Le dernier rapport d’ARK Invest présentant la dépense en capital axée sur l’IA comme un boom pluriannuel signale un changement de marché plus profond et structurel, où les flux d’investissement sont redirigés des paradigmes industriels traditionnels vers une infrastructure d’intelligence numérique.
Cela importe car cela redéfinit le terrain de bataille pour la survie des entreprises, déplaçant la source d’avantage concurrentiel de la taille physique et des logiciels propriétaires vers la maîtrise des modèles d’IA, des boucles de rétroaction de données et des systèmes autonomes. Pour les investisseurs et les industries, les implications sont une réévaluation fondamentale des valeurs d’actifs, une vague de destruction créative à travers des secteurs allant du logiciel à la biotechnologie, et l’émergence d’une nouvelle hiérarchie du pouvoir d’entreprise centrée sur des capacités natives en IA.
Pourquoi la dépense en capital pour l’IA est la seule histoire qui compte en 2026
Au début février 2026, une confluence d’événements apparemment disparates s’est cristallisée en une seule narration incontournable pour les marchés mondiaux. Cathie Wood’s ARK Investment Management a publié un rapport positionnant les prévisions colossales de dépenses en capital de Google, Amazon et Microsoft non comme une dépense cyclique dans la tech, mais comme le coup d’envoi d’un supercycle d’investissement de plusieurs années dans l’intelligence artificielle. Parallèlement, la valeur marchande des actions logicielles américaines a chuté d’environ 300 milliards de dollars, les constructeurs automobiles traditionnels ont annoncé des dépréciations massives de 59 milliards de dollars sur leurs ambitions en véhicules électriques, et OpenAI a collaboré avec Ginkgo Bioworks pour dévoiler un laboratoire robotique autonome — un système qui a réduit les coûts d’expérimentation de 40 %. Ces points de données ne sont pas sans lien ; ils sont des symptômes interconnectés du même changement fondamental.
Qu’est-ce qui a changé, et pourquoi maintenant ? Le changement crucial est la transition de l’IA d’un outil d’amélioration de la productivité dans des modèles commerciaux existants vers une infrastructure économique fondamentale qui démantèle activement ces mêmes modèles. Le « pourquoi maintenant » est double. D’abord, la sortie de modèles comme GPT-5.3-Codex, qui prétend avoir aidé à son propre entraînement, représente un saut dans l’auto-amélioration récursive, signalant que le coût de génération de code complexe et de logique approche asymptotiquement zéro.
Ensuite, la pression macroéconomique de taux d’intérêt « plus longtemps » oblige à une triage brutale des investissements des entreprises. Les sociétés doivent choisir : financer des transformations industrielles traditionnelles à forte capitalisation (comme les lignes d’assemblage de VE) ou pivoter le capital vers l’infrastructure numérique de l’intelligence. L’effondrement simultané des actions logicielles et le recul de l’industrie automobile montrent que cette triage se déroule en temps réel, avec des capitaux fuyant les secteurs dont les fossés économiques sont érodés par l’IA.
Comment la dépense en capital pour l’IA redéfinit l’allocation des ressources
Le mécanisme à l’origine de ce changement ne se limite pas à dépenser davantage pour des puces Nvidia ; il concerne la façon dont l’IA modifie fondamentalement l’économie de l’innovation et de l’échelle. Les avantages concurrentiels traditionnels — qu’il s’agisse de logiciels propriétaires d’entreprise ou d’une chaîne d’approvisionnement mondiale complexe pour la fabrication de véhicules — étaient construits sur des coûts fixes élevés et un coût marginal significatif de reproduction ou d’itération. L’IA, en particulier les systèmes génératifs et autonomes, réduit ces coûts marginaux à néant. Lorsqu’une IA peut générer, tester et affiner du code logiciel ou un composé chimique à coût marginal proche de zéro, la valeur de la propriété intellectuelle statique, écrite par l’humain, chute brutalement. C’est le moteur principal derrière la soi-disant « SaaS-pocalypse » et la dévaluation des actions logicielles traditionnelles.
