Les actions liées à l’IA ont subi un revers, mais Gene Munster affirme que le plus grand boom de l’IA reste à venir

Gene Munster soutient que la récente faiblesse des actions liées à l’IA ne marque pas la fin du cycle d’investissement dans l’intelligence artificielle. Un titre repris à la fois par TradingView et Stocktwits affirme que Munster estime que la plus grande phase du boom de l’IA reste à venir, alors même que le marché a sanctionné certaines actions liées à l’IA.

Les articles disponibles pour cette publication fournissent le titre, mais pas le texte original, la transcription, les données justificatives ni une explication détaillée des prévisions de Munster. L’évolution centrale est donc claire à un niveau général, mais d’importantes questions restent sans réponse : quelles entreprises a-t-il évoquées, que signifie pour lui la prochaine phase de croissance et son point de vue repose-t-il sur les bénéfices, les données d’adoption, les dépenses d’infrastructure ou une analyse des valorisations ?

Pour les développeurs et les investisseurs dans l’IA, cette distinction est importante. Affirmer de manière générale que la plus grande opportunité reste à venir ne constitue pas une preuve que les cours actuels sont justifiés, que les déploiements en entreprise sont rentables ou que les produits leaders d’aujourd’hui conserveront leur position.

Ce que dit la perspective rapportée

Les deux sources sont des articles syndiqués de couverture des marchés, publiés sous le même titre. D’après les éléments fournis, aucune des deux sources ne vérifie indépendamment la prévision ni n’apporte de détails supplémentaires. Le contenu disponible identifie Munster comme l’auteur de l’évaluation optimiste, mais ne fournit ni citation directe ni indication du contexte dans lequel cette opinion a été exprimée.

L’expression « boom de l’IA » peut également être interprétée de plusieurs façons. Elle peut désigner une demande continue de capacité de calcul, une diffusion plus large des logiciels d’IA, la croissance des agents d’IA ou une nouvelle vague de produits construits sur des modèles existants. Elle peut aussi décrire un cycle d’investissement plutôt qu’une prévision sur l’activité opérationnelle. En l’absence du contexte manquant, les lecteurs ne devraient donc pas considérer ce titre comme une prédiction précise concernant une entreprise ou une période donnée.

Cette limite est particulièrement importante, car les récits de marché regroupent souvent plusieurs activités sous une même étiquette. Les fournisseurs d’infrastructures d’IA, les développeurs de modèles, les plateformes cloud, les éditeurs d’applications et les entreprises qui utilisent l’IA dans leurs produits font face à des profils de demande, des coûts et des risques concurrentiels différents.

Pourquoi la réaction du marché compte

La tension du titre — des actions liées à l’IA en baisse parallèlement à la prévision d’un boom plus important — illustre le défi actuel pour les investisseurs des marchés publics. Les cours peuvent baisser même lorsque la demande de produits d’IA augmente. Les investisseurs peuvent réévaluer les valorisations, s’interroger sur la vitesse à laquelle les dépenses se transformeront en revenus ou distinguer les entreprises bénéficiant d’une utilisation mesurable par leurs clients de celles qui profitent surtout du récit général autour de l’IA.

Pour les acheteurs d’IA d’entreprise, la volatilité des marchés ne mesure pas directement la valeur d’un produit. Une action peut sous-performer alors qu’un outil reste utile à ses clients, tout comme une entreprise fortement valorisée peut éprouver des difficultés à fournir des déploiements fiables. Les équipes achats devraient donc se concentrer sur des critères pratiques tels que le coût total d’exploitation, l’effort d’intégration, les contrôles des données, la disponibilité, la qualité du modèle et l’utilisation répétée du système par les employés après son lancement.

La même prudence s’applique aux fondateurs. Un marché de l’IA plus vaste ne rendrait pas automatiquement chaque nouveau produit défendable. Les meilleures opportunités pourraient dépendre de l’accès à des workflows propriétaires, de la distribution, de données fiables ou de gains de productivité mesurables, plutôt que du simple ajout d’une interface de modèle à un processus existant.

La prochaine phase possible des dépenses en IA

Si la thèse de Munster est correcte, la prochaine expansion pourrait venir d’applications et de workflows dont l’adoption en est encore à ses débuts. L’attention se déplacerait ainsi de la construction initiale des infrastructures d’IA vers des produits aidant les entreprises à automatiser certaines tâches, à prendre de meilleures décisions ou à fournir de nouveaux services.

