La bulle IA existe peut-être, mais pas là où tout le monde la cherche

C’est confirmé : OpenAI met toute sa puissance sur une IA qui va changer le monde

OpenAI a décidé de mettre en pause, voire d'abandonner définitivement, le développement de Sora, son générateur de vidéos par IA, pour réorienter l'intégralité de ses ressources de calcul vers une nouvelle génération de modèles d'intelligence artificielle. L'annonce a été confirmée officiellement dans la documentation interne d'OpenAI début avril 2026. Sam Altman, PDG de l'entreprise, a déclaré publiquement : "Il se passe quelque chose de très important. Je ne m'attendais pas, il y a trois ou six mois, à être là où nous en sommes aujourd'hui." Ce pivot stratégique rappelle directement celui opéré lors du tournant vers GPT-3, quand OpenAI avait déjà sacrifié plusieurs projets prometteurs en robotique pour concentrer ses moyens sur un pari jugé plus structurant. Cette fois, l'enjeu est encore plus ambitieux : il s'agit de développer des agents autonomes capables d'exécuter des tâches complexes, de prendre des décisions et de s'intégrer dans des flux de travail à grande échelle. La décision révèle une réalité fondamentale du secteur : les ressources de calcul sont un goulot d'étranglement absolu. Poursuivre Sora en parallèle aurait mobilisé une part trop importante de cette infrastructure au détriment des projets jugés prioritaires. Pour les entreprises, les conséquences pourraient être considérables : Altman évoque l'émergence d'un écosystème entier de "chercheurs et entreprises spécialisées dans l'automatisation", construits autour de ces nouveaux agents. Ces systèmes ne se contenteraient plus d'assister les utilisateurs, mais automatiseraient des processus entiers, de la recherche à l'exécution opérationnelle. La frustration exprimée par certains développeurs sur les forums communautaires d'OpenAI illustre bien que Sora suscitait des attentes réelles, mais la logique de concentration l'a emporté sur celle de la diversification. Ce virage s'inscrit dans une dynamique plus large de course aux ressources qui structure désormais toute l'industrie de l'IA. Comme le résume Altman lui-même : "Tout repose sur le calcul." Les modèles les plus performants exigent des infrastructures massives, des centres de données spécialisés et des investissements colossaux, ce qui crée une guerre des ressources entre les grands acteurs. OpenAI, face à Microsoft, Google DeepMind et Anthropic, fait le choix de concentrer ses efforts plutôt que de les disperser, quitte à abandonner des projets pourtant aboutis. Les avancées internes des derniers mois ont visiblement été si rapides que même l'équipe dirigeante ne les anticipait pas, suggérant un saut qualitatif potentiellement significatif. Si les prochains modèles tiennent leurs promesses, on pourrait assister à un changement de paradigme dans la manière dont individus et organisations interagissent avec l'IA, non plus comme un outil d'assistance, mais comme un acteur autonome dans la chaîne de décision.

