Dans le monde entier, l’intelligence artificielle (IA) vient alimenter les débats économiques et, de plus en plus, la croissance économique elle-même. Aux États-Unis, les investissements en lien avec l’IA représentent désormais une bonne part de la croissance du PIB, ce qui fait augmenter la demande de serveurs, de centres de stockage de données, de logiciels et d’infrastructures électriques. Les décideurs publics s’efforcent tant bien que mal de comprendre ce qui se joue : le monde est-il en train d’assister au gonflement d’une bulle d’investissement sans lendemain, ou bien à un essor durable de la productivité comparable à celui qu’a permis la révolution informatique des années 90 ?
L’économie des États-Unis, la première du monde par la taille et toujours au centre du cycle économique mondial, est entrée dans une phase d’expansion à deux vitesses. Les secteurs à forte concentration d’IA font la course en tête, tandis que le bâtiment, l’industrie manufacturière et les secteurs sensibles aux taux d’intérêt sont à la traîne. Selon le Bureau d’analyse économique des États-Unis, au troisième trimestre 2025, l’investissement dans les équipements de traitement de données et les logiciels a bondi de 16,5 % par rapport à l’année précédente. Sans l’IA, les chiffres du PIB américain auraient été bien inférieurs.
Ce schéma a des répercussions à l’échelle mondiale. Au Japon et en Europe, la croissance s’est stabilisée, mais reste tributaire d’une politique monétaire accommodante. Les pays émergents ont profité de la baisse des rendements obligataires et de l’affaiblissement du dollar, mais les moteurs de leur croissance dépendent de plus en plus d’investissements et d’entrées de capitaux liés au secteur technologique. La croissance de l’économie mondiale ne s’est pas effondrée, mais elle se concentre toujours davantage dans une poignée de secteurs et de régions.
La vague actuelle de l’IA a ceci d’inhabituel qu’elle présente une très forte intensité capitalistique. L’entraînement de grands modèles de langage et le déploiement de systèmes d’IA générative supposent de disposer d’une puissance de calcul et d’une infrastructure physique de grande envergure. L’IA s’apparente davantage à l’électricité — technologie qui, parce qu’elle en rend d’autres possibles, nécessite des investissements continus dans les réseaux, le matériel et des actifs complémentaires – que d’autres innovations récentes comme les réseaux sociaux ou le commerce numérique, qui se sont construits sur des réseaux préexistants. D’après certaines estimations, pour satisfaire la demande internationale, les centres de stockage de données pourraient demander 6 700 milliards de dollars de dépenses en capital à l’échelle mondiale d’ici 2030.
Cet essor des investissements transforme la structure de l’économie, mais révèle également l’inaptitude de notre système de mesure à appréhender le capital immatériel. Nos cadres de comptabilité nationale ont été conçus pour l’âge industriel, à une époque dominée par les usines et les machines-outils. Aujourd’hui, la valeur est de plus en plus à rechercher dans les données, les algorithmes, les modèles d’IA propriétaires et les infrastructures d’informatique en nuage.
Les statistiques officielles reflètent en partie cette mutation de l’économie (par exemple à travers la catégorie « logiciels et recherche–développement »), mais ne parviennent pas à appréhender une bonne part des forces motrices de la productivité. Les coûts que supposent l’entraînement de grands modèles, le perfectionnement de jeux de données et la création de nouvelles applications sont souvent comptabilisés au titre des charges, plutôt que de la formation de capital. Même les semiconducteurs, qui occupent une place centrale dans les écosystèmes d’IA, sont considérés comme des biens intermédiaires, plutôt que comme des supports physiques de propriété intellectuelle.
