L'avion que personne ne sait comment atterrir
Bill Gurley passe vingt-cinq ans chez Benchmark à identifier le moment exact où l'enthousiasme cesse d'être un actif et se transforme en passif. Il l'a fait avec Uber en 2017, lorsqu'il a fait pression pour évincer son fondateur avant que la culture toxique et les chiffres insoutenables n'entraînent tout avec eux. Maintenant, dans une interview avec CNBC le 16 mars 2026, il répète le diagnostic à une échelle dix fois plus grande : le secteur de l'intelligence artificielle brûle du capital à une vitesse qu'aucun horizon de rentabilité ne peut justifier.
Ses mots sont précis et dépouillés : "Un jour, nous trébucherons et nous nous retrouverons à court d'argent." Il ne parle pas d'un effondrement technologique. Le modèle fonctionne. Les systèmes apprennent. Les produits existent. Il parle de quelque chose de bien plus prosaïque et létal : entre trente et quarante startups de l'IA perdent des milliards chaque année, et le volume de capital disponible pour soutenir ces pertes a une limite mathématique que l'optimisme du secteur a décidé d'ignorer.
L'image que utilise Gurley est révélatrice : "Il est plus difficile d'atterrir l'avion" quand on transporte autant de carburant brûlé sans avoir atteint l'altitude de croisière. Des entreprises comme OpenAI et Anthropic ont levé des dizaines de milliards de dollars en financement. Mais lever des fonds n'est pas équivalent à construire un modèle économique. C'est, dans le meilleur des cas, acheter du temps.
Pourquoi le coût marginal zéro ne sauve pas ceux qui ne peuvent pas se le permettre
Voici la paradoxe structurel que aucune analyse du secteur n'énonce avec suffisamment de clarté : l'intelligence artificielle opère sur une logique de coût marginal décroissant. Une fois que le modèle est entraîné, le coût de générer la dixième millionième réponse est marginalement inférieur à celui de la première. La technologie, en théorie, tend vers un état où produire davantage coûte presque rien. C'est sa promesse économique la plus profonde.
Mais l'erreur de diagnostic du marché actuel est de confondre le coût marginal d'inférence avec le coût total de construction du système. Entraîner un modèle à la pointe coûte des centaines de millions de dollars. Le garder à jour, encore autant. Construire l'infrastructure de données pour qu'elle fonctionne à grande échelle, des milliards. Gurley pointe que les sept grandes entreprises technologiques —Apple, Amazon, Alphabet, Meta, Microsoft, Nvidia et Tesla— investissent des centaines de milliards dans des centres de données pour soutenir cette infrastructure. Cette dépense n'est pas marginale. Elle est fixe, massive et s'accumule.
Le résultat est une structure de coûts inversée par rapport à ce que le marché présume : les revenus augmentent lentement car l'adoption par les entreprises est plus lente que le battage médiatique, tandis que les coûts d'infrastructure augmentent de manière presque exponentielle pour soutenir la course à l'armement des paramètres et de la capacité de calcul. La logique du coût marginal zéro s'applique à l'avenir du secteur, pas à son présent financier.
Cela a des conséquences directes sur les modèles économiques. Une startup qui facture l'accès à son modèle de langage fait face à une pression de prix brutale car ses concurrents, également financés par des capitaux-risque, sont prêts à vendre en dessous du coût pour capturer des parts de marché. Personne ne construit des marges. Ils achètent des utilisateurs avec des pertes subventionnées par des investisseurs pariant pour être les derniers debout lorsque le capital viendra à manquer.
La bulle n'explose pas à cause de la technologie, mais de la patience du capital
Gurley établit un parallèle avec l'ère dot-com qui mérite d'être analysé plus froidement que d'habitude. La comparaison facile est que, à l'époque, il y avait aussi des entreprises sans revenus avec des valorisations stratosphériques. Mais le mécanisme d'effondrement est différent et plus instructif.
