Pour de nombreux investisseurs, l’augmentation considérable des dépenses consacrées au développement de l’intelligence artificielle est la preuve qu’il n’y a pas de bulle boursière. Mais chez GQG Partners, cela ne fait que renforcer leur conviction que cet essor cédera la place à un effondrement, tout comme ce fut le cas pour les télécommunications dans les années 1990 et pour le pétrole de schiste il y a une dizaine d’années.
Les gestionnaires de portefeuille et les analystes de GQG, qui gère 160 milliards de dollars, affirment que les commandes massives de semi-conducteurs, de matériel de mémoire et les dépenses associées aux centres de données observées au cours des derniers trimestres reposent sur des espoirs non fondés concernant la demande future et les prix des activités et utilisations liées à l’IA. Ils mettent en avant des signes de surconsommation, tels que les récents développements liés à d’éventuelles guerres des prix — les entreprises resserrant leurs budgets tout en recherchant des moyens moins coûteux d’exploiter des modèles d’IA — et le ralentissement des progrès en matière d’efficacité des nouveaux modèles linguistiques de grande envergure. De plus, ils estiment que le recours continu à des investissements circulaires et à des méthodes comptables opaques accroît les risques.
Même les commandes massives de semi-conducteurs, qui ont alimenté les hausses spectaculaires des actions du secteur des puces électroniques, constituent « un atout, et non un défaut », selon Brian Kersmanc, gestionnaire de portefeuille chez GQG. « Les bulles se caractérisent souvent par une demande réelle à court terme, un déploiement massif de capitaux, la conviction des investisseurs que la demande est pratiquement illimitée, et une faible visibilité sur la performance à long terme. La forte demande de puces électroniques ne contredit pas l’existence d’une bulle ; elle pourrait en fait en être le signe le plus évident », ajoute-t-il.
Les gérants de fonds et les analystes de GQG ne sont pas des pessimistes invétérés vis-à-vis du secteur technologique ou du marché boursier dans son ensemble. Pas plus tard qu’en 2024, plus de 70 % de ses portefeuilles étaient composés de titres technologiques ou liés à la technologie, tels qu’Uber. En 2017, la société a misé sur les puces semi-conductrices, alors en perte de vitesse, notamment Nvidia (NVDA).
Mais à partir de fin 2024 et jusqu’au début de l’année 2025, GQG a réorienté ses portefeuilles en se détournant des valeurs liées aux technologies d’IA et aux infrastructures, qui ont connu des hausses spectaculaires et contribué à la progression globale du marché boursier. Ce pari a pesé sur la performance de ses stratégies, notamment celle du fonds « GQG Partners US Select Quality Equity Fund » (GQEIX), noté « Gold », mais la société reste fidèle à sa ligne de conduite.
L’un des principaux facteurs à l’origine de la hausse de ces titres (et l’un des arguments centraux des optimistes) est l’explosion des commandes liées à l’intelligence artificielle chez les fabricants de puces électroniques tels que Nvidia, Broadcom (AVGO) et, plus récemment, Micron, ou encore chez d’autres fabricants de matériel de mémoire informatique, comme SanDisk (SNDK ) et Western Digital (WDC).