Les agents d’IA constituent un exemple possible, mais les articles fournis n’indiquent pas que Munster les ait précisément cités. En pratique, les déploiements d’agents nécessitent encore des limites soigneusement définies pour les autorisations, une utilisation fiable des outils, une surveillance et une validation humaine. Ces exigences peuvent ralentir l’adoption même lorsque les démonstrations semblent impressionnantes.

Un autre domaine de croissance possible est l’IA d’entreprise, où les décisions de dépenses sont de plus en plus liées à la sécurité, à la conformité et au retour sur investissement. Les acheteurs pourraient privilégier des systèmes qui s’intègrent aux environnements logiciels et de données existants plutôt que des produits autonomes aux coûts de déploiement incertains. Cela favoriserait les fournisseurs capables de démontrer des résultats commerciaux reproductibles, et pas seulement de bonnes performances dans les benchmarks.

Il existe également un risque que la prochaine vague nécessite des dépenses supplémentaires substantielles avant de produire des retours financiers clairs. Les entreprises pourraient avoir besoin de davantage de puissance de calcul, d’infrastructures de données, de systèmes d’évaluation et de personnel technique spécialisé. Pour les investisseurs, cela crée un écart entre la croissance des revenus et une rentabilité durable ; pour les développeurs, cela augmente le coût nécessaire pour atteindre l’adéquation produit-marché.

Éléments probants, limites et affirmations

Le fait le mieux confirmé par les éléments fournis est que TradingView et Stocktwits ont publié ou diffusé des articles sous un titre rapportant l’avis optimiste de Munster. Les sources ne fournissent ni prévisions chiffrées, ni recommandations concernant des entreprises précises, ni données sur la performance du marché, ni preuve d’adoption par les clients.

Par conséquent, l’affirmation selon laquelle le plus grand boom de l’IA reste à venir doit être considérée comme une opinion de marché attribuée, et non comme un constat établi sur le secteur. Aucun indicateur fourni ne montre que les applications d’IA, les infrastructures d’IA ou une entreprise donnée surperformeront. Les éléments disponibles ne montrent pas non plus que les prévisions de Munster représentent un consensus parmi les investisseurs ou les chercheurs.

Cela ne rend pas la thèse sans intérêt. Les anticipations de marché influencent le financement, les recrutements, les feuilles de route produits et les dépenses d’investissement. Mais les développeurs et les acheteurs devraient distinguer une perspective macroéconomique des décisions concernant un modèle, un fournisseur ou un déploiement précis. Ils devraient également se demander quelles hypothèses doivent se vérifier : une demande client durable, une baisse des coûts d’inférence, des performances fiables des modèles et un passage de l’expérimentation à des revenus récurrents.

Ce qu’il faudra surveiller ensuite

Le suivi le plus utile consisterait à consulter l’interview complète ou l’article à l’origine du titre syndiqué. Les lecteurs devraient rechercher la définition donnée par Munster de la prochaine phase de l’IA, les entreprises ou catégories qu’il cite, ainsi que l’existence éventuelle d’un horizon temporel ou de données justificatives.

Les investisseurs devraient ensuite comparer cette thèse à la croissance publiée des revenus, aux dépenses d’investissement, à la demande cloud et aux marges des entreprises exposées à l’IA. Les équipes produit devraient vérifier si les clients renouvellent leurs outils d’IA après les programmes pilotes et si les déploiements s’étendent au-delà de petits groupes d’utilisateurs précoces.

Parmi les autres signaux figurent la baisse des coûts des modèles et de l’inférence, l’utilisation accrue d’agents d’IA dans des workflows contrôlés, le renforcement des pratiques de sécurité des entreprises et les preuves que les applications d’IA génèrent des économies ou des revenus mesurables. Ces indicateurs apporteraient un soutien plus concret à la poursuite du boom que les seuls mouvements des cours boursiers.

Le point de vue de Creati.ai

L’optimisme attribué à Munster mérite d’être suivi, car les replis des marchés peuvent masquer la différence entre une réinitialisation temporaire et un changement de la demande à long terme. Toutefois, les éléments disponibles sont trop limités pour établir l’une ou l’autre conclusion. Le titre présente une thèse optimiste, mais pas les données nécessaires pour l’évaluer.

Pour les lecteurs de Creati.ai, le test pratique est simple : suivre les déploiements, l’économie unitaire, la rétention et l’impact sur les workflows. Le prochain cycle de l’IA — s’il arrive — sera moins validé par l’enthousiasme général que par des produits capables de fonctionner de manière fiable, de respecter les contraintes des entreprises et de créer une valeur pour laquelle les clients sont prêts à payer.