En 2000, le capital s'est asséché lorsque les marchés publics ont fermé la fenêtre des IPO et que les investisseurs de détail ont perdu leur appétit. Aujourd'hui, le capital-risque bénéficie de réserves beaucoup plus profondes, ce qui prolonge artificiellement le runway. Mais cela signifie aussi que lorsque l'ajustement arrivera, il sera brutal, pas graduel. Michael Burry a averti de niveaux dangereux de surinvestissement. Jeremy Grantham, de GMO, a systématiquement documenté comment les bulles technologiques éclatent précisément quand la technologie sous-jacente commence à montrer son utilité, pas avant.
Le modèle que Gurley identifie comme "interlopers" — acteurs qui entrent attirés par l'élan, sans thèse d'investissement rigoureuse — est le signe le plus fiable qu'une bulle a dépassé sa phase de formation et est dans sa phase terminale. Quand chaque société de capital-risque déclare qu'elle ne cherche que des opportunités d'IA, et quand les fondateurs d'applications de fitness et d'apprentissage des langues reformulent leurs pitchs en tant que compagnies d'IA, le capital cesse d'être alloué là où il génère le plus de valeur et commence à être attribué là où il y a le plus de narration.
Ce que Gurley recommande aux investisseurs dans ce contexte est opérationnellement simple : identifier les entreprises de logiciels avec des modèles d'abonnement éprouvés, attendre la correction des valorisations que le reset produira et acheter avec discipline. Ne pas parier sur des startups privées de l'IA qui sont, selon ses mots, "enormément risquées". L'asymétrie d'information dans ces investissements est trop haute et le chemin vers la rentabilité trop incertain.
Block, la société mère de Square dirigée par Jack Dorsey, a licencié presque la moitié de ses employés dans un mouvement délibéré d'adoption de l'IA. Ce n'est pas une optimisation marginale. C'est un signe que même les entreprises avec des modèles économiques établis réécrivent leur architecture opérationnelle sous l'hypothèse que le capital humain peut être remplacé en partie. Si des entreprises rentables font cela, imaginer que celles qui ne génèrent pas encore de revenus échappent à cette pression est un exercice de déni.
Le reset réorganise la hiérarchie, ne supprime pas la technologie
La mauvaise interprétation de l'avertissement de Gurley serait de conclure que l'intelligence artificielle est une illusion. Ce n'est pas le cas. Les outils montrent depuis deux ou trois ans une utilité mesurable dans la personnalisation, la synthèse d'informations et l'automatisation de tâches répétitives. Le problème n'est pas la technologie. Le problème, c'est l'écart entre la valeur que la technologie génère aujourd'hui et la valeur que le marché des capitaux anticipe pour demain.
Lorsque le reset se produira — et la logique financière indique qu'il se produira, non pas comme une possibilité mais comme une conséquence arithmétique du burn rate accumulé — l'intelligence artificielle ne disparaîtra pas. Des dizaines d'entreprises qui n'ont pas construit une économie unitaire durable disparaîtront, qui ont priorisé la croissance des utilisateurs sur les marges, et qui ont cru que le capital resterait indéfiniment disponible parce que le récit était suffisamment grand.
Ce qui survivra ce sont les modèles où le coût d'acquisition de client a une relation raisonnable avec la valeur que ce client génère dans le temps, où l'infrastructure ne nécessite pas de subvention permanente pour fonctionner, et où la différenciation ne dépend pas exclusivement d'avoir le modèle le plus grand, mais de résoudre un problème spécifique mieux que toute alternative.
Les leaders qui comprennent que la valeur dans ce secteur se construit sur l'économie unitaire, pas sur les valorisations des tours de financement, sont ceux qui seront positionnés pour acquérir des actifs et des talents à des prix raisonnables lorsque le capital viendra à manquer. Le reset n'est pas la fin du cycle de l'intelligence artificielle. C'est le moment où la technologie cesse d'appartenir aux narrateurs et commence à appartenir aux constructeurs.
