Les géants de la tech, dont Amazon, Alphabet et Meta, font l’objet d’un examen de Wall Street concernant le calendrier de conversion d’immenses dépenses d’investissement en intelligence artificielle en retours de trésorerie effectifs. La Bank of America a identifié un « changement de génération » dans le free cash flow, avec une projection de baisse du FCF des entreprises hyperscalers jusqu’à un niveau négatif de 50 milliards de dollars d’ici 2026, tandis que les entreprises de semi-conducteurs accumulent de la trésorerie grâce aux ventes de puces IA. Les entreprises technologiques du groupe des Magnificent 7 ont dépensé 234 milliards de dollars en investissements cette année, mais leurs cours restent cantonnés dans une fourchette. Torsten Slok, économiste en chef d’Apollo Global Management, a averti que si le recouvrement de trésorerie prend plus de temps que ce que le marché anticipe, des risques sur la rentabilité pourraient se matérialiser. Cet écart s’explique par le fait que la Big Tech construit des infrastructures IA tandis que les fournisseurs de semi-conducteurs comme NVIDIA captent immédiatement des revenus, créant, selon Apollo, un « décalage temporel » entre les coûts engagés et la réalisation des recettes.
La Bank of America identifie un retournement du free cash flow entre la Big Tech et les entreprises de semi-conducteurs
La Bank of America a décrit le schéma actuel des flux de capitaux comme une « migration intergénérationnelle du free cash flow » entre les hyperscalers et les entreprises de semi-conducteurs. Le free cash flow représente la trésorerie nette qu’une entreprise conserve après les dépenses d’exploitation et d’investissement. Les données de marché montrent qu’en 2026, des hyperscalers comme Amazon et Google ont connu une trajectoire fortement descendante de FCF, atteignant environ -50 milliards de dollars en territoire négatif en raison de coûts d’infrastructure IA astronomiques. À l’inverse, les entreprises de semi-conducteurs, dont NVIDIA et Micron, accumulent d’importantes réserves de trésorerie. Cette différence structurelle s’explique par le fait que l’un des groupes dépense pour construire des infrastructures, tandis que l’autre capte immédiatement de la trésorerie en fournissant des composants essentiels.
Apollo Global Management met en garde contre les risques de concrétisation des revenus liés à l’IA
Apollo Global Management, le deuxième plus grand gestionnaire de fonds de private equity au monde, a identifié deux facteurs centraux qui pèsent sur la rentabilité de la Big Tech. D’abord, même si l’utilisation absolue des services IA augmente, le prix des jetons par unité continue de baisser, ce qui pourrait limiter la croissance réelle des revenus en dessous des attentes. Ensuite, les modèles d’IA chinois exercent une forte pression baissière sur les prix précisément au moment où les plateformes américaines cherchent à monétiser des services IA à forte marge. Les données d’utilisation de jetons issues des 20 principaux modèles d’IA mettent clairement en évidence cet écart. D’ici mai, les usages aux États-Unis et en Chine restaient relativement équilibrés, mais en juin, l’usage de jetons aux États-Unis a progressé modérément à 53 billions tandis que celui de la Chine a explosé à 98 billions. En l’espace d’un mois, l’écart d’utilisation des infrastructures IA entre les États-Unis et la Chine s’est fortement creusé.
Les données d’utilisation de jetons révèlent l’écart d’infrastructures IA entre les États-Unis et la Chine
La comparaison de l’utilisation de jetons entre mai et juin met en évidence une divergence marquée dans le déploiement d’infrastructures IA entre les États-Unis et la Chine. En mai, les deux pays maintenaient des niveaux d’usage comparables. En juin toutefois, la consommation de jetons aux États-Unis a atteint 53 billions tandis que les modèles chinois traitaient 98 billions de jetons. Cette différence, proche du double en un seul mois, illustre l’ampleur rapide du déploiement des infrastructures IA chinoises. Apollo prévient que si les modèles d’IA chinois continuent de gagner des parts de marché tandis que les prix des jetons baissent, les entreprises de la Big Tech pourraient ne pas réussir à générer les revenus attendus. Le cabinet qualifie cela de « décalage temporel », où les coûts sont immédiats mais la collecte des revenus s’étale dans le temps, ce qui constitue le principal risque auquel le marché de l’IA est actuellement confronté.
Apollo conclut que même si des entreprises de semi-conducteurs comme NVIDIA et SK Hynix sécurisent actuellement des profits nets, des fissures durables dans les modèles de revenus de la Big Tech pourraient compromettre le boom du marché des semi-conducteurs. L’inquiétude de Wall Street a évolué : elle ne porte plus sur la capacité de la Big Tech à investir dans l’IA, mais sur le moment où ces investissements se transformeront en retours de trésorerie effectifs.
FAQ
Que la Bank of America a-t-elle identifié concernant les flux de trésorerie de la Big Tech et des entreprises de semi-conducteurs d’ici 2026 ?
La Bank of America a identifié un « changement de génération » dans le free cash flow, avec une baisse du FCF des hyperscalers jusqu’à -50 milliards de dollars en territoire négatif d’ici 2026, tandis que les entreprises de semi-conducteurs accumulent de la trésorerie grâce aux ventes de puces IA. Ce renversement s’explique par le fait que la Big Tech dépense massivement pour des infrastructures IA, tandis que les fournisseurs de semi-conducteurs captent immédiatement des revenus grâce aux ventes de composants.
Pourquoi Apollo Global Management a-t-elle mis en garde contre la rentabilité liée à l’IA de la Big Tech ?
Apollo Global Management a prévenu que deux facteurs pèsent sur la rentabilité de la Big Tech : la baisse des prix des jetons par unité malgré l’augmentation de l’usage des services IA, et la concurrence agressive sur les prix de la part des modèles d’IA chinois. L’économiste en chef Torsten Slok a mis en garde : si le recouvrement de trésorerie dure plus longtemps que prévu, la Big Tech pourrait ne pas parvenir à générer les revenus attendus liés à ses investissements de 234 milliards de dollars.
Comment l’utilisation des jetons d’IA aux États-Unis et en Chine variait-elle entre mai et juin ?
Les données d’utilisation de jetons issues des 20 principaux modèles d’IA ont montré qu’en mai, l’usage aux États-Unis et en Chine restait relativement équilibré. En juin, l’usage de jetons aux États-Unis a atteint 53 billions, tandis que celui de la Chine a explosé à 98 billions, créant un écart proche du double en un mois, illustrant le déploiement rapide des infrastructures IA chinoises.