Cependant, M. Kersmanc estime que c’est précisément là que les investisseurs devraient faire preuve de scepticisme, à commencer par le décalage dans la manière dont les achats sont comptabilisés. « Vous voyez des commandes et des ventes enregistrées aujourd’hui, tandis que les coûts (pour l’acheteur) sont étalés sur trois, cinq, six, voire dix ans », explique-t-il. Le problème ne réside pas dans cette méthode comptable en soi, qui est courante, mais dans ses implications, compte tenu de la grande incertitude qui entoure la rentabilité de l’utilisation de l’IA. « La question essentielle n’est pas de savoir si la demande est forte aujourd’hui, mais si cette demande est économiquement justifiée et durable une fois que la performance en matière d’investissement, le taux d’utilisation et le pouvoir de fixation des prix auront été mis à l’épreuve. »
L’argumentaire baissier de GQG repose sur ces aspects. Ses auteurs affirment que les dépenses d’investissement sont engagées bien avant que la valeur économique ne soit avérée. Kersmanc part d’une hypothèse émise par les grands laboratoires d’IA et d’autres entreprises : « C’est : “Je dépense tel montant, et j’obtiens tel niveau d’amélioration.” Or, après ChatGPT-4, cette courbe s’est stabilisée. »
Même si les investissements se poursuivent dans les modèles les plus avancés (ceux dits « de pointe »), M. Kersmanc affirme qu’il existe de plus en plus d’éléments indiquant que de nombreux développeurs et entreprises spécialisés dans l’IA s’orientent dans la direction opposée. Plutôt que d’utiliser de grands modèles linguistiques comme Claude, ils se tournent vers des modèles linguistiques de petite taille. Ceux-ci sont généralement entraînés sur des ensembles de données limités pour des textes spécifiques, et nécessitent donc moins de puissance de calcul. Par exemple, « si vous souhaitez une traduction en temps réel, vous pouvez y parvenir grâce à un SLM et traduire directement sur votre téléphone, sans génération de tokens, et sans avoir à interroger un centre de données ».
Si les entreprises privilégient les SLM pour leurs solutions, « cela implique plus largement que le marché n’aura peut-être pas besoin d’une puissance de calcul à l’échelle de la frontière aussi importante que ne le supposent actuellement les investisseurs », explique M. Kersmanc. « Si le développement de l’IA évolue dans cette direction, les arguments en faveur d’investissements massifs dans les centres de données et les GPU s’affaiblissent. »
Parallèlement, les développeurs ont de plus en plus recours à des modèles chinois open source, dont l’entraînement est moins coûteux et qui nécessitent des dépenses d’investissement en infrastructure nettement inférieures. « La Chine prévoit la construction de 500 centres de données, contre 5 500 aux États-Unis », précise M. Kersmanc. Cette tendance s’inscrit dans un contexte où les entreprises cherchent à limiter la flambée des coûts liés à l’utilisation de l’IA.
M. Kersmanc explique qu’un autre élément du puzzle réside dans la manière dont les hyperscalers comptabilisent l’extension de leurs centres de données. Il cite notamment la coentreprise META, créée par Meta Platforms avec Blue Owl Capital OBDC et annoncée l’année dernière, qui a permis à l’entreprise de retirer de son bilan un projet de centre de données de 30 milliards de dollars en Louisiane. Meta a également classé certains actifs d’infrastructure importants dans la catégorie « travaux en cours ». Ce poste a doublé entre 2024 et 2025.
Ces questions comptables sont liées au décalage entre les dépenses consacrées aux puces et celles consacrées aux autres équipements, explique M. Kersmanc. « Si d’importantes quantités de matériel figurent dans les « travaux en cours » ou dans des rubriques similaires du bilan, les investisseurs risquent de ne pas être en mesure de déterminer quelle part de ces dépenses est réellement mise en service et génère une performance. Cela est important car les entreprises peuvent dépenser d’énormes sommes d’argent dès le départ, alors que leurs comptes de résultat n’en reflètent le coût que progressivement. La préoccupation ne porte donc pas uniquement sur la présentation comptable ; elle tient au fait que la comptabilité pourrait masquer une surcapacité, une sous-utilisation ou des performances plus faibles. »
À cela s’ajoutent les incertitudes quant à la capacité à construire les centres de données commandés. La contestation à l’encontre des infrastructures de centres de données ne cesse de croître, en raison de la forte consommation d’électricité et d’eau de ces bâtiments, ainsi que de leurs autres répercussions sur les communautés. « Environ la moitié des projets qui devaient être achevés n’ont même pas encore démarré ou ont été annulés », explique M. Kersmanc.
En résumé, « l’essor de l’IA présente de nombreux signes classiques d’une bulle », affirme M. Kersmanc. « Les investisseurs continuent d’extrapoler la demande bien au-delà de ce que les fondamentaux économiques semblent justifier. »
