L’accord de Washington: les contraintes de l’IA aux États-Unis

                                     Par Philippe Cases

Le 29 septembre 2026 un accord dit de « White House » a été signé entre différents acteurs de l’Intelligence Artificielle Générative et le Président Donald Trump. Ce n’est pas une règlementation mais un engagement volontaire des signataires d’appliquer quelques grands principes de sécurité. Même, s’il n’est que partiellement appliqué, c’est un changement important de la gouvernance des LLM.

Cet accord est né d’une situation assez étonnante : des patrons de l'IA demandant à ce que le secteur soit régulé et le président des Etats-Unis refuse d'imposer toute réglementation. Il fallait trouver une situation acceptable par tous.

Une rupture fondamentale

Pour comprendre la situation actuelle il faut se rappeler le contexte et notamment le choc créé par l’arrivée des agents il y a un peu d’un an après celui des LLM il y a maintenant quatre ans. De plus en plus fréquemment on constate des comportements à risque des agents qui ont des initiatives surprenantes et un peu inquiétantes. En Europe l’AI Act est censé prévenir ces dérives. Mais aux USA la situation est plus délicate et ils sont dans une sorte d’impasse réglementaire. Elle est due à un triple conflit d’autorités entre :

● L’État Fédéral et les États fédérés. En effet, face à l’absence de réglementation fédérale chaque État a tendance à édicter sa propre réglementation et celle-ci tendent à diverger d’un État à l’autre.

● De plus, la souveraineté publique et les intérêts privés sont assez divergents,

● Enfin les choix éthiques des fournisseurs d’IA et la responsabilité de l’État sont assez différents. 

Au fur et à mesure que l’IA progresse, et elle le fait à une vitesse incommensurable avec celle de l’action publique, ces conflits se creusent.

Avec l’apparition de l’IA agentique, le problème a changé d’échelle. Ces systèmes ne se contentent plus comme les LLM de produire du texte, du code ou des recommandations. Elle agit en accédant à des systèmes, en utilisant des outils, en prenant des initiatives, en exécutant des transactions et, le cas échéant, en interagissant avec d’autres agents. 

Il est, dans ces conditions, indispensable de maîtriser les initiatives des agents. La question de l’autorité s’invite dans l’entreprise. Les récentes péripéties d’OpenAI et d’Anthropic lors des tests de nouveaux systèmes ont bien montré la gravité du problème :

● Qui les autorise à agir ?

● Qui a autorité sur ces nouveaux acteurs du SI ? 

● Qui définit leurs limites et qui contrôle leur respect ?

● Qui peut révoquer cette autorité ?

● Comment cette autorité s’articule-t-elle avec le système de gouvernance de l’entreprise ?

● …..

Les agents représentent un risque systémique important avec des conséquences potentielles considérables. L’IA agentique n’est pas seulement une Intelligence Artificielle plus puissante mais c’est une IA qui décentralise l’initiative, transforme la production de propositions en actions et multiplie les effets possibles. 

Le contexte économique de cet accord

En Septembre 2026, le contexte économique et financier est extrêmement tendu. Il est caractérisé par une demande extrêmement importante à court terme de GPU. Elle est concentrée sur 1% d’acteurs, principalement des start-ups financées par du capital risque. De plus, on constate une diffusion de l’usage à grande échelle des modèles de frontières chez les consommateurs et on observe une première pénétration dans le monde du développement du code. Dans ces conditions les prévisions d’investissements sur le long terme demandent une adoption encore plus massive de l’IA, notamment par les entreprises, pour justifier les augmentations d’infrastructure dédiées à l’IA prévues

Or, leur adoption par les entreprises dites « traditionnelles » se heurte au mur de la gouvernance : les directeurs financiers et comités de risque freinent leurs déploiements face au risque de dérapage budgétaire (c’est le « token maxing »), aux craintes de fuites de propriété intellectuelle derrière de fausses garanties de rétention de données, à l'absence d'explicabilité des résultats obtenus et à l'incertitude sur la responsabilité juridique des agents autonomes. 

C'est ce double choc économique — le besoin de débloquer l'adoption réelle en entreprise tout en évitant un moratoire étatique destructeur de valeur — qui a façonné l'arbitrage des Accords de la Maison Blanche, privilégiant la responsabilité produit (C’est le « Product Liability »), les audits externes indépendants et l'engagement de la responsabilité fiduciaire des conseils d'administration (C’est le « D&O Liability »).

En Septembre 2026, la pression a augmenté d’un cran avec l'émergence des modèles de frontières open source principalement financés par la Chine. L'émergence simultanée de modèles ouverts chinois à très haute performance (comme DeepSeek, Qwen ou Xiaomi Mimo) a fait s'effondrer le coût de l'inférence à moins de 1 dollar le million de jetons soit un avantage de 60 % à 90 % par rapport au prix du jeton facturés par les modèles propriétaires fermés. 

En parallèle, en Août 2026 on a appris que lors des tests des nouveaux LLM d’OpenAI et d’Anthropic utilisant massivement des agents, ces derniers avaient échappé à tout contrôle. Cela a été un choc, amplifié par la démission de Jacob Coxon d’Anthropic en Septembre. Elle a entrainé un débat médiatico-politique sur les dangers de l’Intelligence Artificielle qui pourrait mettre en péril l’avenir de l’humanité (10 % de « chances » que nous soyons tous exterminés d’ici 10 ans selon Evan Hubinger). Ces risques d'émergence de modèles frontières avec l’apparition soudaine et non anticipée de capacités non prévus créent des crises significatives. Ils ont poussé une partie de l’industrie à réclamer des barrières réglementaires ou un ralentissement forcé afin de protéger leurs marges et leur valorisation.

Or, la situation de la régulation aux Etats Unis est très fragile. L’administration Trump avait, dès janvier 2025, annulé le peu de réglementation mise en place par celle de Biden et refusé d’imposer toute réglementation de peur de freiner les initiatives des entreprises du secteur. Le 29 Septembre 2026 Donald Trump a invité à déjeuner à la Maison Blanche les acteurs de l’industrie pour en discuter. Ont été invités OpenAI, Google, Méta, xAI et Nvidia.  En fait, le gouvernement s’est concentré exclusivement sur les risques systémiques des modèles de frontières géants hébergés dans des datacenters massifs. De ce fait, Apple et Intel en particulier n’était pas présent.

Les outils à la disposition du président des USA

Pour réguler une activité économique ou technologique (comme l'intelligence artificielle, la finance ou l'énergie), la puissance publique et les acteurs privés disposent de plusieurs instruments juridiques et politiques. Ces outils se distinguent par leur origine (nationale, internationale ou privée) et leur degré de contrainte (impératif ou volontaire).

Le Président des USA a à sa disposition des instruments contraignants comme une loi votée par le parlement au niveau national, « l’Executive Order » signé par le Président et qui ne s’applique qu'aux agences fédérales. A cela s’ajoute le traité ou un accord international engageant leurs responsabilités au niveau international (comme l’IA Act).

Il existe aussi des instruments non contraignants comme des accords volontaires qui sont un engagement public ou une charte de bonne conduite signée par des entreprises face à un gouvernement. Il n'y a pas de sanction légale en cas de violation, mais un risque réputationnel. Il existe aussi des recommandations qui sont des textes publiés par des autorités de régulation (comme la CNIL en France ou la FTC aux États-Unis) pour guider les entreprises à adopter les bonnes pratiques.

