L’avertissement de Wall Street que personne n’attendait
Dans un rapport exhaustif publié le 13 mars 2026, Morgan Stanley a lancé l’un des avertissements les plus conséquents de l’histoire de l’intelligence artificielle : un bond massif et non linéaire des capacités IA est imminent — et le monde n’est pas préparé.
« Le marché n’est pas préparé à l’augmentation non linéaire des capacités des LLM, qui, selon nous, deviendra évidente en avril-juin », a déclaré la banque.
Ce n’est pas du futurisme spéculatif d’une startup de la Silicon Valley. C’est une projection basée sur les données d’une des plus grandes institutions financières mondiales, appuyée par l’analyse des tendances de mise à l’échelle du calcul, des résultats de benchmarks et des flux de capitaux sans précédent vers l’infrastructure IA aux États-Unis.
Pourquoi Morgan Stanley croit que les lois de mise à l’échelle tiennent encore
Le coeur de la thèse de Morgan Stanley repose sur une observation d’une simplicité trompeuse : les grands laboratoires d’IA — OpenAI, Google DeepMind, Anthropic, xAI et Meta — ont chacun réalisé un changement d’échelle en capacité de calcul, accumulant dans certains cas 10 fois le calcul utilisé pour entraîner leur génération précédente de modèles.
Si les lois de mise à l’échelle tiennent — et la banque voit tous les signes qu’elles tiendront — une augmentation de 10x du calcul d’entraînement entraîne approximativement un doublement des capacités du modèle. Les preuves apparaissent déjà dans les benchmarks. Le modèle GPT-5.4 « Thinking » d’OpenAI, publié le 5 mars 2026, a obtenu 83,0 % au benchmark GDPVal — un test évaluant les agents IA dans 44 professions. À 83 %, le modèle égale ou dépasse les professionnels humains dans la majorité des comparaisons.
Plus révélateur est la trajectoire. Morgan Stanley a signalé qu’un LLM récent a brisé la tendance d’amélioration attendue « de manière significative à la hausse », démontrant une capacité autonome bien au-delà de ce que les schémas historiques de mise à l’échelle prédisaient.
740 milliards de dollars de capex hyperscalers : la course aux infrastructures
La puissance financière derrière cette percée est stupéfiante. L’équipe actions de Morgan Stanley estime que les fournisseurs cloud hyperscale dépenseront 740 milliards de dollars en investissements en 2026 — contre les 570 milliards initialement prévus et une hausse de 69 % par rapport à 2025.
Quatre entreprises seules — Amazon, Microsoft, Alphabet et Meta — représentent environ 630 milliards de ce total. Les dépenses sont si massives que le financement par actions ne suffit plus. Morgan Stanley estime que les hyperscalers emprunteront environ 400 milliards en 2026.
À plus long terme, Morgan Stanley Research estime environ 2 900 milliards de dollars de coûts de construction de centres de données à l’échelle mondiale d’ici 2028, la majorité de ces dépenses étant encore à venir.
Publicité
La crise énergétique que personne n’a résolue
Tout ce calcul nécessite de l’énergie — et il n’y en a pas assez. Le modèle « Intelligence Factory » de Morgan Stanley projette un déficit brut de puissance américain allant jusqu’à 44 gigawatts d’ici 2028, avec un déficit net persistant d’environ 20 % même après les solutions innovantes.
Une dynamique émergente « 15-15-15 » prend forme : baux de 15 ans à 15 % de rendement, générant 15 $ par watt de création de valeur nette. Ce n’est pas qu’un problème technologique. C’est un problème d’énergie, d’immobilier et de financement combinés.
Revenus GenAI : de 45 milliards à 1 100 milliards de dollars
Morgan Stanley Research prévoit que les revenus GenAI passeront de 45 milliards de dollars en 2024 à environ 1 100 milliards d’ici 2028 — une multiplication par plus de 20 en quatre ans. Sur ces 1 100 milliards, environ 400 milliards devraient provenir des dépenses d’entreprise en logiciels de productivité et d’automatisation. Les 680 milliards restants sont projetés des plateformes grand public.
La profitabilité évolue également. Les analystes prévoient une marge de contribution GenAI de 34 % en 2025, atteignant 67 % d’ici 2028.
Le choc déflationniste à venir
La partie la plus conséquente de l’analyse de Morgan Stanley concerne le travail. La banque prédit que l’« IA Transformative » deviendra une puissante force déflationniste, les outils IA répliquant le travail humain à une fraction du coût.
Cela crée un paradoxe au coeur du boom IA. La même technologie qui génère 740 milliards de dépenses d’infrastructure annuelles est simultanément conçue pour réduire le coût du travail humain. Pour les pays qui construisent encore leur infrastructure numérique — de l’Algérie au Vietnam, du Nigeria à l’Indonésie — la fenêtre pour se préparer se rétrécit.
Questions Fréquemment Posées
Que signifie Morgan Stanley par un saut non linéaire des capacités IA ?
Les lois de mise à l’échelle en IA suggèrent qu’une augmentation de 10x du calcul d’entraînement produit approximativement un doublement des capacités du modèle. Morgan Stanley a observé que chaque grand laboratoire d’IA a accumulé environ 10x le calcul utilisé pour sa génération de modèle précédente. L’aspect « non linéaire » fait référence aux preuves que les modèles récents dépassent même ces prédictions des lois de mise à l’échelle.
Comment 2 900 milliards de dépenses en centres de données affecteront-ils les marchés énergétiques mondiaux ?
Le rapport identifie un déficit brut de puissance américain allant jusqu’à 44 gigawatts d’ici 2028. Une seule requête IA peut consommer jusqu’à 1 000 fois plus d’électricité qu’une recherche web traditionnelle. Goldman Sachs projette que les centres de données consommeront 8 % de toute l’électricité américaine d’ici 2030. Cette demande énergétique redessine où les centres de données peuvent être construits.
Quel est l’impact déflationniste dont avertit Morgan Stanley ?
Morgan Stanley prédit que l’IA deviendra une puissante force déflationniste en répliquant le travail de connaissance humain à une fraction du coût. Pour les pays comme l’Algérie qui construisent leurs effectifs numériques, cela signifie que la nature des compétences recherchées peut évoluer plus vite que les systèmes éducatifs ne peuvent s’adapter.
Sources et lectures complémentaires
- Morgan Stanley warns an AI breakthrough is coming in 2026 — and most of the world isn’t ready — Fortune
- AI Market Trends 2026: Global Investment, Risks, and Buildout — Morgan Stanley
- AI Capex 2026: $740 Billion Signals Bank Tailwinds — Morgan Stanley
- GenAI Revenue Could Surpass $1T by 2028 — Morgan Stanley
- Tech AI spending approaches $700 billion in 2026, cash taking big hit — CNBC
- Introducing GPT-5.4 — OpenAI
🔗 Intelligence Connexe
Centres de données IA : l’architecture derrière la révolution de l’IA
La guerre des infrastructures IA : puces, GPU et la course à la puissance de calcul
Mise à l’échelle du calcul IA : pourquoi le passage de l’entraînement à l’inférence
Stratégies nationales d’IA en 2026 : Qui mène, qui est à la traîne
