IA : Big Tech investit 725 milliards de dollars en 2026

725 milliards : l'ampleur d'un investissement sans précédent

Les résultats trimestriels les plus récents des quatre géants de la technologie américaine ont permis de consolider une projection qui donne le vertige : Microsoft, Amazon (via AWS), Alphabet (Google) et Meta vont collectivement investir 725 milliards de dollars en dépenses d'investissement (capex) au cours de l'exercice 2026, selon les chiffres compilés par plusieurs cabinets d'analyse dont les données sont citées par des médias spécialisés comme Tom's Hardware et Techstrong.ai. Cette somme représente une hausse de 77 % par rapport aux 410 milliards investis en 2025, qui constituait déjà un record historique absolu pour l'industrie technologique.

La répartition entre les quatre entreprises reflète leurs stratégies et ambitions respectives. Amazon Web Services mène la course avec des prévisions de dépenses d'investissement avoisinant les 200 milliards de dollars pour 2026. Ces investissements concernent principalement l'expansion de ses datacenters à l'échelle mondiale, l'installation de clusters massifs de GPU et de puces d'entraînement propriétaires Trainium, ainsi que le renforcement des capacités de son service de cloud IA Amazon Bedrock, qui héberge notamment les modèles d'Anthropic.

Microsoft se positionne en deuxième position avec environ 190 milliards de dollars de capex prévu, dont une large proportion est fléchée vers les datacenters Azure hébergeant les services OpenAI. Satya Nadella avait annoncé dès le premier trimestre 2026 une accélération significative des constructions de datacenters en Amérique du Nord et en Europe, en partie pour répondre à la demande explosive de GitHub Copilot Enterprise et des services Microsoft 365 Copilot, désormais intégrés dans les suites bureautiques de dizaines de millions d'entreprises mondiales.

Alphabet (Google) cible 175 à 185 milliards de dollars d'investissements pour l'exercice, avec un accent particulier sur ses puces d'IA propriétaires de septième génération (TPU v7), ses datacenters dédiés à l'entraînement des modèles Gemini, et l'expansion de Google Cloud dont la croissance des revenus a atteint 63,4 % en glissement annuel au premier trimestre 2026 — un rythme historique qui justifie selon la direction une accélération des investissements d'infrastructure.

Meta clôt ce quartette avec 115 à 135 milliards de dollars de capex, soit une hausse spectaculaire par rapport aux 40 milliards investis en 2024. Mark Zuckerberg, qui avait annoncé fin 2025 que Meta construisait un datacenter « assez grand pour couvrir Manhattan », a maintenu l'accélération de ce programme malgré les critiques initiales de certains analystes et actionnaires sur le niveau des dépenses. La publication de résultats solides — notamment grâce à la monétisation des assistants IA sur WhatsApp, Facebook et Instagram — a largement fait taire ces critiques lors de la dernière saison de résultats.

Les moteurs de cet investissement massif sont multiples mais convergent vers une priorité commune : disposer d'une capacité de calcul suffisante pour entraîner et déployer les modèles d'intelligence artificielle de prochaine génération. GPT-5.6 (OpenAI/Microsoft), Gemini 3.5 Pro (Google) et les successeurs des modèles actuels nécessitent selon les estimations publiées des clusters de calcul plusieurs fois supérieurs en puissance à ceux utilisés pour leurs prédécesseurs immédiats. L'escalade des paramètres et des données d'entraînement se traduit directement par une escalade des besoins en silicon et en énergie.

Les coûts des composants clés ont également contribué à l'explosion des budgets. Les puces mémoire haute bande passante (HBM3E et HBM4), indispensables aux GPU d'IA modernes, maintiennent des prix élevés en dépit d'une légère détente observée au premier semestre 2026. La demande des quatre hyperscalers à elle seule absorbe une fraction massive de la production mondiale de ces composants, créant des tensions sur les chaînes d'approvisionnement de fabricants comme Samsung, SK Hynix et Micron.

