670 milliards et toujours pas de ROI : le crash IA de Wall Street

670 milliards de dollars. C’est le CapEx combiné prévu en 2026 par les quatre géants de l’IA — Meta, Google, Microsoft et Amazon. Pour te donner une idée de l’échelle : c’est 2,1% du PIB américain. Autant que les grands projets d’infrastructure ferroviaire du XIXe siècle.

Et pourtant, Wall Street ne dit plus merci. Microsoft vient de clôturer son pire trimestre depuis la crise financière de 2008 : -25% de valorisation. Amazon voit son free cash flow plonger de 71%. Pendant ce temps, Meta et Google caracolent. Bienvenue dans l’ère du “AI Monetization Gap” — le moment où le marché arrête de financer les promesses et exige des preuves.

Le reality check du Q1 2026 : fini la lune de miel

Pendant trois ans, les investisseurs ont donné un blanc-seing aux Big Tech pour dépenser sans compter en IA. GPUs par millions, data centers par dizaines, recrutements massifs. La logique : c’est un land grab, il faut être le premier, les revenus suivront.

En avril 2026, cette patience s’est évaporée. Le marché est entré dans ce que les analystes appellent la “Proof of Performance” phase” : montre-moi l’argent ou dégage.

Le déclencheur ? Les résultats du Q1. Pas catastrophiques en soi — Azure continue de croître à 40%, AWS à 24%. Mais la croissance des revenus ne suit pas la croissance des dépenses. Et quand tu dépenses 150 milliards par an, l’écart devient un gouffre.

Les gagnants : Meta et Google

Meta : l’IA qui imprime de l’argent

Meta est le grand gagnant de ce cycle. Le chiffre clé : +23,8% de revenus, à 59,9 milliards de dollars. Comment ? En intégrant l’IA directement dans son moteur publicitaire.

L’IA de Meta ne fait pas de la recherche fondamentale ni des demos impressionnantes. Elle optimise le ciblage des pubs. Résultat : +18% d’impressions publicitaires, un ROAS (Return on Ad Spend) en hausse, et des annonceurs qui dépensent plus parce que ça marche.

Malgré un plan de CapEx de 115 milliards (dont le Metaverse), les investisseurs applaudissent. Pourquoi ? Parce que l’IA de Meta génère du cash aujourd’hui, pas dans 3 ans. Les dépenses d’infrastructure sont subsidisées par les revenus publicitaires immédiats.

Google : la stratégie full-stack qui paie

Google Cloud a explosé : +48% de revenus, à 17,7 milliards, avec un backlog massif de 240 milliards de dollars. La stratégie de Google — contrôler toute la stack, du silicium (TPU) aux modèles (Gemini) en passant par le cloud — commence à porter ses fruits.

L’avantage de Google : ils ne dépendent pas de Nvidia pour leur infrastructure IA. Les TPU maison réduisent le coût par inférence, ce qui améliore les marges. C’est un atout structurel que ni Microsoft ni Amazon ne peuvent répliquer rapidement.

Les perdants : Microsoft et Amazon

Microsoft : le paradoxe du leader

Microsoft est le cas le plus intrigant. C’est le leader de l’IA en entreprise, le partenaire d’OpenAI, le premier sur l’intégration de l’IA dans les outils de productivité (Copilot). Et pourtant : -25% en un trimestre.

Le problème n’est pas technique. C’est un problème de capacité et de timing. La CFO Amy Hood a admis que Microsoft ne pourrait pas satisfaire la demande totale avant la fin de l’année fiscale. Traduction : ils dépensent 150 milliards mais n’arrivent même pas à utiliser toute cette capacité assez vite pour générer les revenus correspondants.

Les analystes utilisent le mot “pickle” (impasse) pour décrire la situation :

Impossible d’arrêter de dépenser → perte de leadership face aux concurrents
Impossible de justifier les dépenses → les revenus ne suivent pas le rythme

C’est un piège stratégique. L’argent est déployé, les data centers sont construits, les GPUs sont commandées. Mais la courbe des revenus ne colle pas à la courbe des dépenses.