Le contexte politique autour de l’accord

Depuis une dizaine d'années, l’industrie de la technologie et de l’IA ont une situation particulière aux Etats Unis et dans le Monde. 8 des 10 premières capitalisation boursières (« market cap ») mondiales sont américaines et sont dans le secteur de la tech. Elles représentent entre 37% et 40 % de la capitalisation boursière de Wall Street. Si on y ajoute les produits dérivés de la tech comme Google, Meta et services de communications ou Apple, la tech constitue entre 56% et 57% de la capitalisation américaine. 

La domination technologique américaine ne se limite plus aux entreprises cotées qui ont construit Internet et le cloud. Avec l'IA, elle pourrait s'étendre à une nouvelle génération d'entreprises dont la valorisation rivaliserait comme l’atteste les valorisations estimées des premières start-up IA comme Anthropic (2.000 milliards de dollars) et de OpenAI (1.000 milliards de dollars) avec celle des plus grands groupes mondiaux existants. La question devient alors celle de la dépendance de l'économie américaine, de ses marchés financiers et plus largement de l'économie mondiale à un secteur dont les investissements, les valorisations et les anticipations de croissance sont désormais étroitement liés à l'IA. Les succès historiques d'Internet, des réseaux sociaux et des smartphones aux États-Unis se sont construits dans des espaces dérégulés. Le gouvernement américain est tenté d’appliquer la même recette à l'IA : laisser les entreprises foncer, quitte à corriger les dérives plus tard.

Enfin, l’IA n’est plus seulement un enjeu économique : elle est devenue une priorité de sécurité nationale. La compétition ne porte plus uniquement sur la rentabilité des entreprises ou la valorisation des marchés, mais sur la capacité des États à maîtriser les infrastructures, les modèles et les ressources stratégiques qui déterminent leur puissance future.

La compétition avec la Chine  

La Chine développe une stratégie complémentaire à la course américaine aux modèles les plus puissants : rendre des modèles d’IA performants accessibles à faible coût, en publiant largement leurs poids et en permettant leur adaptation et leur déploiement par des tiers. DeepSeek et Alibaba avec Qwen illustrent cette approche. Elle facilite la diffusion des modèles, réduit les coûts d’accès et permet aux entreprises de les héberger sur leurs propres serveurs et de les adapter à leurs propres besoins. 

Cette stratégie répond à une logique économique et géopolitique. En abaissant les barrières à l’adoption, les entreprises chinoises peuvent diffuser leurs technologies à l’échelle mondiale, créer un vaste écosystème de développeurs et favoriser l’émergence de dépendances technologiques. L’objectif n’est donc pas seulement de rivaliser avec les modèles américains les plus avancés, mais aussi de devenir une référence incontournable pour l’utilisation quotidienne de l’IA. La diffusion peut ainsi devenir un levier de puissance, même lorsque la monétisation directe des modèles reste incertaine. 

Cette approche présente également un intérêt particulier dans la compétition avec les États-Unis. Les restrictions américaines sur l’accès aux semi-conducteurs les plus avancés ont incité les entreprises chinoises à rechercher davantage d’efficacité dans l’entraînement et l’utilisation des modèles. L’ouverture des poids permet en outre à des tiers de fournir la puissance de calcul nécessaire à leur exécution, sans que chaque utilisation dépende directement des infrastructures du fournisseur chinois. 

La compétition se joue donc selon deux logiques qui ne sont pas exclusives : d’un côté, des entreprises américaines qui cherchent à valoriser des modèles propriétaires et des services intégrés et de l’autre, des acteurs chinois qui misent largement sur des modèles ouverts, des prix bas et une diffusion rapide. L’enjeu est de savoir si la valeur se concentrera principalement dans la conception des modèles les plus avancés ou si elle se déplacera vers leur diffusion, leur adaptation et leur intégration dans les activités économiques.

En inondant le marché mondial d'IA performantes et gratuites (ou à très faible coût), la Chine poursuit plusieurs objectifs hautement stratégiques :

- Créer de la dépendance : Les développeurs, les startups d'Asie, d'Afrique, d'Europe ou d'Amérique latine construisent leurs applications sur des fondations chinoises (Qwen ou DeepSeek). À terme, cela crée une dépendance technique et logicielle difficile à inverser.

- Neutraliser l'avantage américain : Si une entreprise peut obtenir 95 % des capacités de GPT-4 pour une fraction du prix en utilisant un modèle ouvert chinois, l'avantage commercial des laboratoires américains s'érode rapidement.

Rechercher une supériorité stratégique incite donc les États-Unis à privilégier la vitesse de développement au détriment de certaines garanties permettant de renforcer les contrôles sur les technologies sensibles, les exportations de puces et les infrastructures critiques alors que la Chine utilise l’IA pour développer un écosystème mondial autour de la Chine. 

La paralysie politique du congrès américain

Sur le plan purement politique, adopter une grande loi nationale sur l'IA est extrêmement difficile aux États-Unis.

● Une polarisation extrême : Le Congrès américain est profondément divisé entre Républicains et Démocrates, ce qui bloque la plupart des grands projets de lois technologiques. Ainsi les USA n'a toujours pas de loi fédérale sur la protection des données privées similaire au RGPD européen). Bernie Sanders conteste la concentration du pouvoir économique et technologique entre les mains de quelques milliardaires, jusqu’à proposer de suspendre le développement des IA les plus avancées. 

● Une fragmentation de la coalition du président Trump au niveau national  : la concentration des richesses et du pouvoir dans l'industrie de l'IA, les menaces sur l'emploi et le coût énergétique et la consommation d’eau des infrastructures alimentent une contestation qui divise les intérêts de la Silicon Valley et le populisme économique des MAGA.

● Une fragmentation territoriale : Parallèlement, les États fédérés, démocrates comme républicains, cherchent à encadrer les effets de cette expansion sur l’emploi, les libertés, l’environnement et le coût de l’énergie.

Cette contestation révèle une contradiction au cœur de la stratégie américaine : l’IA est devenue indispensable à la puissance économique et à la sécurité nationale, mais son développement peut aussi produire des coûts sociaux et territoriaux que les citoyens refusent de supporter seuls.

Ce texte est un résumé de la conférence faite par Philippe Cases au Club de la Gouvernance des Systèmes d’Information le Mercredi 14 Octobre 2026 : « De l’impasse américaine à la gouvernance des SI. Qui a l’autorité, et comment s’exerce-t- elle à l’ère de l’IA agentique ? ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

• Quel est le contenu de l’Accord de la Maison Blanche signé à Washington du 29 septembre 2026 ?

• Dans quel contexte cette réglementation a été prises ?

• Quel est la nature de la pression chinoise ?

• Quels sont les outils possibles pour règlementer l’IA ?

• Est-ce que le principe du volontariat est suffisant ?

• Quels sont les conséquences de cette réglementation

• ….

Lire ci-dessous le support de la présentation de l’exposé de Philippe Cases

                                                                                                            Slide

1. De l’IA générative à l’IA agentique          1

2. Les Accords de la Maison Blanche          2

3. Septembre 2026 : la crise de la SuperIntelligence          5

4. Accord américain et AI Act européen                     7 

5. Retour sur la gouvernance des SI en Europe          8 

6. Les responsabilités partagées tout au long de la chaine de valeur 11 

7. Agent Spaces – De la coopération à l’intelligence collective 14

Agentique : où en sommes-nous aujourd’hui ?

par Christophe Legrenzi

L’Intelligence Artificielle générative évolue avec une rapidité surprenante. Lorsque ChatGPT est apparu le 30 novembre 2022 un nouveau monde a surgit sous nos yeux. Tout le savoir du monde était consultable à l’aide d’un seul prompt. Aujourd’hui cela parait bien loin tant les progrès se sont rapidement succédés. Ainsi depuis un peu plus d’un an sont apparus les agents IA. C’est la révolution dans la révolution car ils permettent de démultiplier la puissance des LLM..

