L’essentiel
- Google a relevé sa prévision de dépenses d’investissement à une fourchette de 195 à 205 milliards de dollars, contre 190 milliards au maximum annoncés le trimestre précédent.
- Le bas de la nouvelle fourchette dépasse l’ancien plafond : l’entreprise reconnaît de fait qu’elle prévoit mal le coût de sa propre infrastructure IA.
- Meta, Amazon et Microsoft publient leurs résultats cette semaine, et le marché s’attend aux mêmes rallonges.
L’action Google a plongé sur une seule ligne de son compte de résultat : celle des dépenses d’investissement. Le groupe les voit désormais monter jusqu’à 205 milliards de dollars, soit 15 de plus que le plafond qu’il annonçait il y a trois mois. En relevant ainsi sa propre borne haute, il admet qu’il ne sait pas où s’arrêtera la facture de l’IA.
Une fourchette qui dépasse son propre plafond
Le plancher de la nouvelle fourchette, 195 milliards de dollars, passe au-dessus du plafond de l’ancienne, fixé à 190. Le scénario le plus économe qu’envisage Google aujourd’hui coûte donc plus cher que le plus dépensier qu’il envisageait au trimestre précédent. Le groupe n’est pas seul à viser aussi mal : Meta a relevé deux fois son enveloppe 2026 en six mois, de 115-135 à 125-145 milliards de dollars, en mettant en cause le prix des composants.
Une rallonge de 15 milliards reste absorbable pour un groupe de cette taille. Ce qui inquiète les investisseurs, c’est le déplacement du plancher au-dessus de l’ancien plafond en un seul trimestre : le signe d’une courbe de coûts que l’entreprise ne maîtrise pas. Un investisseur pardonne des dépenses élevées, beaucoup moins des dépenses imprévisibles.
Ces milliards paient les machines, l’exploitation commence après
Ces 205 milliards de dépenses d’investissement, le « capex » dans le jargon financier, mesurent une chose précise : l’achat d’actifs. Serveurs, accélérateurs de calcul, réseau, bâtiments, raccordement électrique. La dépense s’étale ensuite en amortissement sur plusieurs années et ne dit rien, comptablement, de la rentabilité du service vendu au bout de la chaîne.
Le coût d’exploitation, lui, démarre le jour où la machine est branchée. Une baie de GPU (les processeurs graphiques qui font tourner les modèles) coûte le même prix à son propriétaire, qu’elle travaille ou qu’elle dorme. Elle ne devient rentable que si l’usage la remplit, et si cet usage est facturé au-dessus de son coût unitaire. C’est là que le calcul se tend aujourd’hui.
Chaque agent multiplie les appels au modèle
Il y a trois ans, l’unité de consommation d’un service d’IA générative était la question de l’utilisateur : un message envoyé, une réponse produite, un coût borné. Cette unité a disparu. Un agent qui exécute une tâche enchaîne les appels : il planifie, appelle des outils, relit sa sortie, se corrige, reprend son contexte à chaque tour. Une seule demande humaine peut déclencher des dizaines d’inférences.
S’y ajoute le raisonnement long, devenu le standard sur les tâches complexes. Le coût par tâche grimpe à chaque génération de modèle, alors même que le prix du million de tokens (les fragments de texte qui servent d’unité de facturation) baisse. Les deux mouvements coexistent, et la baisse du tarif ne compense pas toujours la hausse du volume. Les tableaux de dépenses d’investissement n’en montrent rien ; les équipes produit, elles, le voient passer sur leur facture mensuelle.
Le prix affiché ne peut plus monter
Si le coût d’exécution grimpe, la sortie logique serait de facturer davantage. Elle est verrouillée. Google affronte des modèles chinois vendus à bas prix et ne peut plus s’écarter de ce niveau de tarif sans perdre des clients. La concurrence fixe le prix du token à la place du fournisseur, et ce prix ne va pas vers le haut.
Une entreprise qui dépense plus, dans un marché où elle doit maintenir ses tarifs ou les baisser, encaisse le même revenu pour un coût supérieur. L’équation n’a rien d’obscur. Wall Street ne doute plus de la technique, qui progresse ; elle doute du rendement de chaque dollar immobilisé dans un centre de données.
Nvidia finance la demande qu’il est censé mesurer
Un deuxième signal a nourri la nervosité de cette semaine : la garantie que Nvidia négocie sur la dette d’OpenAI, environ 250 milliards de dollars, pour un campus de centres de données dont le coût pourrait dépasser 500 milliards. Billy Leung, stratégiste en investissement technologique chez Global X Management, y voit « autant un rappel de la tension de financement dans la construction de l’IA qu’un signal de demande ».
Cette distinction change la lecture des carnets de commandes. Quand le fournisseur de puces sécurise lui-même le financement de ses plus gros clients, les commandes cessent d’être un thermomètre fiable de la demande finale. Le marché fait le même raisonnement avec la dette contractée par Oracle pour ses centres de données : elle est devenue le moyen coté de parier indirectement sur OpenAI. Et la sortie d’un nouveau modèle par une start-up chinoise, malgré un accès aux GPU bien plus contraint, suggère qu’une partie de cette puissance installée pourrait ne jamais trouver preneur.
Vos boucles d’agents sont la variable d’ajustement
Si vous construisez un produit sur ces modèles, la conséquence est immédiate. Votre modèle économique repose probablement sur une hypothèse implicite : le coût d’inférence baissera plus vite que votre usage n’augmentera. Elle a tenu trois ans parce que les fournisseurs finançaient cette baisse avec du capital. Elle devient fragile le jour où le marché exige un retour sur les 205 milliards.
Deux mesures s’imposent dès maintenant. Instrumentez le coût réel d’une tâche complète, boucles d’outils et raisonnement compris, plutôt que le prix affiché au million de tokens : c’est le premier chiffre qui bougera. Vérifiez ensuite ce que devient votre marge si les prix cessent de baisser pendant douze mois. Un produit qui ne survit pas à ce scénario a une dépendance financière, pas technique.
Meta, Amazon et Microsoft passent devant leurs investisseurs dans les prochains jours. S’ils relèvent eux aussi leurs prévisions de dépenses, l’un d’eux finira par répercuter sur ses clients le coût réel d’un agent. Celui qui s’y risquera le premier servira de test grandeur nature, et ses concurrents liront ses résultats de très près.
Mon avis
J’attends une remise à plat tarifaire avant la fin 2027, et elle fera plus de dégâts qu’une correction boursière. Les fournisseurs cesseront de vendre des tokens à perte et factureront la tâche agentique complète, avec des paliers d’usage qui ressembleront beaucoup à ceux du cloud des années 2010. Les produits construits en supposant une baisse perpétuelle du coût d’inférence découvriront ce jour-là qu’ils vendaient la marge de leur fournisseur, pas la leur. Google encaissera le choc grâce à la publicité ; une start-up qui revend un agent à prix fixe, beaucoup moins bien.