Un facteur structurellement sous-estimé par les observateurs : la capacité d'inférence représente désormais autant — voire plus — d'investissement que la capacité d'entraînement. Servir des milliards de requêtes quotidiennes via des assistants IA intégrés dans des suites bureautiques, des moteurs de recherche et des applications mobiles impose des exigences de latence et de disponibilité qui nécessitent des infrastructures géographiquement distribuées et massivement redondantes. Ce déploiement à l'échelle mondiale multiplie les datacenters nécessaires bien au-delà de ce que les seules contraintes d'entraînement auraient imposé.

Quand l'infrastructure IA devient un enjeu de souveraineté

La publication simultanée des résultats trimestriels de Microsoft, Meta et Alphabet a été accueillie positivement par les marchés financiers malgré les montants vertigineux en jeu. Les revenus cloud en forte croissance — AWS affiche +39 % annuel, Azure +46 %, Google Cloud +63 % — ont convaincu les investisseurs que les dépenses d'infrastructure se traduisent par une croissance tangible et mesurable du chiffre d'affaires. Selon Tom's Hardware, qui a compilé les analyses de plusieurs maisons de courtage, certains analystes qui avaient exprimé des doutes sur la soutenabilité de ces niveaux d'investissement ont largement revu leur position. Des projections préliminaires évoquent déjà un dépassement du seuil du trillion de dollars de capex agrégé en 2027.

Pour l'Europe, ces chiffres posent des questions de souveraineté numérique particulièrement aiguës. L'ensemble de l'infrastructure d'entraînement des modèles d'IA les plus avancés reste concentré dans les mains de quatre groupes américains et dans leurs datacenters, principalement localisés aux États-Unis. Si les datacenters européens d'AWS, Azure et Google Cloud hébergent des capacités d'inférence significatives, les clusters d'entraînement des modèles frontières demeurent massivement centralisés outre-Atlantique. L'initiative européenne en matière d'IA souveraine — avec des projets comme le réseau EuroHPC et les ambitions affichées de constructeurs comme Mistral AI — reste d'un ordre de grandeur en deçà des moyens déployés par les hyperscalers américains.

L'impact sur l'industrie des semi-conducteurs est tout aussi structurant. Nvidia, principal fournisseur de GPU pour l'entraînement IA, reste en position de force malgré la montée en puissance des puces propriétaires des hyperscalers (TPU, Trainium, MTIA de Meta). TSMC, le fondeur taïwanais qui fabrique la plupart de ces puces, bénéficie d'une demande sans précédent qui soutient ses programmes d'expansion et ses propres plans d'investissement. La géopolitique des semi-conducteurs — restrictions à l'export vers la Chine, relocalisations aux États-Unis via le CHIPS Act — se superpose à cette dynamique de demande pour créer un tableau d'une complexité rare.

Pour les équipes IT et sécurité des entreprises, cette concentration des investissements IA dans les clouds des quatre hyperscalers comporte des implications pratiques importantes. La dépendance aux services IA des hyperscalers crée des risques de lock-in, de concentration des données et de vulnérabilité aux politiques tarifaires futures — comme l'illustre précisément la décision d'Anthropic sur Fable 5 évoquée ce jour. La question de la stratégie multi-cloud et de la diversification des fournisseurs IA devient un sujet de gouvernance à part entière, au même titre que la sécurité ou la conformité réglementaire.

Ce qu'il faut retenir

• 725 milliards de dollars de capex IA en 2026 pour les quatre hyperscalers américains (Microsoft, Amazon, Google, Meta), en hausse de 77 % par rapport à 2025 — des investissements que les revenus cloud en forte croissance viennent justifier.
• La capacité d'inférence (servir les requêtes en production) représente désormais autant d'investissement que la capacité d'entraînement, imposant une expansion géographique massive des datacenters.
• La concentration de l'infrastructure IA mondiale dans quatre groupes américains soulève des enjeux de souveraineté numérique pour l'Europe et des risques de lock-in pour les entreprises utilisatrices.