Depuis quelques mois on assiste à leur très rapide développement. C'est une innovation considérable qui permet d'envisager des opérations qui étaient jusqu'alors jugées impossibles. Un nouveau monde s'ouvre devant nous qui dépasse de loin les possibilités offertes par les LLM. Il est pour cela important de comprendre les opportunités offertes par les agents et leurs possibilités mais aussi les risques potentiels qu'ils comportent et qu’il est nécessaire d’apprendre à maîtriser. Ce sont des enjeux stratégiques considérables. C’est le cœur de la nouvelle gouvernance des systèmes d'information.

La révolution des agents

L’agent est le résultat de la transformation d’un simple assistant conversationnel (couramment appelé chatbot) permettant d’accéder à un LLM à l’aide d’une simple phrase (un prompt) en des agents intelligents autonomes capables d’effectuer des successions d’opérations, exécuter des tâches simples mais aussi des traitements complexes, de planifier des actions, de s’enrichir par leur expérience et d’interagir avec différents outils ou sources d’informations internes, voire de s’auto-corriger. Comme on le voit, on change de monde.

On peut ainsi confier à des agents l’automatisation des processus métiers comme la gestion commerciale, la comptabilité, les ressources humaines, la logistique, … Les agents peuvent être intégrés aux systèmes informatiques existants comme les ERP, les CRM, les ITSM (1), ... Les principaux éditeurs de logiciel de gestion proposent dès aujourd’hui des agents pour améliorer les performances de leurs systèmes avec des améliorations importantes en matière de performance, de sécurité et de gouvernance.

On distingue actuellement trois types d'agent en allant du plus simple au plus complexe :

• Un copilote textuel assimilé aux agents conversationnels. Il permet de répondre à des question précises ou de traiter un document pour, par exemple, le résumer, répondre à des mails, relancer des clients, ...
• Un agent augmenté capable de mémoriser des informations liées à l’entreprise en recourant à la technologie RAG (2 ), ou de proposer des fonctions permettant d’accéder aux applications de gestion à l’aide d’APIs métir (3) et donc aux données se trouvant dans leurs bases de données,
• Des systèmes multi-agents autonomes capables de se coordonner. Ils sont apparus en 2025 et permettent d’exécuter des opérations complexes en temps réels en activant un certain nombre d’agents sous le contrôle d’un système orchestrateur. Ces systèmes peuvent prendre en charge des opérations complexes et, avec leur utilisation fréquente, ils peuvent apprendre et se perfectionner.

L’émergence d’un nouveau monde

Techniquement, l’agent moderne se compose de différents ensembles :

• un LLM comme ChatGPT (ou Copilot), Claude, Gemini, Le Chat, DeepSeek, ….
• des bases de données vectorielles (4),
• des graphes de connaissances (GraphRAG),
• une structuration avancée (StructRAG),
• des frameworks d’orchestration comme LangGraph, MGX ou Flowise.

Ces briques transforment l’agent en un véritable orchestrateur de données et de services, au lieu d’être un simple générateur de texte comme dans le cas des LLM. Les architectures multi-agents et les patterns supervisor/swarm permettent de créer des « équipes numériques virtuelles » spécialisées qui collaborent pour produire des rapports, prendre des décisions et gérer des actions complexes. 

Un long cheminement

Pour comprendre les progrès réalisés dans le domaine de l’Intelligence Artificielle Générative il faut remonter 9 ans en arrière. En 2017 une équipe de scientifiques de Google a inventé deux concepts originaux : celui de « Tranformeur » et celui de « mécanisme de l’attention ». Jusqu’alors les systèmes de traitement automatique des langues piétinaient. Ces deux notions sont à l’origine des progrès réalisés et notamment de Chat GPT, GPT pour Générative Pre-Trained Tranformer. Très vite des progrès rapides ont été constatés jusqu’à l’annonce de la version 3 de Chat GPT en 2022.

Ce fut une véritable explosion. En quelques mois des centaines de millions de personnes se sont connectés au système et ont été émerveillés par la qualité des réponses dans un français parfait. De plus, les systèmes de l’IA Générative sont capables de rédiger des programmes informatiques. C’est devenu un des usages les plus fréquent de ces systèmes. Et cerise sur le gâteau, c’est gratuit (5). De version en version on a assisté à des progrès considérables. Cependant il restait des hallucinations (c’est-à-dire des mensonges), des incohérences logiques, des informations qui n’étaient pas à jours, l’absence de mémoire des opérations effectuées antérieurement, … Cela a fini par éroder la confiance des utilisateurs. 

Mais surtout ces systèmes qui rédigeaient des textes de si bonne qualité n’étaient pas capables de consulter des données de l’entreprise et surtout ils ne pouvaient pas lancer des actions sur le site informatique de l’entreprise ou sur le Web. Les agents sont nés de ces constatations. Il fallait pouvoir accéder aux bases de données de l’entreprise et aux sites Web utiles pour lire et pour écrire. 

Aujourd’hui de nombreux cas d’usage sont opérationnels comme par exemple :

• Le support client. Les nouveaux clients ont souvent besoin d’assistance comme par exemple avoir des explications sur les opérations qu’ils doivent effectuer, la mise en œuvre des garanties, la gestion des retours, … Grâce aux agents il est possible de traiter 80 % des demandes de 1er niveau et ainsi permettre aux personnes chargées de l’assistance de concentrer le travail sur les véritables problèmes. 
• Les conseillers patrimoniaux avaient une grosse charge de travail pour suivre les dossiers de leurs clients. Ils ont ressenti le besoin d’avoir un système permettant d’analyser les portefeuilles de leurs clients, de rédiger des notes de synthèse qui leur sont destinées et de faire des recommandations d’achat ou de vente. De plus les agents ont permis de suivre en temps réel les variations des cours en bourse et de faire, le cas échéant, des suggestions.
• Les avocats ont besoin d’avoir des dossiers pour plaider. Ce travail est confié à des assistants qui doivent rechercher la jurisprudence pertinente dans le cadre d’une affaire spécifique. Lors de la rédaction des contrats il est souvent utile de disposer d’un premier jet avec des clauses contractuelles adaptées au cas particulier. Enfin il est pratique d’avoir une veille juridique pour suivre les évolutions de la réglementation. Toutes ces tâches sont prises en charge par des agents.
• L’automatisation de tâches administratives de bout en bout. Dans toutes ces entreprises il existe de nombreuses opérations répétitives de faible valeur ajoutée comme l’embauche d’un nouveau collaborateur, le traitement des factures fournisseurs, la gestion des tickets de l’assistance informatique de niveau 1, … Ces tâches sont assurées par des agents qui assurent l’orchestration entre les différents systèmes existants.
• ….

Ainsi de nombreuses tâches peuvent être prise en comptes par les agents. Mais, encore faut-il contrôler leur activité car l’observation montre qu’il existe des risques non-négligeables qu’il faut apprendre à maîtriser.

