Quels sont les arguments fondamentaux de « Je ne crois pas à l'existence de la bulle des AI » ?

L’auteur considère que la théorie des bulles n’est qu’une promesse, et non une analyse financière réelle : les dépenses liées aux centres de données représentent des investissements d’équipement ponctuels, et non des coûts continus. Selon les données fournies par Anthropic S-1, pour chaque dollar d’efficacité de calcul, on obtient 2,08 dollars de revenus. Les ratios P/E des entreprises cotées comme Alphabet, Meta, NVIDIA, etc., se situent autour de 20, ce qui est bien inférieur aux centaines de fois observés pendant l’époque de la bulle Internet. Il reconnaît également que la structure complexe des financements constitue l’un des arguments les plus importants en faveur de cette théorie.

Quelle est la réfutation la plus forte dans les commentaires ?

Période d'amortissement : La majeure partie du coût du centre de données provient des GPU. Il conviendrait donc de les déprécier sur une période de 5 à 6 ans, plutôt que les 20 ans estimés par l’auteur. Le chiffre d’affaires annuel requis doublerait directement ; évaluation : Anthropic ne voit pas de schéma clair de flux de trésorerie positif, et selon les données du S-1, les pertes augmentent ; signal boursier : le rendement des obligations de CoreWeave atteint 16 %, ce qui n’est pas en accord avec l’estimation optimiste du marché boursier.

Les professionnels ordinaires devraient-ils éviter le domaine de l’IA à cause des théories sur les bulles financières ?

Il n’est pas conseillé de miser sur un seul scénario professionnel. Le pari consiste à savoir quelle entreprise va réaliser des bénéfices, et non à déterminer si la technologie est utile ou non : les moteurs électriques ont changé le monde, mais les entreprises qui ont inventé ces moteurs ne valent pas grand-chose. Il convient d’acquérir des compétences transférables : résoudre des problèmes de génie avec l’AI, évaluer les résultats obtenus par l’AI, intégrer l’AI dans les processus de travail au sein de l’équipe ; historiquement, après la fin des bulles, les infrastructures et les habitudes des utilisateurs ont persisté.

Shiwen Dialogue 045 | Cris de bulle IA, mais l'argent va à NVIDIA

Entretien d’ouverture

Shiwen: Yongliang, d’où vient cet article ? Qui en est l’auteur ?

Yongliang: L’auteur est le blogueur Matteo Raso, qui publie des commentaires et des critiques sur l’AI sur son blog personnel. L’article a été publié dimanche 8 novembre, et à 9 heures du matin le 9 novembre à Beijing, il a fait partie des articles les plus vus sur HN. Nous avons collecté plus de 500▲ de commentaires et près de mille commentaires, et ce nombre continue d’augmenter. L’auteur n’est pas une grande personnalité, ses informations sur GitHub sont presque anonymes, et il n’a que quelques dizaines de followers. Donc ce n’est pas un rapport d’entreprise, mais une analyse rétrospective d’une personne ordinaire, mais elle a touché un point sensible.

Shiwen: Quelle est la principale thèse de l’article ?

Yongliang: En une phrase : la théorie du boom est devenue un effet de résonance, mais les données ne la soutiennent pas. Selon les données présentées dans l’article, le secteur de l’AI a promis d’investir au moins 3 billions de dollars, dont environ 1,9 billion ont déjà été dépensés. L’auteur admet que ce chiffre est effrayant, mais il pense que la nature des dépenses est cruciale : les centres de données sont des investissements d’équipement ponctuels, pas des coûts opérationnels quotidiens, et après leur construction, les dépenses diminueront rapidement. Sur le plan des revenus, il cite le rapport S-1 d’Anthropic : pour chaque dollar de puissance de calcul, 2,08 dollars de revenus sont générés ; les revenus sont passés de 41 millions de dollars en 2023 à 386 millions en 2024, 4,585 milliards en 2025, et ils ont atteint 16,3 milliards de dollars au premier semestre 2026. Ce sont des chiffres cités par l’auteur, je n’ai pas vérifié les documents originaux indépendamment, et j’ai présenté ces chiffres avec cette restriction.

Shiwen: Et le problème de la dette ? C’est le munitions la plus utilisée dans la théorie du boom.

