IA : La bulle est-elle réellement le volant d'inertie ?

L'économiste du MIT Ricardo Caballero présente un argument fascinant dans son récent document de travail, *Speculative Growth and the AI "Bubble"* :
La vraie question n'est pas de savoir si l'IA est une bulle, mais si une bulle elle-même peut créer les fondamentaux du futur.
La finance traditionnelle suppose que les valorisations découlent des fondamentaux. Les flux de trésorerie futurs déterminent les prix d'aujourd'hui. Si les prix montent bien au-dessus des flux de trésorerie attendus, on parle de bulle. Cette logique sous-tend l'investissement value, les modèles de Discounted Cash Flow (DCF) et une grande partie de l'hypothèse d'efficience des marchés.
Caballero étend cette relation causale en une boucle de rétroaction. Les prix ne reflètent pas simplement le futur — ils aident à le façonner. Les valorisations élevées augmentent la capacité des entreprises à lever des capitaux. Ces capitaux financent l'investissement. L'investissement construit la capacité productive. Une productivité plus élevée génère finalement des flux de trésorerie futurs plus solides. En d'autres termes, des valorisations qui semblent initialement détachées des fondamentaux peuvent devenir partie intégrante du processus qui crée ces mêmes fondamentaux. (Cela ressemble à l'idée de réflexivité de George Soros.)
Le document soutient que chaque fois que les valorisations du marché influencent les décisions d'investissement, la hausse des prix peut activement aider à créer les fondamentaux économiques futurs.
La principale raison pour laquelle ce mécanisme peut s'appliquer à l'IA est que l'IA est fondamentalement différente du capital traditionnel.
Le capital conventionnel est soumis à des rendements décroissants. Construisez plus d'usines, et finalement la demande sature, la capacité excédentaire apparaît, et les rendements du capital diminuent.
Caballero soutient que l'IA est mieux comprise comme une forme de capital scalable de type travail. Les GPU, les modèles fondamentaux et les agents d'IA ne se contentent pas d'ajouter plus de machines — ils élargissent l'offre effective de travail de l'économie. Dans son cadre, le capital IA effectue des tâches qui nécessiteraient autrement du travail humain. À mesure que le capital IA s'accumule, la capacité de travail productif s'étend parallèlement, affaiblissant considérablement la loi traditionnelle des rendements décroissants.
Le document va encore plus loin.
L'investissement dans l'IA modifie également la répartition des revenus.
Une part croissante des revenus va aux propriétaires de capital, qui ont tendance à épargner une plus grande fraction de leurs gains. Une épargne plus élevée augmente l'offre de capital à long terme, fait baisser les taux d'intérêt à long terme, et permet à l'économie de soutenir un stock de capital plus important. Caballero appelle cela la Rétroaction de Financement : une formation de capital plus importante réduit les coûts de financement futurs, et des coûts de financement plus faibles encouragent encore plus de formation de capital. Au lieu de la rétroaction négative intégrée dans les modèles de croissance standards, le système commence à montrer une rétroaction positive.
Cela mène à deux équilibres à long terme fondamentalement différents.
Dans un monde, l'investissement dans l'IA reste insuffisant. Le capital s'accumule lentement, et la croissance de la productivité reste constamment faible.
Dans l'autre, l'IA continue d'attirer un financement abondant. Des investissements massifs affluent vers les centres de données, les GPU, les modèles fondamentaux et les agents d'IA, produisant finalement un équilibre de capital élevé et de productivité élevée.
La partie intrigante est que, bien que cet équilibre supérieur existe, les marchés rationnels peuvent ne jamais l'atteindre par eux-mêmes.
Caballero montre qu'en partant de l'équilibre actuel à faible capital, même des investisseurs parfaitement rationnels peuvent échouer à se coordonner sur le meilleur résultat. La logique est circulaire : sans assez de capital aujourd'hui, la productivité future ne peut pas s'accélérer ; sans une productivité future plus élevée, les valorisations d'aujourd'hui restent faibles ; sans valorisations élevées, les entreprises ne peuvent pas financer l'investissement nécessaire. L'économie devient piégée dans un équilibre auto-renforçant.
C'est précisément là que la bulle compte.
Les valorisations élevées permettent aux entreprises de lever des capitaux. Ces capitaux financent plus de GPU, des modèles plus grands et des agents plus autonomes. Ces investissements finissent par augmenter la capacité productive de l'économie.
La bulle n'est pas la destination.
C'est le pont.
C'est aussi pourquoi le document insiste à plusieurs reprises sur la fragilité.
Le vrai danger n'est pas que la bulle finisse par éclater. Le danger est qu'elle éclate trop tôt.
Si le financement se tarit avant qu'une infrastructure d'IA suffisante n'ait été construite, l'investissement s'arrête, le développement de l'IA ralentit, et les gains de productivité attendus ne se matérialisent jamais. Mais si suffisamment de centres de données, d'infrastructures de calcul, de modèles et d'agents d'IA sont déjà en place avant que les valorisations ne se normalisent, l'équilibre de capital élevé peut se maintenir même après la disparition de la prime spéculative.
Le moment de la correction importe bien plus que la correction elle-même.
Internet en est un exemple classique.
La bulle Internet s'est effondrée de manière spectaculaire en 2000. Pourtant, les réseaux de fibre optique, les serveurs, les logiciels, les centres de données et les talents en ingénierie sont restés. La bulle a disparu, mais la révolution Internet ne faisait que commencer.
L'IA pourrait suivre un chemin similaire.