La chaîne causale s’étend aux industries physiques. La dépréciation de 59 milliards de dollars sur les VE par Stellantis, VW, GM et Ford n’est pas seulement une réaction à une demande en ralentissement ; c’est une retraite stratégique d’un avenir capitalistique où ils sont dépassés. Leur modèle consistait à dépenser des centaines de milliards pour reproduire l’intégration verticale de Tesla et augmenter la fabrication. Cependant, la prochaine frontière de l’avantage automobile réside dans le logiciel de conduite autonome, les chaînes d’approvisionnement optimisées par l’IA, et les plateformes de véhicules définis par logiciel — des domaines où leurs dépenses en usines physiques offrent peu d’avantage. Le capital est en train d’être réaffecté de l’hardware de transport vers l’intelligence de la mobilité.
Les bénéficiaires immédiats sont les hyperscalers (AWS, Google Cloud, Microsoft Azure) et les entreprises natives en IA qui fournissent les modèles fondamentaux et l’infrastructure. Les entités sous une pression sévère et soutenue sont toutes celles dont le fossé concurrentiel repose sur une propriété intellectuelle non générée par l’IA ou sur une échelle physique complexe et inflexible.
La triple phase d’érosion des modèles d’affaires traditionnels par la dépense en capital IA
Phase 1 : Érosion des coûts et choc de productivité
La première vague, où les outils d’IA réduisent drastiquement le coût des fonctions clés de l’entreprise. La perte de 300 milliards de dollars en capitalisation boursière dans le logiciel est une réévaluation directe de cette nouvelle réalité, où le coût marginal de création de logiciel s’effondre. Cette phase favorise les intégrateurs et permet d’importants gains d’efficacité internes, mais commence à diminuer le pouvoir de fixation des prix des fournisseurs de logiciels autonomes.
Phase 2 : Érosion des fossés et retraite stratégique
À mesure que les capacités d’IA passent d’assistives à génératives et autonomes, elles commencent à attaquer les avantages stratégiques fondamentaux de secteurs entiers. La dépréciation automobile en est un exemple : la valeur future perçue de leur investissement massif dans la production de VE (leur nouveau fossé prévu) est en train d’être amortie parce que le vrai terrain de compétition s’est déplacé vers l’IA et l’autonomie. Les flottes de capital alimentent l’ancien fossé pour financer le nouveau.
Phase 3 : Convergence et création de nouveaux marchés
La dernière phase, anticipée par le laboratoire OpenAI-Ginkgo, est celle où l’IA converge avec la robotique et la science dure pour créer de nouveaux paradigmes de découverte et de production. Cette phase ne consiste pas à faire plus bon marché ce qui existait ; c’est à faire des choses impossibles de manière routinière. Elle déplace la dépense en capital de la simple montée en puissance de processus connus (plus de robots en laboratoire) vers le financement de l’« scientifique » IA qui conçoit les expériences que ces robots mènent, déverrouillant des rendements non linéaires et créant de nouvelles industries rendant obsolètes les anciennes.
De la dépense en capital à la « dépense en capacités »
Le changement au niveau industriel annoncé par la thèse d’ARK est une redéfinition fondamentale de ce qui constitue un actif stratégique. Pendant des décennies, le manuel industriel était clair : investir du capital pour construire des actifs physiques ou numériques (usines, mines, plateformes logicielles) qui créent des barrières à l’entrée par l’échelle. Aujourd’hui, ce manuel est en train de se briser. Le nouveau paradigme, la « dépense en capacités », privilégie l’investissement dans des systèmes qui apprennent, s’adaptent et génèrent leurs propres améliorations. L’actif n’est plus l’usine mais l’IA qui conçoit et optimise l’usine ; pas la bibliothèque de composés médicamenteux mais le laboratoire autonome qui découvre de nouveaux composés chaque semaine.
Ce changement explique la divergence entre la prévision optimiste de 527 milliards de dollars pour la dépense en capital IA de Goldman Sachs et le recul d’autres investissements industriels. Le capital n’augmente pas seulement ; il se concentre autour d’un nouvel axe de création de valeur. Il s’aligne aussi avec l’observation de BlackRock selon laquelle les bilans des géants de la tech sont désormais suffisamment grands pour impulser le PIB national.
Leur dépense en capital n’est pas une ligne de dépense d’entreprise ; c’est un investissement souverain dans l’infrastructure de l’économie future. Cette concentration crée un cycle auto-renforçant : plus de dépense en capital mène à de meilleurs modèles d’IA, qui débloquent de nouvelles gains d’efficacité et de revenus, justifiant davantage d’investissements et élargissant l’écart entre les leaders intégrés en IA et les incumbents traditionnels. L’industrie se bifurque en acteurs natifs en IA et cibles en IA.
