#OpenAI第三季度营收升至100亿美元 #WCTCS9

À mon avis, l’intelligence artificielle a officiellement dépassé sa phase expérimentale et est entrée dans une période de commercialisation à grande échelle ; toutefois, la rentabilité reste le principal défi à relever.

Les derniers chiffres d’OpenAI sont impressionnants, mais ils montrent aussi pourquoi les investisseurs doivent se garder de confondre croissance du chiffre d’affaires et modèle économique durable.

1. La croissance du chiffre d’affaires est réelle, mais la rentabilité est toujours hors de portée

Selon des informations publiées le 10 novembre 2026 :

* Le chiffre d’affaires trimestriel a atteint environ $10 milliards, soit une hausse d’environ 50 % par rapport au trimestre précédent.
* Le chiffre d’affaires des entreprises a doublé d’un trimestre à l’autre.
* Les pertes d’exploitation sont passées de $10.1 milliards à $10.9 milliards.
* La marge d’exploitation ajustée s’est améliorée, passant de -150 % à -109 %.

Bien que cette amélioration des marges soit encourageante, l’augmentation des pertes d’exploitation constitue un sérieux avertissement.

La question essentielle est de savoir si les entreprises d’IA peuvent générer des revenus à long terme nettement supérieurs sans que les coûts de calcul et d’infrastructure augmentent au même rythme.

2. Part de marché ou rentabilité ?

Je pense que la part de marché doit être une priorité, mais qu’il ne faut pas la rechercher à n’importe quel prix.

À l’image de l’informatique en nuage à ses débuts, l’intelligence artificielle devient une infrastructure fondamentale. Les entreprises qui parviendront à bâtir des écosystèmes robustes, à nouer de solides relations avec leurs clients et à mettre en place des canaux de distribution efficaces pourront bénéficier d’avantages considérables à long terme. Il faut toutefois distinguer les investissements visant la croissance future des dépenses continues qui n’améliorent pas l’économie unitaire.

Trois indicateurs méritent tout particulièrement d’être suivis de près :

* Fidélisation des clients : les entreprises renouvellent-elles leurs contrats d’IA et en élargissent-elles la portée ?
* Économie unitaire : chaque nouveau client de l’IA contribue-t-il à améliorer la rentabilité de l’entreprise ?
* Efficacité de l’infrastructure : la baisse des coûts d’inférence améliore-t-elle les marges bénéficiaires ?

Si ces indicateurs s’améliorent simultanément, les pertes actuelles peuvent être considérées comme des investissements stratégiques plutôt que comme le signe d’un modèle économique non viable.

3. Où chercherais-je des occasions d’investissement ?

Je répartirais les occasions d’investissement dans le secteur de l’IA en trois catégories :

1. Infrastructure – NVIDIA

Mes domaines de prédilection pour investir dans l’infrastructure de l’IA sont notamment :

* Les GPU et le calcul accéléré.
* L’expansion des centres de données.
* La demande alimentée par le grand nombre de développeurs en IA.

L’avantage, ici, est de participer à l’ensemble de l’écosystème de l’IA, plutôt que de miser sur un seul développeur de modèles.

2. Distribution et entreprises – Microsoft

* Infrastructure infonuagique Azure.

* Intégration aux logiciels d’entreprise.

* Monétisation de l’IA grâce aux relations existantes avec les clients.

J’apprécie particulièrement la diversification de leur modèle économique ; toutefois, la valorisation et les dépenses d’investissement restent des risques importants.

3. Développeurs de modèles d’IA – OpenAI

* Revenus tirés des abonnements.

* Services d’IA destinés aux entreprises.

* API, agents et applications d’IA. Le potentiel de hausse est considérable, mais il s’accompagne de coûts d’infrastructure importants et d’une forte pression concurrentielle.

4. Ma perspective à long terme

Je suis optimiste quant à l’intelligence artificielle pour les 5–10 prochaines années ; toutefois, je souhaite distinguer l’optimisme à l’égard de la technologie de l’IA de l’optimisme à l’égard de toutes les actions liées à l’IA.

Certaines entreprises deviendront très rentables. D’autres pourraient connaître des difficultés, car les coûts de calcul restent élevés tandis que la concurrence fait baisser les prix des modèles d’IA.

Personnellement, je privilégie une approche diversifiée, qui comprend une exposition à l’infrastructure et aux plateformes technologiques établies, tout en considérant les développeurs d’IA individuels comme des investissements de croissance plus risqués.

Un point de comparaison intéressant : Anthropic aurait généré $17 milliards de revenus au troisième trimestre, tout en enregistrant une perte d’exploitation bien plus faible, de $567 millions. Cela montre que les différents modèles économiques de l’IA peuvent présenter des caractéristiques économiques très différentes.

Ma conviction la plus ferme est que les véritables gagnants ne seront pas nécessairement les entreprises qui dépensent le plus dans l’IA, mais plutôt celles qui sauront convertir son adoption en revenus récurrents, en marges bénéficiaires solides et en flux de trésorerie durables.