La phrase qui ne colle pas avec le récit du boom de l'IA

Le président-directeur général d'IBM en personne vient de déclarer, sur un podcast technologique grand public, noir sur blanc, que l'arithmétique derriere les plus gros paris d'infrastructure du secteur ne tient pas. S'exprimant auprès de Nilay Patel sur le podcast Decoder de The Verge en août 2026, Arvind Krishna a exposé un calcul simple : construire un gigawatt de capacité de centre de données IA coute, selon sa propre estimation, environ 60 à 80 milliards de dollars rien qu'en puces. En multipliant ce chiffre par les quelque cent gigawatts déjà engagés dans le monde, la facture atteint 6 000 à 8 000 milliards de dollars. Au sommet de cette fourchette, a précise Krishna, les seuls intérêts sur ce capital nécessiteraient près de 800 milliards de dollars de bénéfices par an rien que pour être honorés - avant même qu'une partie de cette somme ne finance le matériel lui-même. "Je ne crois pas qu'il existe autant de revenus supplémentaires", à-t-il déclaré, ajoutant qu'à la moitié des niveaux de dépenses actuels, les comptes "tiennent parfaitement", mais qu'au double, certaines entreprises ne dégageront tout simplement pas un rendement suffisant.

Rien de tout cela ne ressemble à la thèse baissière d'un fonds spéculatif ou au slogan d'un militant. C'est le directeur général d'une entreprise qui a passé trois décennies à construire et vendre de l'infrastructure informatique d'entreprise, et qui applique le même type de calcul d'économie unitaire qu'un directeur financier ferait avant de signer un engagement de capital - pour obtenir un chiffre qui ne colle pas.

Ce n'est pas une déclaration isolée

La raison de prendre ce chiffre au sérieux est que Krishna ne l'à pas inventé pour un seul entretien. Il à tenu le même raisonnement, avec la même estimation de 60 à 80 milliards de dollars par gigawatt, des mai 2026 sur le podcast In Good Company de Norges Bank Investment Management avec Nicolai Tangen - quatre mois, un cycle de resultats trimestriels et un intervieweur comme un public entièrement différents avant qu'il ne la répète sur Decoder. Une phrase choc isolée peut n'être qu'une ligne répétée prévue pour un moment précis. La même économie unitaire précise qui survit à deux conversations longues et non préparées à des mois d'intervalle ressemble bien davantage à un modèle que l'équipe de Krishna utilise réellement en interne qu'à un argument produit pour un seul cycle d'actualité.

Cette distinction compte pour quiconque doit décider du poids à accorder à l'affirmation. Une déclaration isolée invite à s'interroger sur le contexte et l'humeur du jour ; un chiffre répété de manière constante sur deux entretiens séparés, à quatre mois et un cycle de produit d'intervalle, invite à la question plus difficile de savoir quelle preuve pourrait le faire changer.

Pourquoi il importe de savoir qui le dit

Pourquoi cela compte : IBM n'est pas un arbitre neutre dans le debat sur l'économie de l'infrastructure d'IA, et c'est précisément ce qui rend ce chiffre digne d'être vérifié plutôt qu'écarté. L'activité d'IA pour les entreprises d'IBM repose sur les logiciels, le conseil et des déploiements plus modestes et sur mesure pour les clients professionnels, et non sur le déploiement de centres de données hyperscale que financent Amazon, Alphabet, Microsoft et Meta - ces quatre entreprises à elles seules ont dépense 725 milliards de dollars en infrastructure d'IA en 2026, en hausse de 77 pour cent sur un an. Si la course des hyperscalers, forte consommatrice de capital, se refroidit, le modèle d'IBM, plus lent mais à marges plus élevées, paraît relativement plus attractif pour les mêmes acheteurs professionnels auxquels s'adresse Krishna. Cet intérêt commercial ne rend pas son arithmétique fausse - l'estimation de coût par gigawatt et le calcul de couverture des intérêts sont vérifiables au regard des publications publiques de dépenses d'investissement -, mais c'est un fait que tout dirigeant pesant son avertissement devrait garder à l'esprit au même titre que le chiffre lui-même.

La même semaine ou circulaient les propos de Krishna, Applied Materials a publié des revenus trimestriels record et relevé ses prévisions 2026 à une croissance de plus de 30 pour cent des dépenses en équipements de semi-conducteurs, un résultat entièrement construit sur l'hypothèse que le déploiement remis en cause par Krishna continue de s'accélérer. Applied Materials vend les outils qui construisent les usines qui fabriquent les puces qui équipent les centres de données - l'entreprise profite du fait que du capital soit dépense, indépendamment du fait que cette dépense en capital soit un jour rentabilisée pour les entreprises qui la réalisent. Deux entreprises, la même semaine, deux intérêts économiques totalement opposés quant à savoir si Krishna a raison.

L'essentiel pour qui s'apprête à signer un contrat d'infrastructure d'IA

L'essentiel : la bonne réaction face à un tel avertissement n'est ni de l'accepter parce qu'une personne crédible l'à formulé, ni de l'écarter parce que cette personne a quelque chose à gagner s'il se révèle exact. Il s'agit de traiter les affirmations précises et vérifiables - 60 à 80 milliards de dollars de puces par gigawatt, 6 000 à 8 000 milliards de dollars de dépenses totales engagées, environ 800 milliards de dollars de bénéfice annuel nécessaire pour couvrir les intérêts au sommet de cette fourchette, et deux ou trois entreprises de modèles survivantes face à un marché qui en table sur six à douze - comme un modèle à mettre à l'épreuve de sa propre exposition, et non comme un verdict à accepter ou rejeter selon la réputation de qui l'à formulé.

Pour tout propriétaire ou exploitant ayant des engagements pluriannuels en infrastructure d'IA, qu'il s'agisse d'un contrat cloud, d'un bail de colocation ou d'une dépendance à un nombre restreint de fournisseurs de modèles de pointe, l'exercice pratique est simple : appliquer les propres chiffres de Krishna aux fournisseurs précis figurant dans ses contrats, et traiter une concentration sur deux ou trois contreparties, plutôt que les six à douze que le marché table actuellement, comme le scénario de base sur lequel planifier plutôt que comme le risque extrême contre lequel on se contente de s'assurer.

À lire ensuite: AMD a tout battu. L'action a chuté de 8%  |  Anthropic viserait 6 Md$ pour réduire son calcul