Chemins futurs : centralisation, souveraineté et intelligence distribuée
La trajectoire de ce supercycle de dépense en capital IA définira le paysage économique de la prochaine décennie. L’ampleur de l’investissement ouvre plusieurs voies plausibles, à enjeux élevés.
Voie 1 : L’oligopole des hyperscalers (intelligence centralisée).
C’est la voie de moindre résistance et la dynamique actuelle. Google, Amazon, Microsoft, et quelques autres deviennent les souverains de facto de l’infrastructure IA. Leur dépense cumulée, atteignant des trillions, crée un avantage insurmontable en calcul, données et développement de modèles. La capacité IA devient une utilité achetée auprès de quelques fournisseurs, menant à une efficacité incroyable mais aussi à une centralisation importante du pouvoir économique et potentiellement politique. L’innovation est rapide mais canalisee par les priorités architecturales et commerciales de l’oligopole.
Voie 2 : La contre-mobilisation souveraine en IA (intelligence fragmentée).
Alarmés par la dépendance stratégique de la Voie 1, les États-nations et blocs économiques lancent leurs propres programmes massifs publics et publics-privés en IA. L’UE, la Chine, l’Inde, et d’autres investissent dans le cloud souverain et le développement de modèles pour assurer leur autonomie numérique. Cela fragmentera le paysage mondial de l’IA, créant des infrastructures en double, et pourrait ralentir l’innovation par duplication, mais réduira le risque de centralisation. Cela transforme la dépense en capital IA d’une compétition d’entreprises en un enjeu géopolitique et industriel.
Voie 3 : La montée de réseaux distribués et crypto-natifs en IA.
Ce chemin suppose que la force de centralisation de la dépense massive sera contrebalancée par des réseaux cryptographiques et de marché décentralisés. Imaginez que la puissance de calcul, les données, et l’entraînement des modèles IA se regroupent en marchés accessibles mondialement, minimisant la confiance — concepts explorés dans la crypto. Ici, la dépense en capital est crowdsourcée et commoditisée, et la valeur revient aux propriétaires de données spécialisées ou aux développeurs de modèles de niche qui prospèrent sur un réseau décentralisé. Ce chemin est le plus disruptif mais rencontre les obstacles techniques et d’adoption les plus importants face à la puissance des hyperscalers.
Impact tangible : actifs réévalués, stratégies réimaginées
Pour les investisseurs en marchés publics, l’impact immédiat est une réévaluation brutale des actifs en fonction de leur exposition à l’érosion ou à l’amélioration pilotée par l’IA. Le « trade » logiciel versus infrastructure IA n’est que le début. Une analyse similaire sera appliquée à chaque secteur : quelles entreprises de santé construisent des laboratoires autonomes de découverte versus celles qui vendent simplement des portefeuilles de médicaments existants ? Quelles industries optimisent leurs opérations par l’IA versus celles qui maintiennent des usines legacy ? Les thèses d’investissement doivent désormais inclure un audit rigoureux de « fossé IA ».
Pour les stratèges d’entreprise, cela implique une réinitialisation stratégique totale. Le cadre classique de Porter pour la concurrence est inadéquat. La stratégie doit désormais se centrer sur la construction et la participation à des boucles de rétroaction IA. Des partenariats comme OpenAI-Ginkgo sont des modèles : réussir nécessite d’intégrer l’IA de façon native dans le processus de création de valeur, pas en support. Cela peut impliquer des changements radicaux, comme faire pivoter les constructeurs automobiles pour devenir des entreprises de robotique IA ou des sociétés pharmaceutiques en plateformes de découverte pilotées par IA. Le coût d’un mauvais choix est l’obsolescence, comme le montrent déjà les dépréciations massives.
Pour l’économie plus large et les décideurs politiques, le boom de la dépense en capital IA pose un double défi : favoriser les gains de productivité tout en gérant la dislocation. La dépréciation de 59 milliards de dollars dans l’automobile n’est pas qu’une perte comptable ; elle représente du capital immobilisé et des transitions potentielles pour la main-d’œuvre. Le pacte social dépend de la capacité des nouvelles industries et emplois créés par la productivité IA à surpasser la destruction des anciennes — un enjeu qui sera directement alimenté par la façon dont cette vague historique de dépense en capital sera déployée.