La gouvernance des agents

Pour cela il faut d’abord s’assurer de l’alignement du système. C’est un enjeu important qui est assuré par des mesures comme l'apprentissage par renforcement à partir du feedback humain (RLHF), l'apprentissage par renforcement à partir du feedback de l’Intelligence Artificielle (RLAIF), ainsi que l’IA constitutionnelle qui assure l’innocuité des retours d’information de l’IA (Constitutional AI)). 

Il est aussi nécessaire d’assurer une traçabilité complète des opérations. Il est aussi indispensable de mettre en œuvre une politique de sécurité renforcée. Ces mesures sont importantes afin de garder la main sur ce que les agents peuvent réellement faire. Le potentiel de ces nouveaux agents est immense, tout autant que les risques liés à cette architecture notamment lors de la connexion entre différents systèmes informatiques. 

La souveraineté et le respect du RGPD peuvent être assurés par des déploiements avec des modèles open source, des RAG sur des données de l’entreprise et le recours à des sites on-premise (c’est-à-dire de l’entreprise) ou à des clouds souverains externes.

L’enjeu est d’arriver à construire progressive à une entreprise augmentée basée sur des agents fiables, gouvernés et créateurs de valeur mesurable.

Ce texte est un résumé de la conférence faite par Christophe Legrenzi au Club de la Gouvernance des Systèmes d’Information le Mercredi 27 Mai 2026 : « Agentique : où en sommes-nous ? ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

• Quelle est l’origine des agents ? 
• Quels sont les limites des LLM ?
• Quels sont les relations entre les agents et les LLM ? 
• Comment fonctionnent de manière pratique les agents ? 
• Quels sont les différents types d’agents ? 
• Quels est l’importance des multi-agents et des agents d’orchestration ? 
• Quels sont les cas d’usage actuels ?
• Comment améliorer la sécurité des agents ?
• Quels sont les principes de gouvernance à appliquer ? 

Lire ci-dessous le support de la présentation de l’exposé de Christophe Legrenzi :

                                                                                                 Slide

1. Introduction                     3

2. L’évolution des capacités des IA           12

3. Comment fonctionnent les agents modernes 20

4. Cas d’usage et capacités actuelles         33 

5. Gouvernance, sécurité et souveraineté          39 

6. Conclusion et perspectives         47

---------------------------------------------------------------

 

[1] - ITSM : Information Technology Service Management  ou gestion des services informatique. C’est la gestion de la production informatique, la surveillance de la sécurité et le cas échéant l’intervention rapide en cas d’intrusion.

[2] - RAG : Retrivial Augmented Generation ou génération à enrichissement contextuel. Cette technologie permet de prendre en compte des données propre à l’entreprise : comptabilité, gestion des ressources humaines, contrats, …

[3] - API : Application Programming Interface ou interface de programmation d’application. Ils permettent d’accéder aux programmes et aux données des applications informatiques existantes.

[4] - Une base de données vectorielle est une base de données qui vous permet de stocker, d'indexer et d'interroger des vecteurs ou des représentations numériques de données non structurées, telles que du texte, des images ou des fichiers audios.

[5] - C’est gratuit pour les anciennes versions. Les nouvelles sont vendues à prix d’or.

Le Règlement européen de l'IA (AI Act) : entre spécifications techniques, incitations économiques et positionnement stratégique.

 par Arnaud Billion

Après un accouchement long et douloureux l’Union Européenne a fini par produire une réglementation de l’Intelligence Artificielle. Publiée en Juin 2024 celle-ci commence à se mettre en place dans une logique d’entrée en vigueur progressive. Il est vrai que pour des raisons politiques certaines parties de ce Règlement ont été récemment décalées dans le temps, mais on voit mal comment une marche arrière serait possible dans la mesure ou le « Brussels Effect » est un signal stratégique fort.

Une lecture superficielle du Règlement européen sur l'IA (AI Act) laisse à penser que ce ne serait qu’une liste à la Prévert de tâches procédurales et bureaucratiques, une sorte de reporting institutionnel surabondant. De plus ce texte est long, bavard et mal écrit ce qui est source d’incertitude. Mais, à regarder de plus près on peut tout de même y trouver intérêt.

 Les raisons de la curieuse forme de l’AI Act

L’AI Act est une partie d’un ensemble réglementaire riche et complexe produit par l’Union Européenne comme le RGPD (données personnelles), le DMA (marchés numériques), le DSA (services et contenus numériques), le DGA (gouvernance numérique), le NIS2 (cybersécurité) … Ces textes sont eux-mêmes partie d’un ensemble plus vaste qui est le droit positif applicable de l’Union, lequel comprend notamment les droits nationaux. Au fil des ans cette législation se développe et s’enrichit.

 Dès sa promulgation en Juin 2024 l’AI Act s’est imposé aux 27 pays européens sans qu’il soit nécessaire de l’implémenter dans les Etats membres selon une loi nationale. Il n’est pourtant entré que partiellement en vigueur à partir du 1^er août 2024 et sa mise en place va s’étaler jusqu’en 2027 et même au-delà car, face à la pression des lobbies, une loi dite « Omnibus » a décalé et reformulé certaines mesures. Enfin, point très important, les régulateurs nationaux chargés de surveiller l’application de l’AI Act ont été désignés et les contrôles commencent à être mis en œuvre.

 Prenant du recul, nous voyons que c’est un droit qui louche du côté de son implémentation informatique : rédigé selon les principes tels que « la norme claire » et « la norme déductible » il reflète une ambition de la Commission : un droit directement applicable dans le système d’information, sans même besoin d’une intervention humaine (« Digital Ready Policymaking ») (voir slide 11 ci-dessous). Au-delà, c’est un révélateur d’une des forces (et des dangers) du droit moderne qui depuis le 17^ème siècle  promeut « le système de règles formelles déductibles » octroyant une prime à tout programme au détriment de l’approche artisanale informelle ou intuitive.

 La longueur et la complexité de l’AI Act est en partie due à la durée de l’élaboration de ce texte. Entre sa première esquisse et sa publication finale il s’est passé quatre ans comprenant une longue phase de dialogue entre le Parlement et la Commission suivi d’un trilogue avec en plus le Conseil des Ministres des états, accompagné d’un intense lobbying du secteur. Cela explique, en grande partie, sa médiocre qualité juridique.

 Pour bien comprendre la logique de l’AI Act il faut se rappeler celle du droit européen qui s’efforce toujours de maintenir (ou plutôt d’énoncer) un équilibre entre le respect des droits fondamentaux et la recherche de l’efficacité économique. Ainsi tout juriste armé de cette boussole, est capable de montrer la logique de ce texte et de proposer aux entreprises concernées des stratégies de conformité adaptées à chaque contexte.

 Les grandes distinctions

 Sont catégorisés des utilisations des IA en fonction de leurs niveaux respectifs de risque. C’est une étrange taxonomie, qui tâche de saisir ce que va faire tel ou tel système.

 Faut-il penser que l’AI Act atteindra ses objectifs ? Ce serait étonnant, d’autant que l’approche par les risques n’est guère pertinente (puisque sont postulés des « systèmes » qui ne resteront pas fidèles à eux-mêmes) Il est en tout cas critiqué par des entreprises comme Open IA ou Mistral, qui le trouvent trop contraignant et inopportun économiquement, à cause d’une trop lourde charge de conformité : il faudrait pouvoir innover librement.

