La course au capex IA rapporte-t-elle au secteur dans son ensemble ?

Selon un modèle, de moins en moins. Le chapitre I du rapport économique annuel 2026 de la BRI écrit que, à mesure que la pression concurrentielle pousse le capex à la hausse, le surplus économique net du secteur pris dans son ensemble baisse et pourrait devenir négatif dans des scénarios défavorables. La phrase repose sur une analyse par modèle, et le chapitre n’attache de probabilité à aucun de ses deux scénarios.

1. Un conditionnel, tiré d’un modèle. Le chapitre écrit « could turn negative in adverse scenarios » et rattache l’énoncé à une « model analysis » fondée sur des motifs de concours, non à une observation.

2. Deux scénarios définis en note, sans probabilité. « AI delivers » suppose un revenu complet ; « AI disappoints » suppose une baisse de 50 % de la productivité, avec un dénouement partiel des financements.

3. Un seuil d’environ 3 000 milliards, tiré d’un autre texte et donné pour indicatif par son auteur. Il est écrit dans un document de travail publié par la BRI, dont les opinions n’engagent pas nécessairement la BRI, et il porte sur le surplus espéré.

Ce que le chapitre écrit sur la course au capex

Le chapitre écrit que les cinq plus grands hyperscalers doivent dépenser plus de mille milliards de dollars en capex lié à l’IA de 2025 à 2026. Selon lui, ces engagements dépassent leurs bénéfices et leurs flux de trésorerie disponibles, certains émettant de la dette. La note du graphique 11.A nomme les cinq : Alphabet, Amazon, Meta, Microsoft et Oracle (p. 22 ; p. 35).

Cette course « may be partly driven » par la perception que seul un petit nombre d’acteurs dominera les parts de marché, et la concurrence intense accroît le risque de surengagement. C’est une explication avancée avec réserve, non une cause établie.

Vient ensuite la phrase centrale (p. 22) : « As competitive pressure drives capex higher, the net economic surplus – the total payoff less investment costs – declines for the sector as a whole and could turn negative in adverse scenarios (Graph 11.B). » Elle suit l’annonce d’une « model analysis » fondée sur ces motifs de concours. Le conditionnel et le pluriel « scenarios » sont dans le texte.

Le surplus net : une grandeur du secteur, définie en termes différents selon le texte

Le chapitre définit le surplus économique net deux fois : dans le corps, « the total payoff less investment costs » (p. 22) ; dans la note 3 du graphique 11, « revenue minus capex and debt service » (p. 23). Il ne dit pas que les deux formulations sont équivalentes. Les mots « collective », « welfare » et « consumer surplus » n’y figurent pas.

Le document de travail n° 1367 le définit comme le revenu total du secteur modélisé moins le coût du capital (p. 4 ; p. 24). Ce secteur compte cinq coalitions, chacune formée d’un hyperscaler et d’un laboratoire (p. 2, note 2 ; p. 20), et le gain agrégé est versé aux actionnaires des coalitions gagnantes (p. 7). Le texte ne contient ni « households », ni « GDP », ni « employment ».

Dans ce document, « social » et « collectively » désignent l’optimum d’un planificateur qui maximise le gain agrégé des coalitions : revenu du secteur moins coûts de capital et de friction. C’est par rapport à lui que le surinvestissement est mesuré. La phrase du texte est : « The contest leads firms to build more compute than is collectively worthwhile » (p. 11). « Collectivement » se lit donc « pour l’ensemble des coalitions du secteur modélisé ».

Le chapitre borne la grandeur au secteur pris dans son ensemble, et le document de travail ne contient aucun terme pour les ménages, le PIB ou l’emploi. Le surplus dont il est question n’est donc pas un rendement pour la société ou pour l’économie : la pièce ne l’écrit pas, et les textes non plus.

Le graphique 11.B : deux scénarios, sans probabilité

Le graphique 11 s’intitule « Rapid AI boom raises questions about its sustainability ». Son panneau B, « Large AI capex leaves firms vulnerable to downside scenarios », porte le surplus économique net, en milliers de milliards de dollars, en fonction du capex IA engagé, cumulé de 2025 à 2030. Deux repères verticaux y figurent : la note a, « Cumulative capex to date », et la note b, une projection 2030 attribuée à Jensen Huang, PDG de Nvidia, de 3 000 à 4 000 milliards de dollars. Cette fourchette est celle de Jensen Huang, non une estimation de la BRI. Le chapitre ne chiffre pas le repère a, et les colonnes relues du classeur ne le portent pas.

