendance ne signifie pas que NVIDIA sera affectée, mais qu’elle révèle une évolution du paysage concurrentiel du marché de la puissance de calcul — et le marché réagit toujours avec un retard face à ces changements. Ensuite, regardons la couche application — c’est là que réside la plus grande alerte. Des investissements en infrastructure de 200 milliards ont été réalisés, mais les revenus générés à ce jour sur la couche application représentent à peine un dixième de ce montant. La croissance de Copilot est solide mais pas explosive ; la version entreprise de ChatGPT est encore en phase d’ascension ; la plupart des startups d’IA affichent un ARR encore au niveau des dizaines de millions de dollars. Ce n’est pas que les applications manquent de potentiel — c’est que le délai entre l’investissement en infrastructure et la monétisation des applications s’étend sur 18 à 24 mois. Le marché est actuellement forcé de faire face à ce décalage temporel. C’est là l’essence du recul : ce n’est pas que l’histoire de l’IA a été réfutée — c’est que le marché commence enfin à distinguer la réalité à court terme du récit à long terme. Mon expérience personnelle avec ce type de situation est la suivante : ne prenez jamais de décision le jour même où la panique frappe. Les analyses du premier jour de chute sont toujours guidées par l’émotion ; les signaux véritablement pertinents apparaissent au cours de la deuxième semaine, dans les flux de capitaux. Un chiffre de la semaine dernière mérite attention : les sorties nettes des ETF technologiques s’accélèrent, mais les retraits des ETF semi-conducteurs sont bien moins importants que ceux des ETF logiciels. Cela signifie que les institutions ne fuient pas tout le secteur technologique — elles effectuent une rotation au sein du secteur : elles passent des entreprises sans bénéfices visibles vers celles qui en ont. Pour les investisseurs particuliers, à ce stade, acheter en hausse ou tenter un achat au plus bas sont les pires actions possibles. Les raisons d’acheter en hausse n’existent plus ; celles d’acheter au plus bas ne sont pas encore là. La seule chose valable à faire est d’observer : quelles entreprises ont le moins chuté et rebondi le plus rapidement pendant ce recul ? Ce sont elles que le marché sera prêt à récompenser par une prime dans la prochaine phase. Ce n’est pas une méthodologie compliquée — c’est simplement laisser le marché vous donner la réponse.