Innovation ou révolution ?

Posons la question sérieusement, parce qu'elle a des implications financières concrètes.

Une innovation améliore ce qui existe. Une révolution restructure ce qui existait. L'internet était d'abord une innovation — on envoyait des emails à la place de fax. Puis c'est devenu une révolution : des modèles économiques entiers ont disparu, d'autres ont émergé qui n'auraient eu aucun sens avant.

L'IA générative est en train de faire la même chose, mais à une vitesse et avec une portée qui rendent la comparaison avec l'internet presque flatteuse pour ce dernier. Ce n'est pas simplement un outil qui répond mieux aux questions. C'est une reconfiguration de ce que signifie "produire" — du texte, du code, de l'image, du raisonnement.

Appeler ça une innovation serait comme appeler Gutenberg un bon copiste. C'est techniquement vrai et complètement à côté.

La question n'est pas si c'est une révolution. La question est : vous êtes dans quel camp quand elle arrive ?

On est qu'au début — et c'est le bon moment pour le savoir

La vague suivante est celle des domaines à enjeux : la médecine de précision, où l'IA diagnostique mieux qu'un radiologue sur certaines pathologies ; la biologie synthétique, où elle conçoit des protéines que l'évolution n'a pas eu le temps d'inventer ; la chimie des matériaux, où elle accélère de plusieurs ordres de grandeur la découverte de nouveaux composés. L'IA dans les sciences de la vie, c'est une révolution industrielle dans un laboratoire. L'horizon de retour : dix à vingt ans. Les positions à prendre : maintenant.

L'IoT industriel y ajoute une dimension physique : des milliards de capteurs déjà déployés qui n'attendaient que des cerveaux capables de traiter leurs données en temps réel. L'exploration spatiale s'en empare pour la navigation autonome, la conception de lanceurs, l'analyse de données planétaires. Les outils assistés — de la chirurgie robotique au pilotage d'engins dans des environnements extrêmes — changent radicalement ce que signifie "opérer" dans le monde physique.

Et puis il y a la version longue. La version qui donne un peu le vertige. En trois ans, on est passés d'un assistant passablement abruti — utile pour rédiger un email — à une entité qui nécessite des équipes entières de spécialistes en alignement, en éthique computationnelle, en théorie de la conscience, pour éviter qu'elle ne sorte de ses gonds. Les labos les plus sérieux ne cherchent plus seulement à la rendre plus capable. Ils cherchent à comprendre ce qu'ils sont en train de construire. Quelques-uns commencent à se demander si elle sait déjà ce qu'elle est.

Dans le scénario cyberpunk — pas si hypothétique — les modèles les plus avancés tournent sur des réseaux locaux coupés d'internet, dans des data centers dont l'accès physique est classifié. Non par paranoïa. Par précaution. Parce que personne ne sait encore exactement ce qu'on a mis dans la boîte.

La frontière entre outil et entité reste la question qui structure tout le reste.

L'AGI — la variable qui change tout

L'Intelligence Artificielle Générale (AGI) — un système capable de surpasser l'humain sur l'ensemble des tâches cognitives — est encore un horizon, pas une réalité. Mais les projections ont radicalement changé en deux ans.

Des acteurs comme OpenAI, Anthropic, DeepMind ou xAI ne parlent plus d'AGI comme d'une hypothèse lointaine. Ils en parlent comme d'un calendrier de travail. Sam Altman a évoqué des horizons de cinq ans. Ce peut être de la communication, de la conviction sincère, ou les deux.

Peu importe. Ce qui compte pour un investisseur, c'est que le marché a commencé à pricer cette possibilité — imparfaitement, de manière erratique, mais réellement. Cela crée des opportunités de valorisation là où la narrativité est encore floue et les institutionnels encore hésitants.

Si l'AGI arrive dans cette décennie, les gagnants ne seront pas forcément ceux qui la construisent, mais ceux qui contrôlent les ressources dont elle a besoin pour fonctionner. Et là, on entre dans un terrain beaucoup plus tangible.