Au-delà des modèles : où les investisseurs cherchent la prochaine vague de l'IA

Face à la concentration massive des investissements dans les modèles frontières et les infrastructures des hyperscalers, les investisseurs cherchent de nouveaux territoires où l'IA offre encore de la valeur. Dans une table ronde organisée par The Information, Alexa von Tobel, fondatrice du fonds early-stage Inspired Capital, et Alex Baker, associé chez PwC en charge des opérations TMT aux États-Unis, ont identifié les poches où le potentiel reste intact. Parmi les signaux du marché : le mois dernier, la startup Cursor a accordé à SpaceX une option de rachat à 60 milliards de dollars, illustrant à la fois l'appétit pour l'IA applicative et la fragilité croissante des positions différenciantes dans le logiciel vertical. Pour les deux investisseurs, la vraie question n'est plus de savoir si l'IA va transformer les industries, mais où les avantages concurrentiels sont durables. Von Tobel avertit que dans un monde dominé par des géants comme Google ou Microsoft, chacun avec plus d'un milliard d'utilisateurs, il est risqué de construire quelque chose qu'ils pourraient répliquer à moindre effort. Baker, lui, définit la défendabilité par trois critères : l'intégration profonde dans les environnements enterprise, la difficulté à reproduire l'infrastructure technique sous-jacente, et la confiance des clients. Il estime que la différenciation des startups d'IA verticale qui entraînent leurs propres modèles sectoriels s'érode rapidement, et que le vrai rempart se situe désormais dans la couche d'orchestration, plus difficile à reproduire que le modèle lui-même. C'est dans l'IA physique que les deux investisseurs voient le potentiel le plus solide pour les quatre prochaines années. Von Tobel cite BrightAI, une société de son portefeuille qu'elle décrit comme "Cursor pour les travailleurs d'infrastructure" : l'entreprise déploie des capteurs sur des canalisations d'eau, des poteaux téléphoniques et d'autres actifs physiques, collectant des données que personne d'autre ne capte. L'avantage est concret : retirer des centaines de milliers de capteurs collés sur des équipements serait coûteux et laborieux. Baker souligne que cette irréversibilité physique crée des barrières à l'entrée bien plus solides que celles du logiciel. Il cite également la revitalisation de secteurs comme la sécurité physique, caméras, lecteurs de badges et serrures connectées, longtemps considérés comme matures et désormais réinventés par l'IA. Quant au logiciel traditionnel, Baker reste optimiste malgré la montée des outils de "vibe coding" : dans les workflows réglementés et critiques, les coûts de migration restent un rempart efficace, d'autant qu'un futur peuplé d'agents IA actifs 24h/24 pourrait en fait accroître la demande de logiciels, pas la réduire.

Chez Meta, l’IA coûte cher et les agents ne vont pas assez vite

Lors d'un town hall organisé jeudi 2 juillet chez Meta, deux discours contradictoires ont émergé sur l'état de l'intelligence artificielle du groupe. Mark Zuckerberg a reconnu que le développement des agents IA n'avançait pas au rythme espéré, admettant que « la trajectoire du développement agentique au cours des quatre derniers mois au moins ne s'est pas vraiment accélérée ». Cet aveu intervient après une réorganisation massive : 7 000 salariés ont été transférés vers les équipes IA, dans un climat de tension interne, et environ 10 % des effectifs du groupe ont été supprimés en début d'année. De son côté, Alexandr Wang, ancien patron de Scale AI et désormais à la tête du Meta Superintelligence Labs, a tenu un discours nettement plus optimiste. Il a annoncé qu'un nouveau modèle, nom de code « Watermelon », est en cours d'entraînement avec une puissance de calcul largement supérieure à celle d'« Avocado », le nom interne de Muse Spark, premier modèle maison après l'échec de Llama. Selon Wang, Watermelon viserait un niveau proche de GPT-5.5 d'OpenAI, qui dispose déjà en accès limité de GPT-5.6. Ce grand écart entre les deux dirigeants illustre les difficultés de Meta à transformer des investissements colossaux en résultats concrets. Le groupe a annoncé un budget compris entre 125 et 145 milliards de dollars cette année pour ses seules infrastructures IA, un pari financier immense qui repose sur l'hypothèse que les outils agentiques amélioreront rapidement la productivité interne et la compétitivité face à des concurrents comme Claude Code d'Anthropic. Or, si les agents ne progressent pas assez vite, c'est tout le calendrier de rentabilisation qui se trouve fragilisé, avec des conséquences directes pour les salariés déjà touchés par les licenciements et pour la crédibilité de Meta auprès des investisseurs, qui scrutent les six prochains mois annoncés par Zuckerberg comme délai pour voir des bénéfices tangibles. Cette pression explique aussi pourquoi Meta chercherait, selon une indiscrétion de Bloomberg, à diversifier ses sources de revenus en louant sa puissance de calcul à d'autres entreprises, se positionnant ainsi en concurrent d'AWS, Google Cloud et Microsoft Azure. L'idée serait de vendre l'accès à des modèles hébergés sur ses propres serveurs, dont Muse Spark, sur le modèle de Bedrock d'Amazon. Cette diversification traduit une volonté de rentabiliser une infrastructure de plus en plus coûteuse, pendant que Wang promet en parallèle une mise à jour majeure de Muse pour rapprocher ses capacités de programmation de celles de Claude Code, dans une course où Meta, malgré des moyens considérables et le recrutement de profils prestigieux via Scale AI, peine encore à démontrer une avance technologique nette sur ses rivaux.