Les deux scénarios ne sont définis qu’en note (p. 23), jamais dans le corps du texte. Le premier suppose un revenu complet ; le second « assumes 50% drop in productivity with partial financing unwind », soit une baisse de 50 % de la productivité avec un dénouement partiel des financements. Les estimations viennent d’un modèle de concours avec financement croisé entre entreprises et dette, et la méthode est renvoyée à « Rungcharoenkitkul (2026b) ». La note complémentaire du graphique 11.B ajoute que la calibration « is disciplined by observed AI deal data and historical technology boom evidence » (p. 35). Le chapitre n’attache de probabilité à aucun des deux scénarios.

Le « 50 % » porte sur la productivité, non sur les revenus, et ce n’est pas une probabilité. Aucun des deux scénarios n’est présenté comme probable, central ou de référence.

Ce que le classeur du graphique permet de lire

Le classeur des données du graphique compte 80 points pour le panneau B, avec un capex engagé cumulé de 1,719 à 4,543 milliers de milliards de dollars et aucune cellule vide. Les deux séries de surplus sont strictement décroissantes.

Tableau 1. Lignes retenues de la feuille « Graph 11 » du classeur, colonnes I à K, en milliers de milliards de dollars, arrondies au millième. Source : classeur des données du graphique 11 du chapitre I.

Chaque scénario franchit zéro à un niveau de capex différent : « AI disappoints » entre 2,367 et 2,395, « AI delivers » entre 4,353 et 4,415 (milliers de milliards de dollars, cumul 2025-2030). Ces encadrements se lisent dans les cellules du classeur ; le chapitre n’écrit aucune de ces valeurs.

À la ligne 69, la plus proche de 3 500 milliards, les deux scénarios sont de signe opposé et de grandeur voisine : +1,362 et −1,373. Ce milieu de la fourchette de 3 000 à 4 000 milliards est aussi celui que le document de travail nomme « the $3.5tn midpoint ». Comme aucune probabilité n’est attachée aux scénarios, on n’en tire pas une espérance nulle.

Le classeur donne la série, pas le calcul, et ni lui ni le chapitre ne disent si ces courbes sont des espérances.

Le document de travail n° 1367 : un autre texte, d’un seul auteur

The AI Investment Race, document de travail n° 1367 de la BRI, est signé d’un seul auteur, Phurichai Rungcharoenkitkul, et daté du 7 juillet 2026. Il précise que les opinions exprimées sont celles des auteurs et ne reflètent pas nécessairement celles de la BRI. Un chiffre qui n’est que dans ce texte se cite comme celui d’un document de travail publié par la BRI, non comme celui de « la BRI ».

Le chapitre cite le modèle sous la forme « Rungcharoenkitkul (2026b) », « AI investment race », « mimeo », sans numéro de série ni adresse (p. 38), et ne nomme pas le document de travail n° 1367. Le document de travail, daté après le chapitre, cite celui-ci (note 3, p. 2 ; bibliographie, p. 52). Le chapitre renvoie donc à un manuscrit du même auteur, au titre voisin de celui du document de travail publié ensuite.

Le document de travail n’emploie ni les libellés « AI delivers » et « AI disappoints », ni le mot « mimeo ». Il trace le surplus espéré et une bande de percentiles : « The shaded band spans the tenth to ninetieth percentile of realised outcomes » (p. 28). Ces renvois ne permettent pas d’écrire que le graphique 11.B reproduit ses résultats.

Le seuil d’environ 3 000 milliards vient du document de travail

Sous la calibration de base, l’auteur écrit : « Once the build-out is sufficiently large, which we estimate at around $3 tn, net economic surplus turns negative in expectation » (p. 4). C’est le surplus net espéré. À la p. 28, la formulation est plus prudente : le modèle suggère que le surplus net espéré « may turn negative before » que le capex total I1 + E(I2) atteigne environ 3 000 milliards. L’abscisse est l’engagement de première période plus son déploiement espéré en seconde période.

Le document met ce seuil en regard de projections de l’industrie de 3 000 à 4 000 milliards de capex cumulé entre 2025 et 2030 (Huang, 2025), qui placent selon lui le secteur « in the region of significant downside risks » (p. 4 ; p. 28). Il écrit aussi que des tirages de productivité favorables peuvent soutenir un capex plus grand (p. 28-29).

Il écrit enfin que le « average net economic benefit » de la construction décroît avec son ampleur, « as shown in Figure 6 », dont la ligne pleine est le surplus net espéré (p. 28).

Ce que le document de travail chiffre en plus, et ce qu’il donne pour indicatif

Toujours sous la calibration de base, il écrit que « the likelihood of a bust is close to even odds » (p. 23), et qu’à 4 000 milliards de capex total la probabilité d’un boom tombe à environ 12 % (p. 29). Ces 12 % sont une probabilité de boom, non de krach. Le texte ne rattache la « chance sur deux » ni à 3 000 ni à 4 000 milliards.

