L'IA, un gouffre financier qui complique la lutte de la Fed contre l'inflation

L'envers du décor inflationniste de l'essor de l'IA

La vision d'une intelligence artificielle (IA) inaugurant une ère de réduction des coûts sans précédent et d'abondance, vantée par des figures de proue de la tech comme Sam Altman d'OpenAI et Elon Musk de Tesla, se heurte à une réalité économique plus nuancée. Si le potentiel de gains de productivité à long terme de l'IA demeure, son impact économique immédiat s'avère être une force inflationniste à court terme, compliquant directement la délicate stratégie de politique monétaire de la Réserve Fédérale américaine (Fed). Les promesses de baisse des prix de 40% et l'élimination des tâches pénibles, imaginées par des personnalités telles que Masayoshi Son de SoftBank, restent encore des aspirations lointaines. L'intégration généralisée de l'IA dans l'économie mondiale est freinée par une certaine inertie des entreprises.

Cette adoption lente coïncide avec une vague d'investissements colossale, chiffrée à plusieurs billions de dollars, dans les centres de données et le matériel d'IA. Ces dépenses d'investissement massives exercent une pression sur les chaînes d'approvisionnement et gonflent les coûts, notamment dans le secteur de l'électricité, avant même que les bénéfices promis en termes de productivité ne se matérialisent. Ronnie Chatterji, économiste en chef chez OpenAI, reconnaît que les coûts immédiats sont plus tangibles que les bénéfices futurs. "Pour qu'elle ait un impact sur l'économie, elle doit être adoptée par les organisations", a-t-il déclaré. "Ces organisations doivent en tirer de la valeur." Il anticipe qu'il faudra du temps avant que ces impacts ne se reflètent clairement dans les statistiques de productivité.

Un boom des dépenses d'investissement face à une intégration lente

L'ampleur des investissements est stupéfiante. Les recherches de Goldman Sachs estiment que les dépenses d'investissement pour le déploiement de l'IA atteindront 581 milliards de dollars aux États-Unis cette année, avec des dépenses mondiales potentiellement à 1 trillion de dollars. Aux États-Unis, cela représente 1,8% du produit intérieur brut (PIB), un chiffre qui devrait grimper à 2,8% d'ici 2028. Pourtant, les taux d'adoption peignent un tableau plus mesuré. Une récente enquête du Census Bureau indique que seulement 17% à 20% des entreprises américaines utilisent actuellement l'IA, les grandes sociétés affichant des taux d'adoption significativement plus élevés que les petites.

Peter Boockvar, de One Point BFG Wealth Partners, établit un parallèle avec l'intégration d'Internet, notant que même cette technologie transformative n'a généré qu'un gain de productivité de 1,5% sur trois décennies. Il s'interroge si l'IA générative peut offrir une amélioration substantiellement supérieure. "La technologie a toujours rendu les gens plus productifs. Mais l'IA générative est-elle plusieurs fois supérieure ? Nous ne le savons pas encore", a fait remarquer Boockvar.

Les 'maillons faibles' de la chaîne d'adoption de l'IA

Au sein des entreprises, les dirigeants qui ont mis en œuvre l'IA constatent que la réalité est plus complexe que le battage médiatique. Julie Averill, ancienne directrice des systèmes d'information chez Lululemon, a partagé son expérience dans la supervision de l'adoption de l'IA. "La réalité est que la technologie est là", a-t-elle dit. "Le battage médiatique porte sur la facilité de la technologie dans une grande organisation." Elle a souligné que la mise en œuvre de l'IA pour des tâches telles que la prévision des ventes était bien plus complexe que l'utilisation d'un simple chatbot. Averill a fait remarquer que les défis fondamentaux du changement organisationnel à grande échelle persistent. "Faire changer les comportements des gens, les accompagner dans ce parcours, et leur faire confiance au modèle, c'est difficile", a-t-elle expliqué.