💬 Zuckerberg qui admet en public que les agents n'accélèrent pas, chez Meta ça n'arrive jamais, c'est le signe que la pression interne devient intenable. Sur le papier, Wang promet Watermelon quasi au niveau de GPT-5.5 pendant que la boîte cherche à louer son calcul à la concurrence, ça ressemble plus à une couverture qu'à une stratégie claire. Le chiffre à retenir : Meta a six mois pour transformer 140 milliards de dollars d'infrastructure en résultats visibles, et si les agents ne suivent pas, c'est toute la crédibilité du pari IA du groupe qui saute.

IA : des levées record malgré le risque de bulle

Au premier trimestre 2026, les investissements dans les startups d'intelligence artificielle ont atteint un niveau sans précédent : près de 300 milliards de dollars injectés dans plus de 6 000 entreprises à travers le monde, selon les données de Crunchbase. Les financements liés à la seule IA générative ont dépassé 140 milliards de dollars sur ces trois mois, soit plus que l'ensemble de l'année 2025, d'après une étude de S&P Global Market Intelligence. Trois acteurs dominent cette dynamique : OpenAI aurait levé 122 milliards de dollars en mars, portant sa valorisation estimée à 852 milliards de dollars ; Anthropic a sécurisé 30 milliards lors d'un seul tour de table ; et xAI, la startup d'Elon Musk, a ouvert l'année avec une série E de 20 milliards. Nvidia, fabricant de puces incontournable, renforce simultanément son emprise sur l'écosystème en prenant des participations dans plusieurs jeunes pousses, dont Thinking Machines Lab, fondée par l'ex-CTO d'OpenAI Mira Murati. Pour les fonds de capital-risque, l'IA représente aujourd'hui ce qu'Internet ou le cloud ont incarné lors des grands cycles technologiques précédents : une fenêtre d'opportunité qu'il faut saisir avant la consolidation du marché. Selon John Mannes, associé chez Basis Set Ventures, le rythme des investissements en 2026 serait déjà comparable, voire supérieur, à celui observé en 2025. Cette course aux positions se maintient malgré l'inflation, les tensions géopolitiques et le ralentissement général du capital-investissement, ce qui traduit une conviction profonde que l'IA va restructurer durablement l'économie mondiale. Le modèle de financement de Nvidia illustre à lui seul l'ampleur du phénomène : en investissant dans des startups qui achèteront ensuite ses GPU, le fabricant crée un cercle auto-entretenu où chaque levée de fonds génère mécaniquement de la demande pour ses propres produits. Cette frénésie inquiète pourtant un nombre croissant d'analystes. Jack Gold, de J. Gold Associates, juge que les signes d'une bulle sont déjà visibles : les coûts d'infrastructure, de centres de données et d'énergie progressent beaucoup plus vite que les revenus réellement générés par les modèles d'IA, rendant la rentabilité à court terme illusoire pour la plupart des acteurs. Il pointe notamment le risque de financement circulaire, où les investissements croisés entre équipementiers et startups entretiennent artificiellement les valorisations. Brad Harrison, de Scout Ventures, assume ouvertement que de nombreuses startups disparaîtront dans les prochaines années, laissant le marché se concentrer autour d'un petit nombre de survivants. Le secteur reproduit ainsi la logique des précédentes bulles technologiques : une phase d'euphorie capitalistique qui précède inévitablement une sélection sévère, dont l'ampleur et le calendrier restent, pour l'instant, impossibles à prévoir.