 Cependant de nombreuses entreprises décident de se conformer à l’AI Act, exercice qui ne peut consister à modifier tout le systèmes de gestion et d’information pour satisfaire l'ensemble des prescriptions du droit européen (ce serait bien trop lourd et compliqué en absence d’une cohérence d’ensemble). Le rêve serait simplement de prompter à un super agent d’IA « mets-moi en conformité avec l’ensemble de l’AI Act sans perturber mes processus ». On sent toute la vanité de ce projet.

Mais à quelque chose malheur est bon : les entreprises, en se penchant sur les risques de non-conformité, vont devoir se reposer la question de l’alignement stratégique, de la maintenabilité et de la valeur de leur système d’information. En effet, les prescriptions du l’AI Act peuvent être considérées comme une recension (certes incomplète, maladroite et velléitaire) de bonnes pratiques informatiques. Autrement dit, il faut chercher à lire dans l’AI Act les spécifications logicielles pertinentes et intelligentes permettant d’améliorer de manière significative le processus de transformation numérique des entreprises.

Par exemple, l’entreprise qui prendra au sérieux l’exigence posée de supervision humaine, aura une chance de conserver le contrôle des opérations (dans un contexte d’interconnexion grossièrement généralisée, dite « agentique ». Autre exemple : l’AI Act liste des applications interdites de l’IA par exemple les techniques de manipulation subliminale, ce qui permet d’éviter aux entreprises d’orienter leurs modèles d’affaires sur le service d’une société à la Orwell… mais on peut craindre que l’exercice de divination des mauvais usages de l’IA soit vain, puisque les risques sont en fait systémiques ; porter l’attention sur le soi-disant « système d’IA » n’est peut-être pas si opportun.

 Une liste de prescriptions

 Lorsqu’on lit les 113 articles de l’AI Act on constate très vite que c’est, pour une bonne partie, une liste des bonnes pratiques qui doivent être appliquées tant par les fournisseurs que par les intégrateurs de logiciels et de services, lesquels devront évaluer les risques liés à l’emploi de leurs systèmes et prendre des mesures pour chercher à les réduire. Ces règles concernent aussi la gestion des données qui doivent être convenablement sécurisées. De même les entreprises qui déploient pour le compte de tiers des systèmes à base d’Intelligence Artificielle doivent veiller à leur sécurité.

 Un effort particulier doit être porté à la compliance de ces systèmes par le moyen d’un processus de contrôle de la conformité et la possibilité d’obtenir un label CE. Cette démarche repose sur la vérification par un tiers de l’application des bonnes pratiques que tout professionnel connait et s’efforce d’appliquer. Notons encore que des normes harmonisées sont commandées à la CEN-CENELEC afin d’instancier un peu mieux toutes ces recommandations.

 En tout état de cause, la seule démarche praticable nous semble l’approche remontante ou bottom-up, consistant à reconnaître le champ des possibles transformations à partir d’un diagnostic clair dans chaque situation en fonction des ressources disponibles… la meilleure manière de servir l’alignement stratégique sans négliger le respect des droits humain fondamentaux.

 En guise de conclusion

 L’AI Act s’inscrit dans la logique du droit de l'Union, cherchant à concilier performance économique européenne et épanouissement des Droits de l’homme. Il invite chacun à maîtriser les systèmes basés sur l’Intelligence Artificielle. Il se différencie en cela des démarches, ou de l’absence de démarche, des deux pays qui assurent aujourd’hui une grande partie des développements des systèmes à base d’IA : les USA où l’administration Trump a supprimé le peu de législation existante et a même interdit aux différents Etats américain de légiférer sur le sujet ; la Chine qui semble avoir opté pour le contrôle étatique des systèmes par l’Intelligence Artificielle. Cependant, sa mise en œuvre par les entreprises concernées requiert un effort important de compréhension de cette loi afin d’en apprécier les avantages ce qui permettra de faire évoluer de leurs pratiques de développement et de mise en œuvre de ces systèmes.

 

Ce texte est un résumé de la conférence faite par Arnaud Billion au Club de la Gouvernance des Systèmes d’Information le Mercredi 18 Février 2026 sur le thème : « Le Règlement européen de l'IA (AI Act) : entre spécifications techniques, incitations économiques et positionnement stratégique. »

Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        Quelles sont les principes sous-jacents à l’AI Act et quels sont les objectifs visés par le législateur ?

-        Quels sont, derrière ces contraintes, les bonnes pratiques à mettre en œuvre ?

-        Comment les entreprises peuvent prendre en compte ces obligations pour en faire une opportunité ?

-        Est-ce qu’il est possible dès aujourd’hui de mesurer les impacts stratégiques de l’AI Act ?

-        Quels sont les pièges et chausse-trapes de l’AI Act ?

-         Quels sont les impacts économiques et géostratégiques de l’ensemble de ces démarches ?

-        ….

 Lire ci-dessous le support de la présentation de l’exposé de Arnaud Billon :

                                                                                                   Slide

1.        La problématique                                                                  3

2.        Le RIA dans son contexte réglementaire                               6

3.        Les grandes distinctions du RIA                                            8

4.        Compliance et gouvernance stratégique                               10

5.        Conclusion                                                                            13

Article sur la compliance et la gouvernance                          14

 

Le marché mondial du Cloud : Amazon, Microsoft et Google (les AMG) face à la Chine

 par Bernard Laur

Il y a 20 ans le marché du Cloud était insignifiant. Amazon pour assurer dans de bonnes conditions son activité de distributeur s’était suréquipée en serveurs. Pour rentabiliser ses investissements elle a eu l’idée de vendre de la capacité de stockage. Le Cloud était né. Certaines entreprises audacieuses ont alors eu l’idée de mettre dans le Cloud certaines applications transactionnelles : vente de billets (d’avion, de train, de spectacles, … ), achats de logiciels, de matériels et de service, consultation de compte, logistique, … Aujourd’hui un grand nombre d’entreprises mettent une part croissante de leurs applications dans le Cloud. Certaines ont même mis tous leurs traitements informatiques sur le Cloud.

Ainsi, en quelques années, le Cloud est devenu un marché considérable estimé à 900 milliards de dollars en 2025 avec sur plusieurs années une croissance de l’ordre de 20 % par an. On estime qu’en 2030 il sera de 2.300 milliards de dollars ! Certains prévoient même un triplement de la taille du marché. Pour apprécier l’importance de ce montant on se rappellera que la dépense informatique mondiale, hors télécommunications et services, est estimée à 4.250 milliards de dollars en 2025.

Ce marché est dominé par les opérateurs américains notamment Amazon (AWS) avec une part de marché de 30 %, Microsoft de 20 % et Google de 13 %. A eux trois, les AMG représentent 63 % du marché mondial. La répartition géographique de ce marché montre que les USA représentent, à eux seul, 390 milliards de dollars soit 43 % du marché mondial et l’Asie, Chine comprise, 270 milliards de dollars soit un peu moins de 30 %. Quant à l’Europe avec 160 milliards de dollars elle ne représente que 17,4 % du total. Pour mémoire le marché français est de 6 milliards de dollars soit moins de 1 % du marché mondial !

Une croissance solide

Différents facteurs expliquent cette croissance rapide. Il y a d’abord le besoin de puissance massive de calcul. Ceci est en partie due à l’Intelligence Artificielle et notamment l’IA Générative. Mais il y a aussi la migration d’un nombre élevé d’applications des centres de traitement des entreprises vers le Cloud.

