Avertissement : Cet article reflète une analyse personnelle et des données publiquement disponibles, et ne constitue ni un conseil financier ou d'investissement, ni une prise de position de mes activités professionnelles.
TL;DR (Réponse directe)
Le débat sur l'IA est passé de humain vs machine à propriétaire vs locataire. Les entreprises qui possèdent leurs poids de modèles, leur infrastructure et leurs données construisent des douves, tandis que celles qui louent l'intelligence via des API deviennent de plus en plus vulnérables. Le déploiement d'infrastructure IA à l'échelle du trillion de dollars en 2026 ne porte pas sur les outils — il porte sur le contrôle.
Trois choses se sont produites en dix jours
Trois événements de 2026, en apparence sans lien, révèlent en réalité le même schéma de fond :
- Anthropic a lancé Claude Science, un environnement de recherche qui exécute de façon autonome des workflows de biologie computationnelle sur plus de 60 bases scientifiques
- Alex Karp (CEO de Palantir) est passé sur CNBC, a qualifié l'industrie de l'IA de « complètement folle », et a expliqué pourquoi ses clients exigent de posséder leurs poids de modèles plutôt que de louer l'intelligence des laboratoires
- Tesla a relevé son objectif de production d'Optimus à 70 000 unités par an, tandis que BYD a confirmé le déploiement de jusqu'à 20 000 robots dans ses propres usines avant la fin de l'année
Aucun de ces événements n'est une simple histoire de hype IA. Ce sont des histoires de propriété. Et cette distinction est tout l'argument.
La fracture n'oppose pas humains et machines
Depuis trois ans, le débat public est présenté comme une opposition humains contre IA. Va-t-elle prendre votre emploi ? Remplacer votre jugement ? Ce cadrage était erroné dès le départ, et 2026 rend l'erreur visible.
La vraie fracture oppose celles et ceux qui possèdent ou contrôlent une machine, et celles et ceux qui consomment ce que la machine de quelqu'un d'autre produit.
Une radiologue qui utilise Claude Science pour piloter son propre pipeline de découverte de médicaments n'est pas en concurrence avec l'IA. Elle est la propriétaire d'une capacité que ses pairs louent, souvent mal, via un abonnement qu'ils ne maîtrisent pas. L'écart entre ces deux radiologues est désormais plus grand que l'écart entre l'une d'elles et une radiologue de 2015.
Karp a dit tout haut ce que beaucoup pensent tout bas. Ses clients enterprise, a-t-il expliqué sur CNBC, sont en privé furieux contre les laboratoires de pointe, non pas parce que les modèles sont faibles, mais parce qu'ils ne contrôlent ni les données, ni les poids, ni le compute sur lequel tournent ces modèles. Sa réponse : un partenariat avec Nvidia fondé sur un principe : garder l'alpha, garder les poids, garder l'infrastructure en interne.
Idée clé : L'intelligence que vous louez est un centre de coûts. L'intelligence que vous possédez et exploitez est une douve.
Que l'on partage ou non la politique de Karp, la logique business est solide.
Cette année, la propriété a battu l'accès — dans les données
Regardez ce qui a réellement déplacé les marchés au premier semestre 2026 :
Lancement de Claude Design
Lancé en avril, il a effacé environ 7 % de la valorisation de Figma en une seule journée, non pas parce que c'était un meilleur outil pour designers, mais parce qu'il a réduit brutalement la distance entre avoir une idée et posséder un prototype livrable.
Modèle open-weight GLM-5.2
Un modèle chinois open-weight publié sous licence MIT en juin, qui a égalé ou dépassé plusieurs modèles fermés de pointe sur des benchmarks de code longue portée et agentiques, pour environ un sixième du coût API, précisément parce que chacun peut télécharger les poids et l'exécuter sur sa propre infrastructure.
Point clé : Les poids ouverts ne sont pas une note de bas de page technique. Ils font la différence entre un outil que vous utilisez et une machine que vous possédez.
Capex IA projeté en 2027
L'histoire du capital : Les Big Tech sont en voie de dépenser entre 700 et 900 milliards de dollars en infrastructure IA sur la seule année 2026, avec un capex des hyperscalers projeté au-delà du trillion de dollars en 2027.
Sources : estimations Bank of America, Evercore ISI. Goldman Sachs estime le capex IA cumulé à 7,6 trillions de dollars d'ici 2031.
Ce n'est pas une dépense de fonctionnalité. C'est un déploiement industriel à l'échelle de l'électrification, et chaque dollar va vers la possession du compute, pas sa location.
Le problème d'hallucination est réel, et cela n'a rien changé
Je veux être direct sur cette limite, car l'ignorer rendrait cet article malhonnête.
Vérification de réalité :
- Ces systèmes hallucinent encore
- Une IA généraliste peut rater des nuances dans des guides réglementaires ou des protocoles d'essai
- En développement de médicaments, ces erreurs ont des conséquences réelles
- GLM-5.2, benchmarké en cybersécurité, plafonne à 39 % de score F1 sur la détection IDOR — utile, mais insuffisant pour sortir les humains de la boucle
Et pourtant, rien de cela n'a ralenti l'argent, les déploiements, ni les mouvements boursiers. Le marché a déjà intégré que ces outils sont imparfaits et précieux en même temps.
Les gagnants ne sont pas ceux qui attendent une IA parfaite. Ce sont ceux qui ont appris où la machine est fiable, où elle exige un second regard, et comment extraire de la valeur dans les deux zones.
Cette compétence — savoir exactement quand faire confiance à la machine et quand la contredire — devient une compétence professionnelle à part entière, et presque personne n'y est formé.