La structure de financement peut réduire le surplus économique net de plus de moitié par rapport au boom (p. 4). À la calibration, un krach détruit environ 378 milliards de dollars de capital engagé : 85 milliards de positions circulaires effondrées et 293 milliards de capital financé par dette vendu en urgence. Pondéré par une probabilité de krach d’environ une demie, cela fait environ 190 milliards, en plus de l’effondrement du revenu sur le capital déprécié (p. 28). Les montants se recomposent sur les chiffres du texte : 85 + 293 = 378, et 378 × 0,5 = 189. Ce sont des destructions de capital engagé dans un modèle calibré, non des pertes de surplus ni des pertes observées.

Sous la calibration de base, le modèle obtient un surinvestissement d’environ 1,5 fois l’optimum du planificateur (1,51 en dollars, 1,34 en capacité de calcul), d’environ 1,4 fois une fois la vente forcée anticipée, et jusqu’à environ trois fois quand la demande est moins élastique (p. 1 ; p. 4 ; p. 22). Le ratio en dollars va de 1,42 à 1,62 selon la plage de paramètres retenue. En niveaux, l’équilibre surinvestit d’un facteur 1,40 : chaque coalition engage 280 milliards de dollars en première période, contre 200 milliards pour le planificateur (280 / 200 = 1,40), soit 1 400 milliards pour les cinq coalitions. Ces 1 400 milliards ne se comparent pas au seuil de 3 000 milliards, qui porte sur I1 + E(I2).

L’auteur écrit que ces distorsions sont à lire comme des planchers plutôt que des estimations ponctuelles, et que β = 0,80 est une borne haute délibérément prudente (p. 21). C’est un écart entre deux solutions du modèle, non un constat dans les comptes des entreprises.

Il écrit aussi que ces estimations numériques « are only suggestive » et que le modèle n’est pas conçu pour situer le niveau soutenable du capex IA, qui dépendrait de l’échelle de productivité que l’IA peut finalement produire, incertaine et difficile à évaluer (p. 29). Ce que le modèle illustre, écrit-il, est l’ampleur potentielle des excès et la fragilité de l’optimisme, significatives même si la technologie apporte de vrais gains de productivité. Les résultats du réseau sont « illustrative rather than definitive » (p. 35). L’auteur écrit encore « This time could well be different » et que son article défend un argument parmi d’autres dans ce débat (p. 36).

Ce qu’un lecteur qui doit décider peut en faire

Citer le chapitre avec son conditionnel, son pluriel « scenarios » et son rattachement à une « model analysis » : ni prévision, ni constat.

Citer le seuil de 3 000 milliards comme celui d’un document de travail, portant sur le surplus espéré, avec la réserve de son auteur sur le caractère indicatif de ses estimations. Ne pas l’attribuer au chapitre.

Ne pas parler du surplus « des cinq hyperscalers » : les cinq unités du document de travail sont des coalitions formées d’un hyperscaler et d’un laboratoire, et les plus de mille milliards du chapitre portent sur une dépense de 2025 à 2026, non sur le surplus.

Ne pas placer ces mille milliards sur l’axe du graphique 11.B, dont la grandeur et la période diffèrent, ni donner un montant au repère « Cumulative capex to date », que le chapitre ne chiffre pas, et que les colonnes relues du classeur ne portent pas.

Mes réserves

• Un modèle, non une observation. Le chapitre rattache son énoncé à une « model analysis », et le document de travail écrit que ses estimations sont « only suggestive ».
• Deux scénarios sans probabilité. Le chapitre n’en attache à aucun, et le « 50 % » porte sur la productivité.
• Un repère sans montant. Le repère « Cumulative capex to date » du graphique 11.B n’est pas chiffré dans le chapitre, et les colonnes relues du classeur ne le portent pas.
• Un classeur qui donne la série, non le calcul. Ni lui ni le chapitre ne disent si les courbes sont des espérances.
• Un lien entre deux textes limité à des renvois. Le chapitre cite un manuscrit « mimeo », et le document de travail cite le chapitre. Cette pièce n’écrit pas que les chiffres du graphique 11.B sont ceux du document de travail.
• Des vues d’un seul auteur. Le document de travail n’engage pas nécessairement la BRI, et son seuil est écrit avec « around », « may » et « suggests ».
• Deux définitions du surplus, non rapprochées. Le chapitre ne dit pas que ses deux formulations sont équivalentes, et cette pièce ne le dit pas non plus.