Le PDG de NVIDIA, Jensen Huang, a déclaré le 30 août 2026 que l’IA n’était pas seulement une révolution numérique, mais le début de la réindustrialisation des États-Unis. Après des décennies de délocalisation, l’IA crée de nouvelles incitations économiques pour rapatrier la production et les chaînes d’approvisionnement stratégiques sur le territoire national. Cette dynamique est soutenue par 400 milliards de dollars d’investissements dans des startups de l’IA au cours des six derniers mois, un chiffre qui reflète la forte confiance des capitaux dans l’IA en tant qu’infrastructure économique de la prochaine génération, et non une indication de bénéfices déjà réalisés.

Le changement fondamental réside dans la transformation de l’IA, qui passe d’un produit logiciel à un gigantesque projet industriel. Contrairement à l’ère précédente, l’IA nécessite des éléments physiques difficiles à déplacer : des puces semi-conductrices, un approvisionnement massif en électricité, des terrains pour les centres de données, des réseaux Internet, ainsi qu’une main-d’œuvre qualifiée dans les domaines de l’ingénierie et de la construction. NVIDIA a construit un réseau de fabricants et de fournisseurs dans 43 États américains, couvrant les semi-conducteurs, les cartes de circuits imprimés, les systèmes assemblés et les infrastructures d’IA, formant ainsi un nouvel écosystème industriel.

Un aspect crucial souvent négligé est la dépendance de l’IA à l’électricité à l’échelle industrielle. Derrière une seule question posée à un chatbot se trouve une longue chaîne de demande : GPU → serveur → centre de données → électricité → refroidissement → réseau → puce → mémoire → système électrique. Huang souligne que l’explosion de l’IA stimule des investissements massifs dans le réseau électrique vieillissant des États-Unis et dans le développement de nouvelles sources d’énergie. Cette chaîne crée des effets multiplicateurs : l’IA stimule les centres de données, les centres de données stimulent la demande d’électricité, et l’électricité stimule les centrales, les turbines, les transformateurs, les câbles, les usines et, en fin de compte, les emplois dans la construction et l’industrie manufacturière.

Le chiffre de 400 milliards de dollars doit être interprété avec prudence ; il s’agit de paris en capital-risque, et non de bénéfices. Les fonds commencent à affluer non seulement vers les créateurs de modèles d’IA, mais aussi vers le *coding* par IA, les agents d’IA, la robotique, l’IA physique, la cybersécurité, les semi-conducteurs et l’énergie. La startup Lovable a annoncé un financement de 400 millions de dollars pour une valorisation de 13,3 milliards de dollars, tandis que Zhipu AI, en Chine, a fait état d’une hausse de 400 % de son chiffre d’affaires, à 953,9 millions de yuans, signe que la concurrence se déplace et devient une compétition entre entreprises, entre pays et entre écosystèmes.

NVIDIA elle-même se transforme en entreprise d’infrastructure d’IA. Au deuxième trimestre de l’exercice fiscal 2027, son chiffre d’affaires a atteint 96,2 milliards de dollars (en hausse de 18 % QoQ), le segment Data Center représentant environ 89 milliards de dollars (en hausse de 117 % YoY), avec une prévision de 108 milliards de dollars pour le trimestre suivant. Huang a souligné que *"le calcul est le revenu"*. NVIDIA collabore avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR afin de mobiliser plus de 500 milliards de dollars de capitaux de tiers pour la construction d’infrastructures d’IA, ce qui marque le traitement de la puissance de calcul comme un actif d’infrastructure.

Les preuves concrètes sont visibles au Texas et en Arizona, qui deviennent de nouveaux laboratoires. L’Arizona est axonée sur les puces et le packaging (avec Amkor comme partenaire), tandis que le Texas se concentre sur les supercalculateurs et les systèmes d’IA (dans les installations de Wistron à Fort Worth). SK Hynix a annoncé une usine de 4 milliards de dollars dans l’Indiana pour produire des HBM de prochaine génération, avec un objectif de production en 2029 et la création d’environ 7 000 emplois. Cela prouve que l’IA attire à nouveau les chaînes d’approvisionnement des semi-conducteurs vers les États-Unis.

