IA agentique : la prochaine couche d'investissement au-delà de NVIDIA

Introduction

Lors de la dernière conférence téléphonique sur les résultats, Jensen Huang, PDG de NVIDIA, a qualifié cela de « point d’inflexion de l’IA agentielle ». Cette fois, l’exagération est peut-être juste. Le premier chapitre du cycle d’investissement dans l’IA – la construction de clusters GPU, de centres de données et d’infrastructures réseau – n’est pas encore terminé, mais le deuxième chapitre a discrètement commencé, avec une logique d’investissement très différente de celle qui, en 2023-2024, faisait des infrastructures un choix évident. L’IA agentielle (Agentic AI) désigne des systèmes d’IA capables d’exécuter de manière autonome des tâches en plusieurs étapes – ils peuvent planifier, raisonner, agir dans des environnements logiciels et s’adapter aux nouvelles informations sans intervention humaine pas à pas. Il ne s’agit pas de chatbots, mais d’agents logiciels capables de naviguer sur le web, d’exécuter du code, d’interagir avec des API et de gérer des flux de travail, accomplissant des tâches complexes qui nécessitaient auparavant une main-d’œuvre qualifiée. Jeff McMillan de Morgan Stanley a décrit la scène de la Silicon Valley lors d’une séance de recherche interne en 2026 : « Du jour au lendemain, chaque entreprise est devenue une entreprise agentielle. » Il a ajouté que beaucoup d’entre elles relèvent encore de la vision, mais la direction est claire et l’impact sur les investissements commence à se refléter dans les données de chiffre d’affaires.

Contexte de l’événement

La couche infrastructure de l’IA a déjà généré des rendements exceptionnels : NVIDIA capte environ 90 % des dépenses en accélérateurs d’IA, avec un taux de fonctionnement annuel d’environ 1 800 milliards de dollars. La demande des opérateurs de centres de données, des infrastructures électriques et des entreprises de réseaux a explosé. PineBridge et MetLife décrivent la croissance des équipements des centres de données comme « pratiquement verrouillée pour les quatre à cinq prochaines années », avec un taux de croissance annuel d’environ 25 %. La demande structurelle pour le calcul est indéniable. Mais le marché s’interroge de plus en plus : la couche applicative pourra-t-elle générer des revenus suffisants pour justifier les investissements dans les infrastructures ? L’analyse du déficit de revenus de 600 milliards de dollars de Sequoia a capté cette anxiété. Si la réponse existe, elle viendra principalement des logiciels d’entreprise : applications IA natives, flux de travail améliorés par l’IA, et systèmes agentiels capables de réduire nettement les coûts de main-d’œuvre des entreprises ou d’augmenter leurs revenus. Les entreprises qui construisent et distribuent ces applications sont les prochains bénéficiaires logiques du cycle d’investissement dans l’IA.

Analyse de l’économie numérique

L’importance économique de l’IA agentielle réside dans le fait qu’elle transforme l’IA d’un outil d’amélioration de la productivité en une solution de remplacement de la main-d’œuvre. Par rapport à un copilote ou à une IA d’assistance, l’autonomie des agents leur confère une proposition de valeur plus large. Un copilote qui aide un travailleur du savoir à rédiger des e-mails ou à résumer des documents améliore marginalement la productivité individuelle ; un agent qui gère des flux de travail complexes en plusieurs étapes – analyser des comptes clients, identifier des problèmes, générer des solutions, rédiger des communications, exécuter des actions recommandées et enregistrer les résultats – remplace ou renforce considérablement une catégorie entière de travail du savoir. Cela signifie que les entreprises sont prêtes à payer des frais d’abonnement logiciel substantiels pour des agents capables de tenir leurs promesses, ce qui contraste fortement avec la découverte du projet NANDA du MIT en 2025, selon laquelle 30 à 40 milliards de dollars de dépenses d’IA des entreprises n’avaient pas produit d’impact mesurable sur les comptes de résultat. Une fois que l’IA agentielle fonctionne, son impact sur le compte de résultat est facile à mesurer et difficile à contester.

Observations sur le modèle économiqueDu point de vue du modèle de revenus, l'IA agentielle a donné naissance à plusieurs nouveaux modèles économiques : - Services d'agents par abonnement : facturation par agent ou par tâche, par exemple Microsoft Copilot a déjà atteint un chiffre d'affaires annualisé de 37 milliards de dollars (T1 2026, en hausse de 123 % en glissement annuel). - Tarification basée sur les résultats : partage des économies de main-d'œuvre réalisées ou des revenus supplémentaires générés par l'agent. - Modèle de surcouche plateforme : les logiciels d'entreprise existants (comme ServiceNow, Salesforce) ajoutent des fonctionnalités d'agents sur leur plateforme centrale, facturant des frais supplémentaires. Le cœur de ces modèles est la tarification basée sur la valeur — les entreprises sont prêtes à payer pour des économies quantifiables, ce qui était difficile à réaliser pendant la phase pilote de l'IA (2023-2024).## Observation des tendances mondiales

L'IA agentique n'est pas un événement à court terme, mais l'approfondissement d'une tendance à long terme de l'économie de l'IA. Elle se situe à l'intersection de l'« Économie de l'IA » et de l'« Économie de plateforme ». Dans des secteurs verticaux comme la finance, la santé et le développement logiciel, l'IA agentique crée de la valeur économique à un rythme considérable. Les investissements dans les infrastructures se poursuivront, mais les opportunités ajustées au risque se trouveront de plus en plus, au cours des 18 à 24 prochains mois, dans les entreprises qui transforment ces infrastructures en revenus. Les identifier avant que le marché ne les ait pleinement évalués constitue le défi et l'opportunité qui définissent le deuxième chapitre du cycle d'investissement dans l'IA.

DigitalEcoNews Insight

L'essor de l'IA agentique marque la transition de l'IA d'« outil » à « main-d'œuvre ». Pour les entreprises, cela implique de réévaluer la structure des coûts : le point critique du ratio coût de la collaboration homme-machine est arrivé. Pour les investisseurs, la fragmentation de la couche applicative exige un filtrage plus précis, mais les rendements potentiels peuvent dépasser ceux des investissements dans les infrastructures. Pour l'économie numérique mondiale, l'IA agentique accélérera l'automatisation du travail du savoir, remodelera le marché de l'emploi des cols blancs et catalysera de nouveaux écosystèmes de plateformes. Au cours de la prochaine décennie, les entreprises capables de déployer à grande échelle des agents fiables et audités domineront la prochaine création de valeur de l'économie numérique.