Goldman Sachs a abordé lundi « la question la plus importante pour les perspectives du marché boursier américain » : celui de savoir si le marché « évalue de manière appropriée les avantages de l’IA ». La réponse est un « oui » conditionnel, un déni du fait que les valorisations des entreprises se situent à un « niveau de bulle » et une conclusion selon laquelle le marché est trop optimiste.
Les marchés boursiers américains pourraient déjà avoir intégré une part importante de la valeur potentielle à long terme créée par l’IA, selon une nouvelle analyse de la banque d’investissement. Les analystes Dominic Wilson et Vicky Chan écrivent qu’une « simple arithmétique » suggère que la hausse des valorisations des sociétés d’IA est « bien en avance sur les effets macroéconomiques », alors qu’elles se rapprochent de la limite supérieure des rendements possibles pour l’économie dans son ensemble.
L’équipe de stratégie de portefeuille de Goldman affirme que même si les sociétés ont des valorisations élevées, elles n’ont pas encore atteint des « niveaux de bulle », tandis qu’une approche macro contribue à imposer des contraintes sur « ce qui est possible collectivement ».
Tout d’abord, que représentent des milliards de dollars ?
Le rapport estime que l’estimation de base de la valeur actualisée actuelle (PDV) des rendements du capital provenant de l’IA générée dans l’économie américaine est de 8 000 milliards de dollars. Bien que ce calcul soit intrinsèquement incertain, une fourchette raisonnable pour les rentrées de capitaux futures se situe entre 5 000 et 19 000 milliards de dollars. Il est important de noter que ces bénéfices projetés sont suffisants pour justifier les niveaux actuels et projetés de dépenses d’investissement liées à l’IA (Capex), une préoccupation majeure dans les médias financiers de nos jours. D’un autre côté, la frénésie du marché semble avoir dépassé de loin les calculs macroéconomiques classiques.
Depuis l’introduction de ChatGPT en novembre 2022, Goldman calcule que la valeur des entreprises directement impliquées ou adjacentes au boom de l’IA a augmenté de plus de 19 000 milliards de dollars. Cette hausse comprend des gains significatifs dans le secteur des semi-conducteurs et parmi les « hyperscalers », ainsi que les dernières valorisations des trois plus grands fournisseurs privés de modèles d’IA à environ 1 000 milliards de dollars.
Cette augmentation de la valorisation totale amène les rendements du marché à la « limite supérieure des gains macroéconomiques attendus » (19 000 milliards de dollars), bien au-dessus de l’estimation de référence de 8 000 milliards de dollars. Plus précisément, les changements dans la valeur des entreprises liées à l’IA et des fournisseurs privés de modèles d’IA dans le domaine des semi-conducteurs, qui sont plus probablement dus au seul boom de l’IA, ont déjà dépassé l’estimation de base de 8 000 milliards de dollars de croissance des revenus du capital.
Alors que Goldman Sachs note que les marchés prospectifs devraient intégrer les gains à l’avance et qualifie cela de « caractéristique et non d’un bug », les analystes ont identifié deux risques clés qui pourraient renforcer la tendance à « payer trop cher » pour les gains futurs, citant deux précédents inquiétants. « Les booms passés axés sur l’innovation, comme dans les années 1920 et 1990, ont amené les marchés à payer trop cher pour les bénéfices futurs, même si l’innovation sous-jacente était réelle. » (Goldman n’a pas commenté directement les krachs de 1929 et 2000 qui ont accompagné les célèbres booms de l’histoire des États-Unis.)
Les deux principaux risques mis en avant sont :
1. Erreur d’agrégation : les investisseurs peuvent impliquer une croissance globale excessive des revenus et des bénéfices en estimant la croissance extraordinaire des bénéfices que les entreprises individuelles peuvent réaliser parmi tous les gagnants potentiels. Cela risque de voir la valeur commune des concepteurs de puces, des constructeurs de modèles et des hyperscalers dépasser la valeur qu’ils obtiendront finalement ensemble.
2. Erreur d’extrapolation : la concurrence mine souvent la rentabilité initiale d’une innovation au fil du temps. Si le marché considère les augmentations temporaires des bénéfices à court terme comme permanentes, il risque de surestimer la trajectoire de croissance des bénéfices à long terme.
La promesse du potentiel de productivité de l’IA reste forte. Les estimations suggèrent que l’IA pourrait augmenter la productivité des États-Unis d’environ 1,5 point de pourcentage sur 10 ans, augmentant ainsi le PIB et les niveaux de revenus des États-Unis d’environ 15 %. Tant que l’économie globale et le boom des investissements dans l’IA resteront « sur la bonne voie », les marchés resteront probablement optimistes. Mais en dehors du matériel, les avantages de l’IA actuelle restent limités et pourraient être menacés si la promesse ne se concrétise pas rapidement.