Yongliang: Il a résolu un problème qu’il appelle lui-même « la mathématique derrière l’enveloppe » : supposons que la dette de 5 billions de dollars du secteur soit remboursée sur 20 ans, à 250 milliards par an. Alors que Alphabet a reçu 162 milliards de dollars de revenus en 2019, et après ajustement de l’inflation, c’est 213 milliards. Donc le remboursement n’est pas inconcevable. Il mentionne également que une partie de la dette peut être convertie en actions : selon les données de l’auteur, au premier semestre 2026, Anthropic détient 72 milliards de dollars en actions pour couvrir les pertes, mais comme sa valeur est estimée à environ 1 trillion, les actions suffisent pour couvrir ces pertes. Sur le plan du marché, il fait une observation : Alphabet, Meta, NVIDIA, ces entreprises de l’AI cotées en bourse, ont un ratio P/E stable autour de 20, contrairement à l’époque de la bulle Internet où ils atteignaient des centaines de fois ce chiffre.

Q1: Ce qui touche le plus dans le texte complet, ce ne sont pas les données, mais le diagnostic.

Shiwen: Parmi les milliers de commentaires, quel passage suscite le plus de résonance ?

Yongliang: Étrangement, ce n’est pas les données financières, mais le diagnostic psychologique à la fin. L’auteur dit que la théorie du boom est si populaire, c’est essentiellement un problème financier : elle porte un désir de retourner au passé. Les gens craignent que l’AI change leur travail et leur vie, alors ils se disent que tout cela n’est qu’un boom qui finira par éclater, et que tout redeviendra normal. Il appelle cette mentalité « la promesse ». Et ce qui est le plus largement diffusé dans le texte, c’est son observation selon laquelle les paroles sur l’AI comme étant un boom sont une chose, mais d’où viennent les fonds des investisseurs est une autre. Ses mots exacts sont que lorsque les gens doivent arrêter de parler de l’argent, ils le dépensent pour NVIDIA.

Shiwen: Ce diagnostic, les commentateurs l’acceptent-ils ?

Yongliang：Les gens se sont divisés en deux camps. Le commentateur npilk a approuvé, disant que cela explique pourquoi le discours pessimiste a un large public : les gens veulent entendre quelqu’un dire que les choses redeviendront normales un jour. Un autre commentateur, GolfPopper, a dit que ce diagnostic en soi est une projection : que les entreprises d’AI échouent ou prospèrent, le résultat pour les gens ordinaires pourrait être mauvais. Ainsi, croire à la théorie de la bulle n’est pas un souhait, c’est un jugement. Ces deux interprétations ont leur raison d’être. Je pense qu’il faut surtout retenir les limites de l’auteur : il dit que ce n’est pas une critique radicale contre la nouvelle théorie de la bulle, et il admet même que la structure complexe des financements est l’un des arguments les plus importants en faveur de cette théorie. Un article qui reconnaît les meilleures armes de son adversaire augmente en fait la tolérance du public critique.

Q2 : Les réfutations dans les commentaires sont plus radicales que l’article.

Shiwen：Sur le plan des données, comment les commentateurs abordent-ils le sujet ?

Yongliang：Le coup le plus dur vient de la période d’amortissement. Le commentateur wmf dit que l’auteur calcule 5 billions de dollars sur 20 ans, mais que la majeure partie du coût des centres de données est due aux GPU et non aux bâtiments. Les GPU devraient être amorties sur 5 à 6 ans, ce qui fait que le revenu annuel requis quadruple. Hobofan ajoute : l’équipement informatique représente environ la moitié du coût des centres de données. En supposant une durée de vie de 5 ans pour les GPU, la période d’amortissement serait plus proche de 10 ans. Ce coup vise le point crucial de la mathématique : en changeant le dénominateur, toute la conclusion change.

Shiwen：Et l’évaluation ?

Yongliang：Le commentateur blltprfmnk demande directement : pourquoi Anthropic a-t-il une valeur de 1,2 billions sans voir une voie claire de flux de trésorerie positif ? Amluuto propose un cadre de « distribution en double pente ». Je pense qu’il faut le retenir : dans un avenir où Anthropic développe un modèle de rentabilité durable, il vaudra 7 billions d’années plus tard ; dans un autre avenir, la croissance des revenus s’arrête et l’entreprise est contrainte de défaut. Les deux avenirs sont tout à fait possibles, donc toute évaluation basée sur un seul point est en réalité une mise sur le fait pour savoir sur quel pic vous tombez. La métaphore de vannevar est encore plus corrosive : l’auteur dit que sans prendre en compte les coûts d’infrastructure, l’AI est très rentable, mais si l’on omet les coûts de construction de voitures, celle-ci est également très rentable. Il souligne aussi que, selon les données du S-1, les pertes d’Anthropic augmentent plutôt qu’elles ne diminuent.