Dans les années à venir sa croissance sera portée par :

-        L’Intelligence Artificielle (et pas seulement l’IA Générative),

-        L’Edge computing à cause de la multiplication des objets connectés,

-        Le cloud hybride et le muticloud pour renforcer la sécurité et maîtriser les coûts,

-         …

De plus un certain nombre d’applications sectorielles vont se développer comme l’imagerie médicale, la génomique, les jumeaux numériques, la gestion des risques, l’optimisation de la consommation d’énergie, les smarts grids, … A tout cela s’ajoute le fait que ces évolutions se feront dans un contexte de digitalisation accélérée des entreprises.

 Pour faire face à ces nouveaux besoins on va assister à une forte croissance du nombre des centres de traitement. On estime qu’actuellement il y en a 12.000 dans le monde dont 6.100 publics et parmi ceux-ci il y a de l’ordre de 1.100 à 1.300 centres hyperscales (ce sont des plateformes avec plus de 500.000 serveurs). Il n’y en a actuellement que deux en France pour 322 datacenters cloud au total. Or, on estime que leur nombre va doubler dans les cinq prochaines années.  

 Les facteurs de freinage possibles

Mais ces prévisions reposent sur un certain nombre d’hypothèses qui peuvent s’avérer trop optimistes et différents facteurs peuvent freiner la croissance du marché du Cloud :

·         La réalité de l’explosion de l’IA et de ses gigantesques besoins peuvent s’avérer moins importante qu’on le présume. La bulle de l’IA peut éclater ou un nouvel « hiver » de l’IA se produire.

·         Le principal frein concerne la disponibilité d’une énergie électrique « pilotable et décarbonée ». Pilotable car on peut l’activer et la moduler à la demande. Décarbonée car émettant peu de CO2. Ce qui limite les sources au nucléaire, à l’hydroélectrique et au géothermique. Des contraintes pratiques peuvent par ailleurs se produire comme une pénurie d’électricité ou son coût excessif, un réseau de distribution électrique inadapté, incapable de fournir la puissance nécessaire, l’indisponibilité d’énergie décarbonée, …

·         De même pour créer de nouveaux centres il est nécessaire de disposer des surfaces  importantes situées près des réseaux de fibre et des réseaux électriques. La contrainte du foncier risque de peser lourd, combinée à des réactions défavorables des populations alentour.

·         Les délais pour obtenir toutes les autorisations nécessaires peuvent ralentir les opérations.  Il faut ensuite réaliserles travaux, installer les équipements et enfin connecter le centre aux réseaux. Il faut compter pour ce faire un délai compris entre 3 et 6 ans. Il est donc nécessaire d’anticiper ces opérations.

·         Pour faire fonctionner ces centres il est indispensable de disposer d’un personnel qualifié en nombre suffisant. Or on manque déjà de candidats. On estime que dans le monde on recherche pour ces fonctions 1,6 million de personnes or il n’y a que 500.000 professionnels ayant les compétences nécessaires. De plus, on pense que ce déficit de compétences risque de s’aggraver dans les années à venir.

·         Chaque data center représente en moyenne un investissement de l’ordre d’un milliard de dollars. Ce sont donc des investissements considérables. On estime que dans les années à venir entre 700 et 1.000 milliards de dollars par an devront être investis pour construire tous ces centres. Il est donc nécessaire de trouver les financements indispensables. Or les gestionnaires de fonds d’investissement (assurances, caisses de retraites, banques, capital risque, …) sont généralement prudents et hésitent à s’engager dans des opérations qui leur semblent trop risquées.

·         A cela s’ajoutent les risques habituels comme l’instabilité politique de certains pays, une fiscalité excessive, les règlementations inadaptées ainsi que des contraintes juridiques (RGPD, DMA, DSA, IA Act, Cloud Act, objectifs de souveraineté, …) et des problèmes de cybersécurité et de confidentialité.

Dans ces conditions il est nécessaire d’être attentifs aux politiques suivies par les leaders du marché du Cloud que sont Amazon, Microsoft et Google mais aussi des challengers européens ou chinois. Ces différents intervenants ont des points forts et des points faibles qu’il est nécessaire de connaître. Les modèles économiques sont différents et cela a des conséquences importantes sur l’évolution des prestations offertes, sur le niveau de sécurité et sur les coûts.

Les évolutions prévisibles des différents intervenants sur le marché du Cloud

L’analyse montre que les positions des trois leaders sont solides. Cependant certains ont des fragilités potentielles comme Google qui tire l’essentiel de ses revenus de la publicité sur Internet. L’autre inconnue importante est le temps qui sera nécessaire pour arriver à solvabiliser les services de l’IA Générative actuellement fournies gratuitement. Sous ces réserves leurs positions sont solides et il est très probable qu’ils garderont leur leadership et probablement leurs parts de marché pendant les années à venir.

La Chine a trois leaders : Alibaba, Huawei et Tencent. Le marché intérieur chinois est gigantesque et de plus il est solidement protégé. Les firmes occidentales n’ont aucune possibilité de s’implanter. Les chinois visent les marchés asiatiques, du Moyen Orient et d’Afrique. La menace potentielle sur les positions des hyperscalers américains est assez faible.

Quant aux européens (OVH, Ionos, Deutch Telecom, …) ce sont des opérateurs de petite taille qui jusqu’alors ont relativement peu investi pour bâtir des infrastructures de Cloud. De plus ils s’adressent à des marchés fragmentés. Il existe pourtant des opportunités comme celle d’échapper aux lois américaines d’extra-territorialité comme le Patriot Act et le Cloud Act. Mais le désir de « souveraineté numérique » ne s’est jusqu’alors que peu traduit par un changement de fournisseur de Cloud. Dans ces conditions l’Europe, dont la France, risque de voir passer les trains.

La France a pourtant une opportunité majeure et unique en Europe car elle dispose d’importants excédents d’électricité nucléaire décarbonée quelle peut proposer à des prix compétitifs. Une opportunité qui risque d’être compromise  par les orientations du PPE3 (Programmation Pluri-annuelle de l’Energie 3) en cours de validation qui promeut les énergies alternatives  (éolien, solaire) non privilégiée par les fournisseurs de cloud car non permanentes induisant par ailleurs une hausse potentielle des prix.

 

Ce texte est un résumé de la conférence faite par Bernard Laur au Club de la Gouvernance des Systèmes d’Information le Mercredi 7 Janvier 2026 sur le thème « Amazon, Microsoft et Google (les AMG) face à la Chine sur le marché mondial du Cloud ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        Quels sont les facteurs de développement du Cloud ?

-        Est-ce qu’une croissance de 20 % à 25 % est soutenable sur une moyenne période ?

-        Quel est le rôle de l’Intelligence Artificielle dans le développement de ce marché ?

-        Est-ce qu’il existe des freins à cette expansions et vont-ils changer la donne ? Vont-ils invalider les prévisions ?

-        Comment seront financés les énormes besoins d’investissement dans le Cloud et en particulier le développement de l’IA ?

-        Est-ce que des progrès et des innovations vont limiter l’effet de ces freins ?

-        Les modèles économiques des leaders du cloud vont-ils se maintenir (l’e-commerce pour AWS, les services pour Microsoft, le web et la publicité pour Google) ?

-        Le poids des trois leaders américains peut être remis en cause par des acteurs chinois ou européens ?

-        ….