Il en résulte que les données du PIB surestiment la contribution immédiate de l’IA (en comptabilisant des dépenses massives en capital) tout en sous-estimant ses effets économiques au sens large (en faisant abstraction des retombées positives sur la productivité). C’est le même paradoxe statistique qui avait masqué les premiers gains de productivité permis par la révolution informatique. Lorsque les instruments de mesure sont en décalage avec la réalité, les décideurs publics risquent de mal interpréter les évolutions à l’œuvre dans l’économie, ce qui peut les conduire à adopter une orientation trop restrictive parce que la marge de capacités inutilisées leur paraît réduite ou, à l’inverse, à assouplir trop vite leur politique parce que l’inflation leur paraît provenir d’un excès de demande, alors qu’elle pourrait tenir davantage à des changements structurels.
Ainsi, l’environnement dans lequel la Réserve fédérale des États-Unis doit prendre ses décisions de politique monétaire est plus complexe qu’auparavant. Si l’adoption de l’IA fait discrètement augmenter le potentiel de production, la surchauffe de l’économie pourrait être moins prononcée que ne le laissent penser les principales données économiques. À l’inverse, la flambée de la demande d’électricité et la présence de goulets d’étranglement au niveau des infrastructures pourraient relever le niveau plancher de l’inflation. Des erreurs d’interprétation, d’un côté comme de l’autre, pourraient être à l’origine d’erreurs dans l’orientation de la politique monétaire, dans un sens comme dans l’autre.
L’essor de l’IA a également pour effet de redessiner la structure du commerce international et des mouvements de capitaux. Les importations et exportations d’ordinateurs, de serveurs et de semiconducteurs ont bondi, ce qui annonce une réorganisation des chaînes d’approvisionnement à l’échelle mondiale. Les activités de fabrication et d’assemblage se réorientent vers l’Asie du Sud-Est, l’Inde, ainsi que des pôles spécialisés au Texas et dans d’autres États américains qui bordent le golfe du Mexique.
Cette rerégionalisation n’est pas une démondialisation : il s’agit d’une nouvelle géographie de l’interdépendance. Les États-Unis et la Chine restent les acteurs dominants, tandis que l’Europe s’emploie à rattraper son retard en mobilisant sa politique industrielle et en accordant des incitations à l’investissement. Pour de nombreux pays émergents, la demande d’IA se traduit déjà par des exportations et des investissements directs étrangers (en particulier dans les domaines de l’énergie et de la fabrication de composants), mais les rend aussi plus vulnérables face à des chocs technologiques et géopolitiques.
Les mouvements de capitaux épousent de plus en plus les contours de cette géographie de l’IA. Les opérateurs de centres de données à très grande échelle (en anglais hyperscalers), les quelques grandes sociétés qui construisent et financent les soubassements de la puissance de calcul informatique au niveau mondial, se sont vu accorder des valorisations boursières et des liquidités à des niveaux jamais vus depuis l’époque de la bulle Internet. En conséquence, une part disproportionnée des dépenses en capital liées à l’IA et des espérances de gains de productivité au niveau mondial se concentre sur un petit nombre de géants du secteur technologique.
Dans ses travaux de recherche, l’Institut de la finance internationale fait apparaître une distinction entre la participation numérique (l’utilisation d’outils numériques importés) et la profondeur numérique d’un pays (la capacité à produire et à exporter des biens et services numériques, et à les intégrer dans les chaînes de valeurs nationales). Les pays émergents dotés d’une profondeur numérique (Chine, Inde, Corée, ainsi qu’un petit groupe de pôles spécialisés) attirent des investissements directs étrangers plus stables, aux fins de la production de biens et services liés au secteur de l’IA. Leurs profils d’exportateurs révèlent la part croissante des services liés aux technologies de l’information et de la communication, des redevances et des contenus numériques. D’autres pays restent avant tout des consommateurs de technologies importées, et sont donc plus tributaires de flux de portefeuille sujets aux fluctuations des cycles mondiaux des mouvements de liquidités.
À mesure que l’IA occupe une place de plus en plus centrale dans l’activité économique, la profondeur numérique pourrait jouer dans les dynamiques de mouvements de capitaux un rôle comparable à celui de la crédibilité budgétaire ou des régimes de taux de change : il s’agit d’un paramètre sous-estimé, que les décideurs au niveau mondial devront suivre de près.