Les robots ne sont plus une démo
La même logique de propriété quitte maintenant le data center pour entrer dans les usines.
Tesla Optimus objectif annuel de production
Robots BYD déployés en interne d'ici fin 2026
Source : annonces des entreprises, prévisions Nomura de 40 000 à 50 000 expéditions de robots humanoïdes chinois en 2026.
Tesla comptait plus de 1 000 unités Optimus Gen 3 sur des lignes de production actives dès janvier 2026, pour le kitting de pièces et la pose de connecteurs sur la ligne qui fabrique de vrais véhicules clients, pas dans une cellule de démonstration. C'est le même schéma que dans le logiciel : La valeur ne revient pas à celui qui utilise un robot sur une ligne. Elle revient à celui qui possède le robot, les données qu'il génère et la ligne de production dans laquelle il opère.
UBS recommande à ses clients institutionnels de se positionner sur les fabricants de composants amont — capteurs, réducteurs, vis de précision — plutôt que sur les marques de robots elles-mêmes, car c'est là que se situe l'avantage durable de propriété dans une chaîne matérielle.
Même les investisseurs traditionnels sont exposés aux décisions des machines
Voici la partie qui devrait inquiéter quiconque pense que c'est une histoire limitée à la tech.
Volume de trading piloté par IA
D'après des estimations du FMI et des grandes places boursières, les algorithmes pilotés par IA représentent près de 89 % du volume mondial de trading en 2026, contre environ 60 % au début des années 2020.
Aux États-Unis, les systèmes algorithmiques génèrent environ 70 à 90 % du volume quotidien d'actions, et la durée moyenne de détention est passée d'environ huit ans dans les années 1950 à environ cinq mois aujourd'hui.
Alerte divergence :
David Cahn (Sequoia) calcule un écart annuel croissant, désormais autour de 600 milliards de dollars, entre les dépenses d'infrastructure IA des hyperscalers et les revenus réellement générés par l'écosystème IA.
Allianz Research estime la divergence entre capex IA et croissance des revenus à environ 46 %, déjà au-dessus des 32 % observés juste avant le crash télécom de 2001.
Un investisseur traditionnel qui n'a jamais écrit un prompt y est tout de même pleinement exposé. La découverte des prix de son fonds de pension est de plus en plus effectuée par des machines qui réagissent à d'autres machines en microsecondes. Le principal facteur de risque de son portefeuille en 2026 n'est ni l'inflation ni les taux. C'est la capacité du cycle de capex IA à produire des revenus avant que les marchés de crédit qui le financent ne perdent patience.
Éviter les actions IA ne vous permet pas d'échapper à cette exposition. Les machines fixent déjà le prix de tout le reste.
Ce qui compose réellement
Assemblez les quatre pièces :
- Claude Science compresse les cycles d'itération scientifique
- Les clients de Karp exigent de posséder leurs poids de modèles plutôt que de louer l'intelligence
- Le capital afflue vers l'infrastructure à un rythme annuel de l'ordre du trillion de dollars
- Les robots effectuent désormais un travail productif sur de vraies lignes de production
Le fil conducteur n'est pas l'intelligence artificielle. C'est le contrôle de la machine, des données qu'elle utilise et de l'infrastructure qui la soutient.
La compétence technique brute sur ces outils est nécessaire, mais insuffisante. À mesure que les machines composent la connaissance et la productivité plus vite à chaque trimestre, le second différenciateur — celui que presque personne ne valorise encore correctement — est la compétence sociale : la capacité à traduire ce qu'une machine peut faire en quelque chose qu'un client, une équipe ou un régulateur acceptera et adoptera réellement.
GLM-5.2 peut écrire le code. Il ne peut pas entrer en comité exécutif et faire voter le budget, ni s'asseoir face à un décideur terrain pour expliquer, comme Karp, pourquoi le contrôle des poids compte davantage qu'un score de benchmark.
Qui composera le plus vite :
Pas ceux qui ont le plus d'accès à l'IA. L'accès est désormais peu coûteux, parfois gratuit, et de plus en plus open-weight.
Ceux qui composent sont ceux qui possèdent la boucle : l'infrastructure, la donnée, ou au minimum la maîtrise permettant de piloter ces systèmes avec un jugement qu'une machine n'a pas encore. Tous les autres sont locataires du gain de productivité de quelqu'un d'autre.
Dernière réflexion
Poussons la logique d'un cran.
Si l'IA est déjà assez performante pour piloter des desks de trading, des pipelines de design et la découverte de médicaments, alors à un moment la machine qui choisit devient meilleure que l'humain qui choisit quelle machine utiliser.
Pour l'instant, la propriété reste la douve. Les humains possèdent les poids, le compute, le capital. Mais chaque dollar injecté dans ce déploiement d'infrastructure de 900 milliards entraîne quelque chose qui se rapproche d'allouer le capital, de diriger des entreprises et de choisir les gagnants par lui-même.
Un système superintelligent qui surperforme tous les gérants humains n'aurait plus besoin d'un humain pour l'orienter. Il lui faudrait juste une autorisation.
Voilà la partie étrange que personne ne veut vraiment dire à voix haute. Nous ne construisons pas seulement des outils qui rendent les propriétaires plus puissants. Nous construisons le premier outil de l'histoire qui pourrait finir par devenir le propriétaire.
Une idée à méditer, pas à craindre. Mais à méditer.
À propos de l'auteur
Nicolas Martin, fondateur de Fractal-Apps Pvt Ltd. Expert en développement d'applications fractales et en analyse de stratégie IA.