Shiwen：L’auteur s’est-il défendu ?

Yongliang：Oui. Le commentateur jxcole propose que DeepSeek et les modèles open-source puissent être changés à tout moment, et que le taux de marge de 2,08 fois ne suffit pas pour soutenir une guerre des prix. L’auteur répond dans sa réponse que ce point a déjà été discuté dans l’article. Un autre commentaire fait référence à Goldman Sachs : on dit qu’elle limite l’utilisation de Claude Code en interne, tout en ayant presque réduit de moitié l’objectif d’IPO en quatre semaines (un sujet mentionné dans les commentaires, concernant hier, pas développé ici). Hattmall indique un autre signe : le rendement des obligations de CoreWeave atteint 16 %, ce qui montre que le marché obligataire est différentement pénalisé par le risque, et ce n’est pas la même chose que l’optimisme du marché boursier.

Q3 : Les techniciens ordinaires doivent-ils prendre des décisions professionnelles en fonction de la théorie de la bulle ?

Shiwen：Revenant au monde professionnel. Beaucoup de lecteurs se demandent : la théorie de la bulle semble logique, dois-je éviter les postes et les domaines liés à l’AI ?

Yongliang: Ma réponse est de ne pas parier sur le fait que « la bulle ne se brisera pas » ni sur le fait qu’elle « se brisera ». Regardons d’abord l’histoire. Le commentateur swatcoder a énuméré les technologies du rail, des semi-conducteurs, du plastique et des réseaux : l’utilité et le potentiel de profitabilité de ces technologies étaient évidents à l’époque, mais beaucoup d’investisseurs ont quand même perdu leur argent. Son conclusion est que la bulle ne repose pas sur le potentiel, mais sur le moment opportun. Wongarsu a ajouté un angle plus lumineux : les dix années qui ont suivi la rupture de la bulle Internet ont vu naître YouTube, Reddit et Spotify. J’ai moi-même vécu les cycles du mobile internet et O2O ; c’est mon expérience, pas une statistique : lorsque la bulle se brise, les entreprises qui racontaient des histoires disparaissent, mais les infrastructures et les habitudes des utilisateurs restent. La prochaine vague de nouvelles entreprises prend le relais avec des voies prêtes.

Shiwen: Ce qui signifie que les compétences en AI que l’on apprend aujourd’hui ne seront pas perdues inutilement ?

Yongliang: Il faut faire une distinction entre deux choses. Le commentateur rayiner a donné un bon cadre : la bulle parie sur « quelle entreprise bénéficiera des profits », et non sur « si la technologie est utile ». Il compare les grands modèles à des moteurs électriques : les moteurs électriques ont changé le monde, mais les entreprises qui ont inventé les moteurs électriques ne valent plus rien aujourd’hui, car la technologie est devenue un produit commercial. Donc, parier sur « l’AI est utile » est un événement très probable, tandis que parier sur « une certaine entreprise en AI gagnera forcément » est un événement peu probable. Ce que les professionnels de la technologie devraient accumuler, c’est ce qui peut être transférable : utiliser l’AI pour résoudre des problèmes d’ingénierie, évaluer les résultats de l’AI, intégrer l’AI dans le flux de travail de l’équipe. Au niveau des entreprises, qui gagne et qui perd, vos compétences devraient suivre le travail, pas les codes boursiers.

Shiwen: Et si la bulle se brise vraiment ?

Yongliang: À court terme, ce sera difficile, avec des réductions de recrutement et des annulations de projets. C’est une expérience cyclique, pas une prévision. Mais attention à la contradiction soulignée par le commentateur motionlessveloc : « l’AI est une bulle sur le point de se briser » et « l’AI remplace les postes en entrée » sont en réalité difficiles à soutenir simultanément. La réalité est probablement un mélange : il y a des aspects réellement utiles, mais aussi des investissements qui ne seront jamais rentables. La manière de vous préparer pour ce mélange n’est pas de parier sur un seul scénario, mais de vous assurer d’avoir une place dans les deux scénarios.