La différence est que ce qui survivra cette fois pourrait ne pas être simplement une infrastructure numérique — mais l'intelligence elle-même.
Aller un pas plus loin
Je pense que le cadre de Caballero peut être étendu encore plus loin.
Son document modélise l'IA comme un travail reproductible.
En réalité, l'IA devient de plus en plus des chercheurs reproductibles.
Si l'IA peut non seulement effectuer du travail mais aussi mener des recherches scientifiques, écrire des logiciels, concevoir des puces, découvrir de nouveaux matériaux et inventer de meilleurs modèles d'IA, alors elle ne change pas simplement la fonction de production — elle change la fonction d'innovation elle-même.
Historiquement, l'innovation a dépendu du nombre de scientifiques, d'ingénieurs et d'individus exceptionnellement talentueux. En conséquence, les grandes révolutions technologiques ont généralement mis des décennies à se déployer. C'est l'une des raisons fondamentales de la longue durée des ondes de Kondratieff. L'économie ne produit pas naturellement une révolution technologique tous les cinquante ou soixante ans. Plutôt, les ressources d'innovation se sont historiquement développées très lentement.
L'IA pourrait être la première technologie capable de briser cette contrainte.
L'innovation future ne dépendra plus uniquement de l'intelligence humaine.
Au lieu de cela, elle pourrait devenir le résultat combiné des humains plus des millions d'agents d'IA.
Finalement, une grande partie pourrait même être principalement portée par l'IA elle-même, alimentée par une puissance de calcul toujours croissante.
À mesure que la capacité de calcul continue de croître, la capacité de l'économie à innover augmente également.
Pour la première fois, l'innovation elle-même devient un facteur de production qui peut être capitalisé, mis à l'échelle et continuellement développé.
Maintenant, combinez cela avec les progrès rapides des agents de codage, des agents de recherche, de la découverte scientifique autonome et de l'auto-amélioration récursive (RSI).
La boucle de rétroaction devient considérablement plus forte.
Plus d'IA accélère la recherche.
Une recherche plus rapide produit de meilleurs modèles.
De meilleurs modèles accélèrent encore la recherche.
Cela devient un véritable volant d'inertie de l'intelligence.
Le rythme de l'innovation lui-même commence à s'accélérer — pas seulement l'efficacité de la production.
"Lentement, puis soudainement"
C'est pourquoi j'ai longtemps cru que le rendement économique de l'IA suivra probablement le modèle de "lentement, puis soudainement".
Aujourd'hui, les investisseurs voient principalement les dépenses en GPU, formation de modèles et centres de données.
Le retour sur investissement semble modeste, ce qui amène beaucoup à conclure que l'IA n'est qu'une autre bulle.
Mais ces investissements n'achètent pas principalement les profits d'aujourd'hui.
Ils achètent le capital d'intelligence de demain.
Une fois que les capacités des modèles dépassent certains seuils critiques, les agents d'IA commencent à opérer dans les entreprises, la substitution du travail s'accélère, et la productivité pourrait connaître un bond hautement non linéaire.
À ce moment-là, des valorisations qui semblaient autrefois excessives pourraient soudainement paraître entièrement justifiées.
La boucle de rétroaction originale de Caballero est :
Valorisation → Investissement → Formation de capital → Fondamentaux
Je soupçonne que l'IA pourrait finalement évoluer vers quelque chose d'encore plus puissant :
Valorisation → Investissement → Calcul → Intelligence → Innovation → Plus d'idées → Productivité plus élevée → Profits plus élevés → Valorisations plus élevées
L'objet générant une rétroaction positive n'est plus seulement le capital.
C'est la capacité entière de la société à innover.
Si ce processus s'avère correct, l'IA représentera plus qu'une autre révolution technologique.
Elle changera fondamentalement la manière dont les révolutions technologiques elles-mêmes sont générées.
Historiquement, les ondes longues de Kondratieff ont duré quarante à cinquante ans non pas parce que l'économie exigeait un tel timing, mais parce que les ressources d'innovation étaient rares : les scientifiques étaient limités, la capacité de R&D s'étendait lentement, et la connaissance se diffusait graduellement.
L'IA change ces hypothèses.
Au lieu de cycles technologiques progressivement plus courts, nous pourrions assister à de multiples révolutions industrielles se déroulant simultanément sur une plateforme d'IA commune :
Découverte de médicaments par l'IA
Matériaux conçus par l'IA
Semi-conducteurs créés par l'IA
Robotique alimentée par l'IA
Biofabrication activée par l'IA
... et bien d'autres.
L'innovation elle-même devient industrialisée.
Les révolutions technologiques deviennent continues plutôt qu'épisodiques.
Si Schumpeter a fait de l'innovation le moteur de la croissance économique, et Romer a fait de la connaissance le moteur de la croissance, alors RSI et Caballero ensemble pourraient pointer vers la prochaine frontière de la théorie de la croissance :
Les cycles économiques de Schumpeter dépendaient de l'innovation disruptive, et l'innovation disruptive dépendait de l'intelligence humaine — et parfois, de génies rares.
L'IA pourrait être la première technologie qui transforme le génie lui-même en une forme de capital : quelque chose qui peut être financé, reproduit à grande échelle, continuellement amélioré, et finalement capable de s'améliorer lui-même.
Sur la base de cet argument, quelle que soit la taille de la bulle de l'IA aujourd'hui, une croissance exponentielle de l'innovation pourrait permettre à l'économie de l'absorber bien plus rapidement que la plupart des gens ne le pensent.