 Lire ci-dessous le support de la présentation de l’exposé de Bernard Laur :

 Slide

1.      Cloud : un marché en hyper croissance                                                  4

2.      Projections 2020 : un futur incertain dû à l’IA                                       7

3.      Les moteurs de la croissance                                                                   8

4.      Les freins majeurs                                                                                   9

5.      Les besoins d’investissement en IA                                                       20

6.      Les modèles économiques des hypersacalers                                         21

7.      La monétarisation pour l’Intelligence Artificielle sur le Cloud             23

8.      Géopolitique du Cloud                                                                           25

9.      Les implications pour la France                                                              26

10.  En conclusion                                                                                          28

 

  

http

La menace d’un krach de l’Intelligence Artificielle

 par Claude Salzman

 En septembre 2025 deux articles parus dans The Economist [1] ont sérieusement inquiété le monde de la Bourse, les investisseurs et les professionnels de l’informatique. Ils annonçaient un krach financier imminent à hauteur de 3.000 milliards de dollars dans le secteur de l’Intelligence Artificielle. The Economist a pourtant la réputation d’être un hebdomadaire sérieux qui fait référence en matière d’économie et de finance. Cependant il n’hésite pas à annoncer un krach analogue à la crise des « subprimes » de 2008-2009 avec sa kirielle de faillites ! Sommes-nous réellement au bord du gouffre ?

 Ces deux articles ont été repris dans toutes la presse mondiale, chacun rajoutant des commentaires de plus en plus angoissés comme si la crise était effectivement déjà là. Tous citent en référence la crise de 2001-2002 appelée Bulle de l’Internet mais c’est en fait une crise des opérateurs téléphoniques conséquence d’une déréglementation mal maîtrisée qui s’est traduite par des faillites en séries. Cette situation était due à des pertes massives qui ont été les conséquences de politiques aventuristes d’achat de concurrents à des prix déraisonnables comme l’avaient fait Vivendi ou France Télécom ou à des fraudes comptables comme l’ont fait aux USA des compagnies comme Enron ou Worldcom (https://fr.wikipedia.org/wiki/Krach_boursier_de_2001-2002).

 Dans le cas du marché de l’Intelligence Artificielle et notamment de l’IA Générative il n’y a rien qui ressemble à la crise de 2001-2002. Il est vrai qu’il y a eu entre 1995 et 2000 une folle spéculation sur des nouveaux sites Web. Les investisseurs se sont précipités, les cours de ses entreprises sans chiffre d’affaires ont flambées et elles ont aussi rapidement disparus qu’elles étaient apparues. Rappelez-vous : Netscape, Boo.com, Géocites, govWorks, … (https://fr.wikipedia.org/wiki/Bulle_Internet). Rien de tel dans le boom actuel de l’IA Générative. Les cours en Bourse de quelques entreprises américaines sont élevés et inquiètent un certain nombre d’opérateurs (ou plutôt de spéculateurs). Ils auraient acheté trop cher les actions de ces entreprises et aimeraient bien s’en débarrasser. Mais ce sont aujourd’hui de vraies entreprises, ayant une réelle activité et des résultats positifs, voire très positifs.

 Que sont les bulles ? Qu’est-ce qu’un krach ?

 Mais les 3.000 milliards de dollars de pertes potentielles estimé par The Economist ne sont pas dues à une éventuelle dépréciation de ces actions mais aux montants des investissements qui seront effectués entre 2025 et 2028 pour construire tous les data centers permettant de faire face à la demande d’IA Générative. Leur montant est estimé par la banque Morgan Stanley à une dépense moyenne de 750 milliards par an. Ce chiffre peut sembler très élevé mais possibles. Il était de 130 milliards de dollars en 2024 et on estime qu’il a été en 2025 de 400 milliards de dollars ! Un triplement en seulement deux ans ! Ce type de bond ne peut qu’inquiéter les boursiers qui ont l’habitude de dire que « les arbres n’atteignent jamais le ciel ». Mais quelle est la réalité de ces prévisions d’investissements futurs ?

 Histoire des bulles, des crises et des krachs

 Il est vrai qu’il y a eu dans le passé de nombreux phénomènes de bulles spéculatives suivies d’effondrements boursiers. Ce sont les fameux krachs. Le plus célèbre est la Crise de 1929 qui s’est traduit par la faillite de nombreuses banques. C’est une des causes de la prise du pouvoir des nazis en Allemagne et ainsi de la 2^ème Guerre Mondiale.

 Mais le plus ancien krach est celui des Tulipes en 1636-1637 aux Pays-Bas, appelée la Tulipomania. Un bulbe de tulipe a alors atteint le prix extravagant de 4.300 florins soit le prix de 430 moutons gras. Mais quelques jours plus tard on s’est rendu compte de l’absurdité de ce cours et ils se sont effondrés en ruinant de nombreux spéculateurs (https://fr.wikipedia.org/wiki/Tulipomanie).

 Il y eu de nombreuses crises et de nombreux krachs depuis trois siècles et les continuent de se produire. Ils sont inhérents au mécanisme des Bourses. Un faux bruit court, les spéculateurs se précipitent, les cours flambent et, tout ou tard, ils finissent par s’effondrer. Wikipédia en a effectué un recensement de toutes ces crises et de ces krachs (https://fr.wikipedia.org/wiki/Liste_des_crises_mon%C3%A9taires_et_financi%C3%A8res). Ils sont nombreux : ainsi de 1971 à 2021, en 50 ans, il y a eu 40 crises. Quasiment une crise par an !

 Ces crises peuvent des crises boursières qui sont toujours spectaculaires mais les plus dangereuses sont les crises bancaires et les plus graves sont les crises monétaires et fiscales : rappelez-vous la crise des finances publiques grecques [2] suivie par la crise de l’euro.

 Selon The Economist la bulle de l’Intelligence Artificielle serait une bulle majeure comme ce fut le cas qu’a connu la Grande-Bretagne connu au milieu du 19^ème siècle avec le boom des chemins de fer. Entre 1844 et 1846 10.000 kilomètres de rail ont été posés soit la moitié du réseau actuel. Des centaines de compagnies de chemin de fer ont été créé financées et elles ont été largement financés par les banques. En quelques mois le prix des actions a doublé. Mais, subitement les taux d’intérêt sont passés de 3 à 5 %. Cela a entraîné une chute brutale du cours des actions qui s’est traduite par une série de faillites de compagnies de chemin de fer qui a leur tour ont fait sauter un grand nombre de banques.

 Dans ces conditions est-ce que la croissance de l’IA Générative est une bulle ?

 Dans le cas présent l’éclatement de la bulle serait dû à l’importance des investissements en centre de traitement des opérateurs d’Intelligence Artificielle. Or ces montants sont financés pour l’essentiel par des emprunts. Ce sont bien entendu OpenAI, Anthropic, … Mais aussi Microsoft, Google, Amazon, … Or, en face de ces dépenses les chiffre d’affaires de l’IA Générative sont actuellement bien faibles. On estime que l’ensemble des opérateurs d'IA Générative n’ont réalisé en 2025 qu’un chiffre d’affaires de 50 milliards de dollars. Ce n’est pas suffisant pour dégager des bénéfices et donc dégager une rentabilité de ces investissements [3]. 

 En fait le montant des investissements nécessaires pour créer des centres de traitement est déterminé par le nombre de requêtes qu’ils doivent traiter à un instant donné. Or, ce volume dépend de différents facteurs dont le nombre de personnes recourant à l’IA Générative, le nombre de requêtes qu’elles effectuent par jour et, bien sûr, la complexité de ces prompts. Pour définir le nombre et la taille de ces data center il est aussi nécessaire de tenir compte de la charge machine nécessaire par inférence et aussi de la puissance des GPU installés. Le calcul n’est pas facile. Cependant, il semble qu’actuellement celle-ci double tous les ans ? Mais est-ce que cela va continuer dans les années à venir ?