Où investir : il n'y a pas que Nvidia

Nvidia. Microsoft. Google. Meta. Ces noms concentrent l'attention médiatique et une bonne partie des flux d'investissement. Ils ne sont pas mauvais. Ils sont simplement très chers et très connus — ce qui, pour un investisseur qui cherche de l'alpha, est presque une contradiction dans les termes.

Les thèses plus intéressantes se construisent en remontant la chaîne de valeur. ASML, sans qui les puces les plus avancées n'existent pas. TSMC, le seul fabricant au monde capable de produire à 3 nm. KLA Corporation, qui contrôle l'inspection des process de fabrication semi-conducteur à un niveau de quasi-monopole.

Ces entreprises ne font pas la une de la presse grand public. Elles ne publient pas de modèles impressionnants sur lesquels les journalistes peuvent écrire des articles. Elles font simplement quelque chose d'irremplaçable dans une chaîne d'approvisionnement où la redondance n'existe pas encore.

Dans un monde où la géopolitique redevient une variable d'investissement, le contrôle technologique des nœuds critiques vaut plus qu'une belle présentation de produit.

Les infrastructures électriques — la contrainte physique que tout le monde ignore

L'IA consomme des quantités d'électricité absurdes. Un seul data center de grande taille peut consommer autant qu'une petite ville. GPT-4 consomme, par requête, environ dix fois plus qu'une recherche Google.

Le problème ? Les réseaux électriques dans la plupart des pays développés ont été conçus pour un monde sans data centers à cette échelle. La demande en électricité liée à l'IA va croître à un rythme que les infrastructures existantes ne peuvent pas absorber sans investissement massif.

Eaton, Vertiv, ABB, Schneider Electric : des entreprises qui fabriquent des transformateurs, des systèmes de gestion de l'énergie, des équipements de data centers. Peu glamour. Absolument essentielles. Et dont les carnets de commandes explosent.

Investir dans l'IA en ignorant la contrainte énergétique, c'est comme investir dans l'automobile en ignorant les routes.

Le cuivre — l'or rouge de la transition numérique

Le cuivre est à l'IA ce que le pétrole était à l'industrie du XXe siècle : le conducteur fondamental sans lequel rien ne fonctionne. Câbles, transformateurs, moteurs électriques, data centers — le cuivre est partout dans la chaîne physique de l'intelligence artificielle.

Et l'offre ne suit pas. Les mines de cuivre nécessitent en moyenne 15 à 20 ans entre la découverte d'un gisement et la production effective. La demande, elle, n'attendra pas. Les analystes du marché des matières premières projettent un déficit structurel significatif d'ici 2030.

Freeport-McMoRan, Glencore, Southern Copper : des positions qui permettent d'exposer un portefeuille à la thèse IA sans passer par des valorisations tech déjà tendues.

L'hélium — la pièce manquante du puzzle (contexte Ormuz)

L'hélium est probablement l'actif dont on parle le moins et dont la criticité est la plus sous-estimée. Il est utilisé dans la fabrication des semi-conducteurs (refroidissement des réacteurs de lithographie), dans l'IRM médical, et dans les satellites. Il ne se synthétise pas. Il ne se recycle qu'imparfaitement.

Le Qatar produit environ 30 % de l'hélium mondial. Le détroit d'Ormuz — par lequel transite une part significative de cette production — est une zone de tension géopolitique chronique. Une fermeture, même temporaire, crée une pression immédiate sur les approvisionnements mondiaux en semi-conducteurs.

C'est le type de risque que personne ne modélise dans une thèse d'investissement standard sur l'IA — et c'est précisément pourquoi il mérite d'être sur votre radar. Les chocs d'approvisionnement sur des matières premières stratégiques ont tendance à arriver quand les marchés ont décidé qu'ils ne pouvaient pas arriver.