La prochaine étape est l’IA physique, dans laquelle l’IA agit dans le monde réel au moyen de robots, d’usines automatisées, de véhicules et de jumeaux numériques, transformant les usines en « machines pensantes » capables de détecter les pannes, d’optimiser la consommation d’électricité et de simuler les lignes de production. Si elle réussit, l’industrie manufacturière américaine pourrait être compétitive malgré des salaires élevés.

Cependant, la question de l’emploi n’est pas simple. La construction de centres de données crée une demande de spécialistes de l’électricité, du soudage, du HVAC et de la construction. Les syndicats de travailleurs la soutiennent. Toutefois, l’automatisation après la mise en service peut réduire les effectifs. Brookings rappelle que les emplois dans la construction sont temporaires et ne créeront pas nécessairement des emplois technologiques à long terme dans chaque région. La question clé est de savoir quels types d’emplois sont créés et qui possède les compétences nécessaires pour les occuper.

La plus grande ironie est que le principal obstacle n’est pas le GPU, mais l’électricité. Les États-Unis disposent de capitaux et de talents, mais sans électricité suffisante, les usines d’IA ne peuvent pas fonctionner. Huang met en garde contre les limites énergétiques, qu’il considère comme le principal problème, si bien que la course à l’IA se transforme en course à l’énergie. Ceux qui disposent d’une électricité bon marché et stable prendront l’avantage.

Cela ouvre de vastes opportunités dans les semi-conducteurs, les HBM, les réseaux, le refroidissement, les transformateurs, la production d’électricité, les réseaux électriques, la construction, la robotique et la cybersécurité. Toutefois, le Financial Times met en garde contre les risques liés au financement : si la monétisation est lente, des dépenses d’investissement élevées entraîneront une faible utilisation des capacités, des flux de trésorerie décevants, une hausse de la dette et une réévaluation à la baisse des valorisations. Les 400 milliards de dollars ne sont pas des bénéfices, mais des capitaux qui misent sur l’avenir de l’IA.

Au cours des 5-10 prochaines années, trois scénarios sont possibles. Scénario haussier : l’IA accroît la productivité, les robots se déploient massivement, le coût du calcul diminue, l’industrie manufacturière devient compétitive et l’IA devient le plus grand moteur économique. Scénario modéré : l’IA progresse rapidement, mais la productivité n’augmente pas aussi vite que prévu ; une consolidation se produit et les investisseurs distinguent les IA qui génèrent de l’argent de celles qui brûlent du capital. Scénario baissier : dépenses d’investissement excessives, réduction des besoins en calcul grâce à l’efficacité de l’IA, échec de la monétisation, hausse des coûts de l’énergie et correction de la bulle, tandis que les infrastructures restent des actifs.

En conclusion, Huang parle d’une révolution plus vaste que ChatGPT. Les 400 milliards de dollars montrent l’ampleur des capitaux, mais le plus important est l’effet produit après leur injection : les capitaux nécessitent des puces, les puces nécessitent des usines, les usines nécessitent de l’électricité, l’électricité nécessite des réseaux et des centrales, et l’ensemble nécessite des travailleurs et de la construction. L’IA ne fait pas revenir l’ancienne ère manufacturière, mais crée une nouvelle ère manufacturière contrôlée par les logiciels, les robots et la puissance de calcul. Les États-Unis n’ont pas besoin de faire revenir les anciennes usines ; il leur suffit de construire les usines de la prochaine génération, conçues pour le monde de l’IA. Si la thèse de Huang est juste, le véritable enjeu est de savoir qui contrôlera les infrastructures physiques. L’IA ne vit pas dans le cloud ; elle a besoin d’électricité, de puces, de bâtiments, de réseaux, de machines et d’êtres humains. La révolution numérique se transforme progressivement en prochaine révolution industrielle.

#AIStartupsRaise400BInSixMonths $NVDA