La puissance de calcul nécessaire à l’entraînement et à l’application des modèles d’IA se situe à une telle échelle que la production d’électricité et la capacité des réseaux en deviennent des variables macroéconomiques critiques.
Cette situation a de profondes implications macroéconomiques. Des goulets d’étranglement énergétiques pourraient retarder la diffusion de l’IA, établir durablement des niveaux élevés d’inflation hors alimentation et énergie, et générer des surchauffes localisées, même quand d’autres secteurs fonctionnent parallèlement au ralenti. L’investissement dans les réseaux devient une contrainte centrale du côté de l’offre, et la distinction entre politique industrielle et politique macroéconomique a tendance à s’estomper.
Le véritable enjeu est de savoir si les gains de productivité permis par l’essor de l’IA seront généralisés, ou s’ils se cantonneront à un ensemble restreint d’entreprises et de secteurs d’activité. L’histoire nous enseigne que les technologies généralistes ne portent tous leurs fruits qu’au terme d’années d’investissements complémentaires — dans les compétences, les pratiques de gestion et l’adaptation des institutions. L’électricité et l’informatique ont pris des décennies à se diffuser de manière suffisamment large pour faire augmenter la productivité globale.
Si l’adoption de l’IA reste l’apanage d’opérateurs dits « hyperscalers » et de prestataires de services spécialisés, son rendement pourrait rapidement plafonner, auquel cas l’économie se retrouverait dans une situation de vulnérabilité, une fois passé le pic du cycle d’investissement. En revanche, l’application de l’IA à de nombreux secteurs est susceptible de relever le potentiel de production. Les enquêtes menées auprès des entreprises donnent à penser que cette diffusion a lieu, quoique de manière inégale. Si de nombreuses sociétés explorent l’IA, seul un petit nombre d’entre elles ont généralisé son usage.
Il y a un risque que cette diffusion vienne se heurter à des infrastructures inadaptées et des statistiques obsolètes. Le décalage entre la rapidité des évolutions technologiques et la lenteur de l’action publique pourrait entraîner une volatilité inhabituelle au cours des prochaines années. La croissance pourrait alors osciller sous l’effet de poussées d’investissement suivies de pauses d’ajustement, tandis que les pouvoirs publics peineraient à interpréter les statistiques sur lesquelles ils fondent leurs décisions.
L’essor de l’IA se produit sur fond d’incertitude au niveau mondial. Les guerres des droits de douane, les restrictions à l’immigration et les déséquilibres budgétaires rendent l’économie mondiale plus fragmentée et moins prévisible. Dans ce contexte, l’IA fait figure d’exception, car elle est à la fois une innovation technologique et un stabilisateur macroéconomique : à ce titre, elle est l’un des rares phénomènes qui justifient un regain progressif de demande et d’optimisme.
Cependant, l’IA n’a pas les épaules suffisamment larges pour porter indéfiniment l’ensemble de l’économie mondiale. Aux États-Unis, son expansion reste gourmande en capitaux et chiche en emplois. L’Europe risque de rester sur la touche, à moins d’une refonte de sa politique industrielle et numérique. Les pays émergents doivent envisager avec prudence les possibilités qui s’offrent à eux, en veillant à ce qu’une énergie bon marché et une réglementation favorable ne viennent pas se substituer à la compétitivité sur le long terme.
Le temps presse pour les décideurs et les statisticiens. Il convient de rénover les appareils statistiques pour mieux appréhender le capital immatériel ; il importe que les outils de politique budgétaire et monétaire tiennent compte de la divergence entre secteurs et des nouvelles contraintes d’offre ; enfin, la coopération internationale doit garantir que la diffusion de l’IA ne bénéficie pas seulement à un petit nombre de pays.
MARCELLO ESTEVÃO est directeur général et économiste en chef de l’Institut de la finance internationale. Il enseigne à l’Université de Georgetown.
© 2026 Fonds monétaire international. Tous droits réservés.