Q4 : De l’autre côté des entreprises : réduction des budgets et augmentation des investissements en AI coexistent

Shiwen: Du point de vue de la gestion, beaucoup d’entreprises réduisent leurs budgets cette année tout en augmentant leurs investissements en AI. Ce n’est pas contradictoire, n’est-ce pas ?

Yongliang: Non, car les deux types d’argent ont des natures différentes. L’auteur dit que les investissements dans les data centers sont des dépenses d’investissement ponctuels ; le commentateur AngryData réfute : l’équipement ne sera pas toujours utilisable, la maintenance n’est pas gratuite, et les coûts de l’électricité ne diminueront pas significativement. Si les modèles sont plus efficaces, ils n’auront pas besoin d’un équipement aussi cher. Si les modèles continuent de s’améliorer, une nouvelle génération d’équipement enterrera directement les anciens investissements. Tuna-Fish donne une description plus précise : la durée de vie actuelle de l’équipement moderne est estimée à 2 à 3 ans. C’est la réalité des décisions informatiques des entreprises : il faut dépenser de l’argent pour les outils, mais chaque dépense doit être anticipée en fonction de sa dépréciation ou de son obsolescence dans deux ans. Quand j’étais en équipe, je disais que c’était une expérience, pas une statistique : acheter des capacités, pas des actifs ; utiliser l’argent de l’année pour résoudre les problèmes de l’année, sans bloquer les budgets des trois prochaines années en pensant que « l’AI est le futur ».

Shiwen: Où se cachent les risques ?

Yongliang：Caché dans des endroits invisibles. Le commentateur dofm a souligné que une grande partie de la dette a été transférée hors du bilan par des entités à vocation spéciale, et ce qui en résulte pourrait finalement être les pensions et les fonds souverains. Cela correspond à l’affirmation que l’auteur lui-même a reconnue : la structure complexe de financement est l’un des arguments les plus évidents en faveur de la théorie des bulles. Lorsque les risques sont emballés en couches, personne ne sait vraiment qui en subira. Pour les décideurs d’entreprises ordinaires, le message est le même : lors de l’évaluation des fournisseurs d’AI, ne vous fiez pas seulement aux démonstrations de modèles, mais aussi à leur structure financière et à la continuité de leurs services. Si votre activité clé repose sur un fournisseur qui pourrait faire défaut, ce risque doit être inscrit à l’avance dans les contrats et les plans de secours.

Q5 : Trois conseils honnêtes pour les gens ordinaires

Shiwen：À la fin de l’article, l’auteur donne-t-il un conseil personnel ?

Yongliang：Ne misez pas votre vie sur la révolution de l’AI. Si vous perdez, ne blâmez pas l’AI. Je pense que c’est la phrase la plus honnête de l’article, car après avoir écrit un article entier dans le sens inverse, il se ramène lui-même à cette conclusion : personne ne peut voir l’avenir, mais il mentionne des possibilités assez réalistes. Mes trois conseils pour les gens ordinaires reposent sur cette phrase. Premièrement, remplacez « je pense » par « que ferais-je » : établissez des conditions vérifiables pour vous-même, par exemple, quelles signaux apparaissent, et admettez que votre jugement sur la vitesse de penetration de l’AI dans votre industrie était erroné. Écrivez cela à l’avance et mettez-le en œuvre au moment opportun, sans recourir à des arguments forcés sur place. Deuxièmement, misez sur les compétences, pas sur les actifs : vous ne pouvez pas décider de la valeur de l’entreprise, mais vous pouvez décider de savoir si vous pouvez utiliser l’AI pour travailler plus rapidement et mieux. Troisièmement, laissez une issue pour chaque dépendance : outils, fournisseurs, narration industrielle, tout est identique. Ne misez pas tous vos actifs sur un seul format ou une seule entreprise. C’est la conclusion de notre dernier dialogue, et elle reste valable cette fois encore.

Shiwen：Si vous deviez conclure avec une phrase ?

Yongliang：S’il y a des bulles ou non, on ne le saura peut-être qu’après coup, mais l’écart entre les paroles et les actions est visible maintenant : ceux qui proclament le plus fortement que c’est une bulle, beaucoup d’entre eux utilisent sérieusement l’AI et achètent des actions liées à l’AI. Pour les gens ordinaires, la meilleure approche n’est pas de déterminer si elle éclatera ou non, mais de s’assurer que, quel que soit le scénario qui se joue, vous êtes toujours sur la table. Je ne prédise pas les cours des actions, je dis simplement ceci.

Signé : Yongliang