Amazon : le free cash flow en chute libre

Amazon est dans la position la plus précaire. Avec 200 milliards de CapEx prévus en 2026 — pour l’IA, la robotique et sa constellation de satellites — le free cash flow a plongé de 71%, à 11,2 milliards.

AWS continue de croître à 24%, mais c’est loin de couvrir l’investissement. Les investisseurs commencent à douter du retour sur investissement des puces maison “Trainium” et “Graviton”, dont les avantages en coût ne se matérialisent pas aussi vite que promis.

Ce que ça signifie : la fin du “AI premium”

Ce qui se passe n’est pas un simple ajustement de marché. C’est un changement de paradigme dans la façon dont Wall Street évalue l’IA :

Avant (2023-2025) : Chaque dollar investi en IA = signal de croissance = valorisation en hausse.

Maintenant (2026) : Chaque dollar investi en IA sans ROI démontré = risque de bilan = valorisation en baisse.

Le multiple de Microsoft est revenu à son niveau de fin 2022 — avant ChatGPT, avant que l’IA ne devienne le narratif dominant. C’est comme si le marché effaçait trois ans de “AI premium” en un trimestre.

C’est le miroir inversé de l’euphorie ChatGPT de fin 2022. À l’époque, les marchés projetaient des retours type AWS en quelques années. Aujourd’hui, -25% sur un trimestre dit que les investisseurs n’y croient plus sur ce calendrier.

Le parallèle avec la bulle dot-com

Le parallèle est frappant. En 1999, les investisseurs récompensaient les “clicks” — le trafic, les utilisateurs, la croissance à tout prix. En 2000, le marché a exigé des “profits”. Le Nasdaq a perdu 78% en deux ans.

On n’en est pas là. Les Big Tech sont massivement profitables, contrairement aux startups de 1999. Mais le mécanisme est identique : passage du mode “investissement” au mode “rentabilité”. Et les entreprises qui ne peuvent pas démontrer un lien direct entre dépenses IA et revenus IA se font punir.

La différence avec 2000 : le coût du capital. Dans les années 2010, avec des taux quasi-nuls, les entreprises pouvaient se permettre des années de “growth at all costs”. En 2026, avec des taux significativement plus hauts, un pari de 200 milliards est infiniment plus risqué.

Les conséquences concrètes

Pour les startups

Si tu construis sur Azure ou les APIs OpenAI, tu ne fais plus seulement une évaluation technique — tu évalues aussi la stabilité financière de ta plateforme. Quand ton fournisseur d’infrastructure perd 25% de sa valeur en 3 mois, ça change le calcul de risque.

Pour les développeurs

Le pivot vers l‘“Efficiency First” va s’accélérer. Les entreprises vont privilégier :

Les modèles plus petits et moins chers à inférer
Le silicium maison (TPU Google, Trainium Amazon) plutôt que les GPUs Nvidia à prix premium
L’optimisation des coûts plutôt que la course aux benchmarks

Si tu travailles avec des agents IA autonomes, c’est un signal : l’optimisation du coût par requête devient aussi importante que la qualité du modèle.

Pour Nvidia

Nvidia continue de livrer des volumes records de H200 et B100. Mais les clients sont plus sélectifs. Fini l’achat par FOMO — chaque GPU doit justifier son coût. C’est un changement de dynamique de marché qui pourrait ralentir la croissance de Nvidia à moyen terme.

Ce qu’il faut retenir :

670 milliards de CapEx IA en 2026 — le marché exige désormais des preuves de rentabilité, pas des promesses
Meta et Google gagnent car leur IA génère des revenus immédiatement (pub, cloud) — Microsoft et Amazon plongent car leurs dépenses dépassent largement la monétisation
Microsoft -25% (pire depuis 2008) — le “AI premium” est mort, le marché revient à des valorisations pré-ChatGPT
Pour les builders : l’ère de l‘“Efficiency First” commence — modèles plus petits, coûts d’inférence optimisés, moins de dépendance aux GPUs premium