Les données de Chatterji corroborent cela, montrant que les utilisateurs intensifs de l'IA déploient la technologie à un rythme huit fois supérieur à celui des entreprises moyennes, un écart qui s'est considérablement creusé en seulement trois mois. Cette disparité souligne l'avantage détenu par les entreprises qui réorganisent activement leurs flux de travail autour de l'IA. Les économistes identifient ces obstacles à la mise en œuvre comme des tâches à "maillons faibles" qui résistent à une automatisation facile. Alors que l'IA excelle dans des tâches spécifiques comme la lecture d'images médicales, de nombreux emplois sont des ensembles de tâches diverses. Charles Jones, professeur à Stanford, note que les outils d'IA complètent les compétences existantes en automatisant seulement une partie des fonctions d'un professionnel, plutôt qu'en les remplaçant entièrement. L'étendue complète de ces maillons faibles ne deviendra évidente qu'à mesure que l'adoption de l'IA s'étendra.

L'énigme de l'IA pour la Réserve Fédérale

La Fed est activement confrontée aux implications économiques de l'IA. Le président de la Fed, Kevin Warsh, a nommé un groupe de travail, comprenant le capital-risque Marc Andreessen et le professeur Charles Jones, pour étudier l'impact de l'IA. Si certains, comme Andreessen, prédisent une ère d'"hyper-déflation", d'autres au sein de la Fed expriment leur prudence. Neel Kashkari, président de la Fed de Minneapolis, a directement lié les investissements substantiels dans les centres de données à une augmentation de l'inflation. "Les investissements massifs dans les centres de données ont également ajouté un nouvel élément de demande à la forte inflation que les Américains connaissent", a déclaré Kashkari. Les prix de l'électricité des ménages, par exemple, ont connu une augmentation de 10,1% au cours des deux années précédant juin, dépassant la hausse générale des prix.

De plus, les contraintes de la chaîne d'approvisionnement pour le matériel d'IA essentiel, comme les puces de Nvidia, font grimper les coûts. JPMorgan Chase estime que le prix de la DRAM, un type de puce mémoire, pourrait surgir de 400% d'ici la fin de l'année par rapport à 2024. Les données de l'indice des prix à la consommation révèlent que les coûts des logiciels et des accessoires ont grimpé de 22,9% depuis juin 2024. Ce tableau inflationniste complexe a conduit les responsables de la Fed à reconnaître l'incertitude quant au calendrier et à l'ampleur exacts des effets de l'IA sur l'offre.

Lire entre les lignes

Le récit actuel entourant l'IA présente un contraste frappant entre son potentiel à long terme de désinflation et ses conséquences inflationnistes immédiates, tirées par les exigences d'infrastructure et les frictions d'adoption. Pour les investisseurs, cette dualité crée un environnement complexe. Si la promesse d'une productivité accrue et de coûts réduits grâce à l'IA constitue une thèse d'investissement attrayante à long terme, les dépenses d'investissement initiales substantielles et l'intégration plus lente que prévu créent des vents contraires tangibles pour l'économie et pour les objectifs d'inflation de la Fed.

L'impact sur l'US Dollar Index (DXY) et les marchés boursiers au sens large pourrait être significatif. Une inflation persistante, même partiellement alimentée par les déploiements d'IA, pourrait obliger la Fed à maintenir des taux d'intérêt plus élevés plus longtemps, renforçant potentiellement le dollar à court terme mais freinant également la croissance économique. Les valeurs technologiques, en particulier celles impliquées dans l'infrastructure de l'IA et la fabrication de puces comme Nvidia, pourraient connaître une volatilité continue. Bien qu'elles bénéficient de la frénésie de dépenses, elles font également face à des risques liés aux goulets d'étranglement de la chaîne d'approvisionnement et aux fluctuations potentielles de la demande si l'adoption par les entreprises venait à fléchir davantage. Inversement, les secteurs capables de tirer parti de l'IA pour des gains d'efficacité immédiats sans investissements initiaux massifs pourraient offrir une résilience relative. Les traders devraient surveiller les rapports de résultats des entreprises pour des preuves concrètes d'améliorations de productivité induites par l'IA, au-delà des simples augmentations de dépenses. Le risque principal demeure la fonction de réaction de la Fed : privilégiera-t-elle la lutte contre l'inflation induite par l'IA, au risque de l'alimenter pour encourager les gains de productivité actuellement insaisissables ? L'attention du marché se détourne de la promesse abstraite de l'IA pour se concentrer sur les coûts concrets et leurs retombées économiques immédiates.