Intelligence artificielle : comprendre la chaîne de valeur, les entreprises et les risques

L’intelligence artificielle regroupe des systèmes capables d’analyser des données, de reconnaître des formes, de produire du contenu, d’automatiser certaines tâches ou d’aider à la décision. Le thème est réel, mais son potentiel économique est réparti sur une chaîne de valeur très large.

Pour l’analyser correctement, il faut distinguer la croissance de la technologie, la qualité d’une entreprise et le prix payé en Bourse. Une société peut occuper une position stratégique tout en restant un mauvais investissement si sa valorisation suppose déjà une exécution presque parfaite.

Qu’est-ce que l’intelligence artificielle ?

Le machine learning apprend des relations à partir de données. Le deep learning utilise des réseaux de neurones complexes. L’IA générative produit du texte, des images, de l’audio, de la vidéo ou du code. D’autres systèmes servent à la vision industrielle, à la détection de fraude, à la recommandation, à la maintenance ou à la cybersécurité.

Les usages présentent des niveaux de maturité très différents. Une démonstration impressionnante ne garantit ni la fiabilité, ni l’intégration dans les processus, ni la volonté du client de payer.

Comment fonctionne une IA moderne ?

La première étape est la collecte et la préparation des données. Elles doivent être sélectionnées, nettoyées, structurées et utilisées dans un cadre juridique acceptable.

Pendant l’entraînement, le modèle ajuste ses paramètres à l’aide d’une grande puissance de calcul. Lors de l’inférence, il utilise ce qu’il a appris pour produire une réponse ou une prédiction. Le coût cumulé de l’inférence peut devenir plus important que l’entraînement lorsque le service compte beaucoup d’utilisateurs.

La valeur économique apparaît surtout lors de l’intégration dans un produit. La distribution, les données propriétaires, la sécurité, la qualité du service et les coûts de changement peuvent compter davantage qu’une avance temporaire du modèle.

La chaîne de valeur

Entreprises cotées à connaître

ETF associés

Indicateurs à suivre

• Capex des principaux fournisseurs de cloud et rythme réel de mise en service des capacités.
• Revenus explicitement attribuables à l’IA, croissance organique, marge brute et flux de trésorerie.
• Disponibilité des accélérateurs, de la mémoire HBM, du packaging avancé et des équipements réseau.
• Coût de l’inférence par requête ou par utilisateur.
• Clients payants, renouvellements, intensité d’usage et retour sur investissement mesuré.
• Concentration des clients, fournisseurs et zones géographiques.
• Évolution de l’AI Act européen et des cadres de gestion des risques.

Principaux risques

Réglementation à connaître

L’AI Act européen est entré en vigueur le 1er août 2024. Plusieurs obligations sont déjà applicables et une grande partie du texte doit s’appliquer à partir du 2 août 2026, avec des exceptions et des ajustements possibles. Les dates doivent être vérifiées sur le portail officiel avant chaque mise à jour.

Le NIST AI Risk Management Framework est un cadre volontaire organisé autour de quatre fonctions : gouverner, cartographier, mesurer et gérer les risques.

Les principaux types d’intelligence artificielle

Entraînement, inférence et économie du modèle

L’entraînement mobilise une grande quantité de calcul pendant une période limitée. L’inférence correspond à chaque utilisation réelle du modèle. Une application populaire peut devenir coûteuse si chaque requête consomme beaucoup de calcul, de mémoire ou de bande passante.

La rentabilité dépend donc du coût par tâche, du prix facturé, de l’intensité d’usage et de la capacité à améliorer l’efficacité. Une baisse du coût informatique peut soutenir les marges, mais aussi intensifier la concurrence et réduire les prix.

Où peut se trouver l’avantage concurrentiel ?

• Données propriétaires : difficiles à reproduire, suffisamment nombreuses et légalement exploitables.
• Distribution : présence dans des logiciels ou services déjà utilisés par des millions de clients.
• Intégration : connexion aux processus, bases de données et règles de sécurité de l’entreprise cliente.
• Coûts de changement : temps, formation et risques nécessaires pour remplacer la solution.
• Écosystème : développeurs, partenaires, outils et standards construits autour de la plateforme.

Questions à poser avant de croire une annonce IA

• Le produit est-il commercialisé, testé gratuitement ou seulement présenté ?
• Les revenus sont-ils nouveaux ou déplacés depuis une offre existante ?
• Le client obtient-il un gain mesurable de productivité, de qualité ou de coût ?
• La marge tient-elle compte du calcul, des données, du support et de la sécurité ?
• La technologie peut-elle être copiée ou intégrée par une plateforme plus importante ?

Comment analyser une entreprise du thème

1. Identifier la place exacte de l’entreprise dans la chaîne de valeur.
2. Vérifier si l’exposition génère déjà des revenus ou reste une promesse.
3. Comparer la croissance des ventes avec celle du capex, des stocks et des dépenses de recherche.
4. Mesurer la dépendance à un client, un fournisseur, une fonderie ou une technologie.
5. Comparer la valorisation aux marges, au cash-flow et au scénario de croissance nécessaire pour la justifier.

Questions fréquentes

Sources officielles

Les données financières, compositions d’ETF, réglementations et statuts boursiers peuvent évoluer. Vérifier les documents les plus récents avant toute décision.

• Commission européenne — AI Act
• NIST — AI Risk Management Framework
• Agence internationale de l’énergie — Energy and AI
• SEC — base EDGAR

Autres dossiers thématiques