Qu’est-ce qu’ARK Invest ? Le gestionnaire d’actifs visionnaire à l’ère de l’IA
ARK Investment Management LLC est une société de conseil en investissement fondée par Cathie Wood, reconnue pour son focus sur « l’innovation disruptive ». Son approche est essentiellement thématique, visant à identifier et investir dans des entreprises publiques qui sont leaders, facilitateurs et bénéficiaires des avancées technologiques susceptibles de changer le monde. La recherche approfondie et la perspective à long terme de la société en ont fait à la fois un indicateur de tendance technologique et un acteur volatile et contesté sur les marchés.
Méthodologie d’investissement et « Grandes Idées » :
Le processus d’ARK repose sur une recherche approfondie, interdisciplinaire, visant à prévoir le rythme de l’adoption technologique et son impact économique. Cela aboutit à leur rapport annuel « Grandes Idées », une publication phare qui expose leurs thèmes d’investissement principaux — avec l’IA, la robotique et le séquençage génomique en piliers permanents. Leur thèse sur la dépense en capital IA est une extension directe de ce cadre, interprétant les dépenses d’entreprise non pas sous un prisme comptable à court terme mais comme un indicateur avancé d’un changement de paradigme économique futur. Ils considèrent ces dépenses comme le « paiement initial » pour des industries transformées.
L’intersection avec la crypto et le Web3 :
ARK a été un défenseur constant et vocal du Bitcoin et de la classe d’actifs crypto en général, la voyant comme une innovation disruptive parallèle dans la finance. Leur thèse s’entrelace souvent avec l’IA, suggérant que les réseaux décentralisés et la rareté numérique (crypto) formeront la couche économique et de confiance d’un monde de plus en plus piloté par des agents IA autonomes. Cela positionne ARK à l’intersection des deux forces technologiques majeures des années 2020.
Positionnement et feuille de route :
La feuille de route d’ARK est son programme de recherche. Ils visent à continuer d’identifier les points de convergence clés — comme IA + biologie ou IA + blockchain — avant qu’ils ne deviennent un consensus dominant. Leur positionnement est celui d’un allocateur de capitaux tourné vers l’avenir, pour « le futur en train de se construire », prenant souvent des positions concentrées dans des noms à forte conviction. Leur succès dépend de la précision et du timing de leurs prévisions thématiques, faisant de leurs déclarations audacieuses sur la dépense en capital IA à la fois une stratégie d’investissement et une déclaration publique sur le rythme du changement technologique.
La grande réallocation : des cycles économiques aux cycles de capacités
Le rapport d’ARK n’est pas qu’une vision optimiste sur la dépense technologique ; c’est un cadre pour comprendre une réallocation historique de capitaux mondiaux. Nous ne sommes pas simplement en train d’assister à un boom dans le cycle économique traditionnel. Nous assistons aux premiers mouvements d’un « cycle de capacités », où la métrique clé de la puissance économique passe de l’utilisation de capacité à l’amplification de l’intelligence.
La tendance est claire : le capital est violemment détourné des structures obsolètes dont la proposition de valeur s’effrite, et dirigé vers l’infrastructure numérique de l’intelligence. C’est pourquoi les actions logicielles peuvent s’effondrer alors que la dépense en capital des hyperscalers explose, et pourquoi les géants de l’automobile peuvent abandonner les usines EV tout en finançant des laboratoires autonomes. Le marché tente de valoriser un futur où les règles de la concurrence, les fossés et la création de valeur sont réécrits par l’IA.
Le signal critique à surveiller n’est plus la performance trimestrielle, mais la qualité et l’ambition de la dépense en capital des entreprises. Est-elle consacrée à défendre le passé ou à construire des capacités fondamentales en IA pour l’avenir ? La question de 2026, de 527 milliards de dollars, est de savoir si cet investissement sans précédent apportera les gains de productivité transformatifs qui le justifient. Les premières preuves — coûts logiciels en chute, accélération de la découverte de médicaments — suggèrent que la transformation est déjà en marche, et ses implications économiques et de marché seront bien plus profondes qu’un simple boom sectoriel. C’est le son du système d’exploitation de l’économie en cours de mise à jour en temps réel.