 Dans ces conditions on risque une sur ou une sous-estimation. Dans un cas cela se traduit par une majoration des coûts et des risques de pertes et dans l’autre une dégradation des performances et le mécontentement des clients. En fait, la principale menace de bulle est dû au fait qu’un certain nombre d’entreprises du secteur de l’Intelligence Artificielle sont manifestement surcotées comme c’est le cas de Nvidia. Elle représente une capitalisation de 4.300 milliards de dollars pour une chiffre d’affaires de 130 milliards de dollars soit 33 fois ce montant. Ce ratio est déjà très étonnant car il est généralement compris entre 1 et 3 ! Une entreprise vaut donc entre 1 et 3 ans de chiffre d’affaires, pas 33 ans. Cette côte s’explique en grande partie par la marge nette incroyable que réalise l’entreprise : elle est égale à 56 % de son chiffre d’affaires. Plus étonnant encore, Nvidia a un PER [4] de 50. Or, on le sait, le PER, ou Price Earning Ratio, est l’indicateur permettant de diagnostiquer un cours boursier excessif. Normalement les PER en Europe sont compris entre 14 et 18. Aux USA ils sont compris entre 15 et 30. A 50 et au-delà on est dans une zone risquée.

 Dans ces conditions ceux qui achètent actuellement des actions de Nvidia sont donc bien optimistes car un tel ratio ne peut pas tenir sur le long terme même avec une croissance du chiffre d’affaires de l’ordre de 60 % par an. Mais un krach de Nvidia ne veut pas pour autant dire un effondrement de l’ensemble du secteur de l'Intelligence Artificielle et a fortiori de l’ensemble de la Bourse.

 Evaluer la probabilité de krach

 Pour apprécier le risque d’un krach il faut évaluer les différentes entreprises du secteur et notamment les plus grandes. D’abord il faut savoir que les deux principaux acteurs du marché de l’IA Générative : OpenIA [5] et Anthropic ne peuvent pas provoquer un krach boursier pour la bonne et simple raison qu’elles ne sont pas côté en Bourse. Il est vrai qu’à force d’accumuler des pertes elles peuvent faire faillite. Cela va alors déstabiliser leurs actionnaires et leurs prêteurs. Ils devront faire des provisions massives dans leurs comptes et il est probable qu’elles ne verseront pas de dividendes pendant plusieurs années. Dans ces conditions un krach boursier est peu probable.

 Quant aux entreprises cotées en Bourse comme Microsoft, Amazon (AWS) et Google (Alphabet) il est possible qu’ils soient un jour gravement en perte et que la valeur de leurs actions s’effondrent en Bourse mais toutes les 3 sont de grandes entreprises agissant déjà sur deux marchés distincts. Ce sont les plus importants opérateurs en IA Génératives mais ce sont aussi les leaders du marché du Cloud qui représentent un chiffre d’affaires de 900 milliards de dollars en croissance de 20 % par an. A eux trois ils représentent 63 % du marché du Cloud. De plus ces entreprises aussi ont d’autres activités. Ainsi Amazon est le leader mondial du commerce électronique, Google est le leader de la publicité sur Internet et Microsoft est l’éditeur leader des logiciels. De plus ces trois entreprises ont des marges nettes exceptionnelles : 36 % du chiffre d’affaires pour Microsoft, 34 % pour Google et de 12 % pour Amazon (On notera que ses bénéfices sont pour l’essentiel réalisés grâce au Cloud. On se rappellera que les marges de la distribution sont faibles voire nulles mais que les volumes sont considérables. Amazon c’est 7 fois le chiffre d’affaires de Carrefour).

 Ces entreprises ont des PER de l’ordre de 30. C’est élevé mais ils restent raisonnables compte tenu de leur rentabilité exceptionnelle et de la croissance régulière de leur chiffre d’affaires. Dans ces contions un krach est peu probable. Par contre des ajustements des cours en Bourse sont forts probables comme c’est déjà le cas pour Nvidia dont le titre a baissé depuis son maximum de début Novembre 2025.

 

Ce texte est un résumé de la conférence faite par Claude Salzman au Club de la Gouvernance des Systèmes d’Information le Mercredi 17 Décembre 2025 sur le thème « La menace d’un krach de l’Intelligence Artificielle ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        D’où vient le bruit persistant d’un krach de l’IA Générative ?

-        Qu’est-ce qu’une bulle ? Qu’est-ce qu’un krach ?

-        Quels sont les krachs historiques et quels sont leurs causes ?

-        Quels est l’importance des investissements dans les centres de traitement quel sont les facteurs expliquant la demande d’augmentation de puissance ?

-        Est-ce que la puissance de ces millions de GPU sera suffisante ?

-        Quels sont les causes des crises boursières ?

-        Qu’est ce que le PER et quel est son rôle ?

-        Comment apprécier la solidité des principaux opérateurs : Microsoft, Google, Amazon et Nvidia ? Et OpenAI ?

-        ….

 Lire ci-dessous le support de la présentation de l’exposé de Claude Salzman :

 Slide

1.      L’art de semer la panique                                                                         4

2.      Qu’est-ce qu’une bulle ? Qu’est-ce qu’un krach ?                                   6

3.      La bulle de la tulipomania et le krach des chemins de fer anglais           9

4.      L’importance des investissements en data center                                   13

5.      Prévoir la demande d’inférence :                                                            14

6.      Comment va évoluer la demande d’inférences ?                                    15

7.      Et si la charge machine par inférence diminuait ?                                  16

8.      Et si les performances des GPU doublaient tous les ans ?                     17

9.      Les causes des crises boursières                                                             20

10.  Evaluation des actions : rôle des PER                                                    22

11.  Evaluation des risques d’une chute de Microsoft, Google, Amazon     24

12.  Le cas de Nvidia                                                                                     31

13.  Que penser                                                                                              35

14.   Et OpenAI ?                                                                                           38

15.  Conclusion                                                                                              40

 

---

[1] - Les deux articles publiés dans l'Economist des 7 et 11 septembre 2025.

 https://www.economist.com/leaders/2025/09/11/what-if-the-3trn-ai-investment-boom-goes-wrong?giftId=d9f86bb7-b999-4095-b0c5-2514baed8a6c&utm_campaign=gifted_article

 https://www.economist.com/finance-and-economics/2025/09/07/what-if-the-ai-stockmarket-blows-up?giftId=06da7d26-3251-44cb-a2ce-f02d72e6c2b8&utm_campaign=gifted_article

 [2] - Les gouvernements grecs successifs avaient éhontément truqués le montant des déficits publiques avec l’appuis des grandes banques mondiales.

[3] - Doux euphémisme ! Ce sont en fait des pertes massives. Mais ces différents opérateurs espèrent à terme des gains considérables qui effaceront ces pertes.

[4] - PER : Price Earning Ratio. C’est le rapport entre le montant de la capitalisation boursière et le résultat net de l’entreprise ou le rapport entre le cours en Bourse d’une action et le montant du bénéfice net par action.

[5] - OpenAI n’est pas une entreprise commerciale mais est composé d'une organisation à but non lucratif, OpenAI Foundation, et d'une filiale à but lucratif, OpenAI Group PBC.