Rapport sur l'IA de Stanford : 95 % des entreprises ne voient aucun retour sur 581 milliards $ d'investissements mondiaux

Un rapport historique de Stanford révèle un décalage flagrant entre l'explosion des investissements dans l'IA et les rendements réels, constatant que 95 % des projets d'IA en entreprise n'ont jusqu'à présent produit aucune valeur.

L'investissement privé mondial dans l'intelligence artificielle a plus que doublé pour atteindre le record de 581 milliards de dollars en 2025, mais 95 % des entreprises ne voient aucun retour sur leurs dépenses en IA, selon le rapport sur l'indice de l'IA 2026 de l'Université de Stanford. Ce rapport de 423 pages met en lumière un gouffre croissant entre les dépenses massives de capital et la productivité tangible, remettant en question la viabilité économique à court terme de l'essor de l'IA.

« Les chiffres de la productivité racontent des histoires très différentes selon l'endroit où l'on regarde », ont noté les auteurs du rapport, citant une étude distincte du MIT qui a révélé des rendements minimes sur un investissement estimé entre 35 et 40 milliards de dollars en IA d'entreprise. « Pour les tâches nécessitant un raisonnement plus profond, les outils d'IA ont parfois ralenti les travailleurs au lieu de les accélérer. »

Bien que le rapport documente des gains d'efficacité spécifiques aux tâches — les agents de support client ont résolu 15 % de problèmes en plus et les développeurs utilisant GitHub Copilot ont complété 26 % de pull requests en plus — il a révélé que la contribution de l'IA à la productivité globale des États-Unis n'était que de 0,01 point de pourcentage, selon le Penn Wharton Budget Model. Ces conclusions coïncident avec une chute brutale de 20 % de l'emploi des développeurs de logiciels américains âgés de 22 à 25 ans depuis 2022, alors même qu'un tiers des entreprises interrogées prévoient de réduire leurs effectifs l'année prochaine en raison de l'IA.

Les données du rapport suggèrent une potentielle réévaluation du marché pour les entreprises centrées sur l'IA qui ont attiré des centaines de milliards de capitaux sans chemin clair vers la rentabilité. Alors que l'écart de performance entre les modèles américains et chinois s'est réduit à seulement 2,7 points de pourcentage et que la transparence des entreprises sur les capacités des modèles décline, les investisseurs font maintenant face au défi de séparer les modèles d'affaires durables de l'IA d'un cycle de battage médiatique à forte intensité de capital.

La question des 581 milliards de dollars

Selon les données de la société d'analyse Quid citées dans le rapport, les 581 milliards de dollars investis dans l'IA en 2025 ont plus que doublé par rapport aux 253 milliards de dollars de l'année précédente et ont éclipsé le pic de 2021 de 360 milliards de dollars. Les États-Unis continuent d'attirer la part du lion des capitaux, avec plus de 344 milliards de dollars d'investissements privés l'année dernière.

Cependant, le rendement de ce déploiement historique de capital semble minime. Une étude du MIT, soulignée dans le rapport de Stanford, a révélé que 95 % des entreprises n'ont réussi à obtenir aucun rendement financier de leurs investissements dans l'IA, qui totalisaient entre 35 et 40 milliards de dollars pour la cohorte étudiée. Ce paradoxe de la productivité persiste malgré une adoption généralisée, le rapport notant que 88 % des organisations ont utilisé l'IA dans au moins une fonction commerciale en 2025, soit une augmentation de 10 points par rapport à 2024.

Les coûts environnementaux augmentent également. Le rapport estime que l'entraînement d'un seul grand modèle, Grok 4 de xAI, a généré plus de 72 000 tonnes d'émissions équivalent carbone, soit plus que ce que 1 000 voitures moyennes émettent au cours de leur vie. La construction massive de centres de données nécessaire pour soutenir cette croissance fait également face à une opposition locale significative, un rapport de Data Center Watch notant que des projets de centres de données américains d'une valeur de 64 milliards de dollars ont été bloqués ou retardés au cours des deux dernières années.

Un paradoxe de la productivité et un fossé générationnel

Le rapport brosse un tableau contradictoire de l'impact de l'IA sur le travail. Si certains rôles ont vu des gains d'efficacité clairs, comme un bond de 50 % de la production pour les équipes marketing utilisant des outils de création de publicités par IA, l'effet sur l'économie au sens large est négligeable. Le Penn Wharton Budget Model a calculé la contribution de l'IA à la croissance de la productivité totale des facteurs aux États-Unis à seulement 0,01 point de pourcentage en 2025, une année où la productivité globale a augmenté de 2,7 %.

Pour certaines tâches, l'IA s'est avérée être un obstacle. Le rapport a révélé que les développeurs open-source utilisant l'assistance de l'IA sont devenus 19 % plus lents, et les ingénieurs qui comptaient sur l'IA pour apprendre ont souffert de « pénalités d'apprentissage » qui pourraient entraver leur développement à long terme.

Le signal le plus distinct du marché du travail est générationnel. L'emploi des développeurs de logiciels américains âgés de 22 à 25 ans a chuté de près de 20 % par rapport à son pic de 2022 en septembre 2025. Cette tendance suggère que si les développeurs seniors sont en sécurité, les postes de débutants sont automatisés ou supprimés, créant un goulot d'étranglement potentiel pour le développement des futurs talents.

La Chine réduit l'écart alors que la transparence décline

La domination de longue date des États-Unis dans l'IA de pointe s'érode. En mars 2026, l'écart de performance entre le modèle de pointe d'Anthropic et son principal concurrent chinois, issu de firmes comme DeepSeek, s'était réduit à seulement 2,7 points de pourcentage. Si les États-Unis produisent encore plus de modèles de premier plan — 50 en 2025 contre 30 pour la Chine — le rapport note que la Chine mène désormais le monde en matière de publications sur l'IA, d'octroi de brevets et, surtout, d'installations de robots industriels.

Ce rétrécissement de l'écart survient en pleine « crise de la transparence ». Le rapport introduit un indice de transparence des modèles de fondation, qui a révélé que le score moyen des grandes entreprises d'IA est tombé de 58 en 2024 à 40 en 2026. Les modèles les plus performants, tels que ceux d'OpenAI, Anthropic et Google, étaient souvent les moins transparents sur leurs données d'entraînement et leurs méthodologies. Ce manque de transparence, combiné aux accusations de « distillation adverse » par les laboratoires chinois, complique le paysage concurrentiel et rend plus difficile pour les investisseurs et les décideurs politiques l'évaluation des capacités réelles et des risques des nouveaux modèles.

Cet article est à titre informatif uniquement et ne constitue pas un conseil en investissement.