Actions IA : Tom Lee estime la baisse proche du fond

Pourquoi Tom Lee pense-t-il que les actions IA ont touché un point bas ?

Tom Lee a déclaré sur CNBC qu'il pensait le marché proche d'un plancher. Son raisonnement ne dit pas que les problèmes des entreprises d'intelligence artificielle seraient déjà réglés. Il s'appuie plutôt sur une différence de nature entre deux scénarios : soit le secteur manque réellement de capacité pour répondre à la demande, soit il a construit trop d'infrastructure pour ses clients.

Dans le premier cas, les investissements peuvent ralentir pour des raisons très concrètes : disponibilité des puces, capacité des fabricants, énergie, délais de construction des centres de données ou encore financement. Dans ce contexte, la baisse ne prouve pas forcément que les clients ont perdu l'intérêt. Dans le second cas, la surcapacité signale plutôt un risque plus structurel : les équipements et les infrastructures existent, mais les commandes ne suivent plus.

Lee estime donc que le marché de l'IA reste tendu et ne se trouve pas encore dans une logique de surcapacité. Il reconnaît cependant qu'un point bas est rarement évident « en direct » : les cours peuvent continuer de baisser même après qu'un investisseur a estimé que l'essentiel de la correction était passée. Autrement dit, un plancher n'est pas une donnée qu'on observe d'un coup ; c'est une hypothèse qui se vérifie petit à petit, à travers les résultats et les flux.

Son intervention arrive aussi au moment où la baisse ne touche pas seulement quelques sociétés « IA pures ». Les grandes valeurs technologiques pèsent dans des fonds très largement détenus, y compris via des produits d'épargne de long terme. Une correction sur les titres liés à l'IA peut donc se répercuter plus largement sur les portefeuilles, même si tout le monde n'a pas acheté des fabricants de semi-conducteurs.

Le point important : la thèse de Lee porte sur l'équilibre entre demande et offre, pas sur le calendrier exact d'un rebond boursier. Une industrie peut rester porteuse tout en traversant une phase de baisse. Et pour des entreprises européennes qui intègrent l'IA dans leurs activités, cette nuance compte : l'adoption peut progresser pendant que les valorisations des fournisseurs d'infrastructures se contractent.

Une pénurie de capacité signifie-t-elle que le secteur est en bonne santé ?

Pas automatiquement. Une offre insuffisante peut vouloir dire que les clients veulent déployer plus d'IA qu'il n'est possible d'en produire ou d'en héberger. Mais une demande forte ne se convertit en revenus que si les fournisseurs arrivent à livrer, à facturer et à dégager une marge suffisante. Entre les commandes et les résultats financiers, il y a plusieurs étapes où la croissance peut ralentir.

Les centres de données permettent de voir concrètement le mécanisme. Ils doivent accueillir serveurs et accélérateurs, nécessaires à l'entraînement comme à l'exécution des modèles. Or la construction dépend de terrains adaptés, de raccordements électriques, de systèmes de refroidissement, de composants spécialisés et de capitaux importants. Une annonce ne correspond donc pas forcément à une capacité opérationnelle tout de suite : il faut parfois des mois avant que l'infrastructure génère réellement des revenus.

Et parfois, les contraintes ne disparaissent pas : elles changent de forme. Une entreprise peut avoir des puces, mais manquer d'électricité ou de capacité réseau. Un fournisseur peut recevoir des commandes, sans pouvoir respecter les délais de fabrication. Un client peut aussi réduire ou étaler ses dépenses si les coûts d'infrastructure augmentent plus vite que les bénéfices attendus de l'IA.

C'est pour ça que « forte demande » et « bons résultats en bourse » ne veulent pas dire la même chose. Les marchés évaluent les bénéfices futurs, mais aussi le coût et le temps nécessaires pour les atteindre, la capacité à honorer les commandes, et le prix déjà payé pour la croissance. Si les cours intègrent des attentes très élevées, des résultats « corrects » peuvent ne pas suffire à rassurer.

Pour juger la demande, il aide de la découper en trois niveaux :

• Les annonces : intentions d'investissement et contrats communiqués, qui peuvent être modifiés ou étalés.
• Les livraisons : équipements et services effectivement fournis, plus proches de l'activité réelle.
• La monétisation : revenus et marges générés par les usages, qui indiquent si les dépenses sont soutenables.

Cette grille vaut aussi pour les entreprises qui utilisent l'IA, pas seulement pour les fabricants de puces. Une équipe peut tester des assistants ou automatiser une partie du support, mais l'intérêt économique dépendra des gains mesurés, des coûts d'intégration, de la qualité des données et du niveau de contrôle humain. Dans une entreprise française soumise au RGPD, « avoir un modèle » ne suffit pas : il faut aussi vérifier les conditions de traitement et la conformité des usages.

Pourquoi les résultats d'Intel compliquent-ils la thèse optimiste ?

Intel illustre bien l'écart possible entre une demande réelle et des résultats financiers décevants. D'après les informations rapportées, son chiffre d'affaires lié aux centres de données et à l'IA a progressé de 78 % sur un an, à 7,3 milliards de dollars. Mais l'entreprise a aussi indiqué que des contraintes de fabrication limitaient sa capacité à répondre à la demande.

Dans le même temps, ses prévisions de chiffre d'affaires trimestriel, comprises entre 15 et 16 milliards de dollars, avaient un point médian environ 1,6 milliard inférieur aux attentes des analystes. L'activité PC, moins solide, ajoutait une pression supplémentaire. Après ces annonces, l'action a chuté d'environ 30 %, à 65,76 dollars, selon les chiffres cités dans le compte rendu.

Ce cas ne prouve pas que la demande pour l'IA s'effondre. Il montre surtout pourquoi les investisseurs ne regardent pas un seul indicateur. Une branche peut croître vite sans compenser les faiblesses du reste de l'entreprise. Et si les capacités de production empêchent de transformer les commandes en ventes, la croissance attendue ne se matérialise pas au bon rythme.

Pour un fabricant, une contrainte de production peut aussi peser sur les coûts : augmenter les capacités demande des investissements, du temps et une exécution industrielle fiable. Pour un client, les retards compliquent la planification. Pour un investisseur, ils rendent plus floue la date à laquelle la croissance apparaîtra dans les comptes.

Résultat : une baisse de titre ne doit pas être lue comme un verdict unique sur « toute l'IA ». Elle peut refléter une déception sur les prévisions, une activité historique en retrait, une pression sur les marges, ou une valorisation devenue trop exigeante. Ce sont des problèmes différents, avec des conséquences différentes selon les entreprises.

Dans une analyse opérationnelle, la bonne question n'est pas seulement « l'IA progresse-t-elle ? », mais aussi : qui capte la valeur, à quel coût et dans quel délai ? Un fournisseur peut profiter d'un marché en croissance tout en perdant des parts de marché ou en investissant trop lourdement. À l'inverse, une entreprise utilisatrice peut créer de la valeur avec des outils existants, sans être elle-même un acteur « puces » ou une valeur cotée présentée comme « purement IA ».

La réaction du marché crypto est-elle un indicateur fiable ?

Pour étayer son scénario, Lee s'appuie aussi sur la réaction des cryptomonnaies après une faille de sécurité touchant Binance. L'entreprise aurait d'abord évalué à environ 6,3 milliards de dollars les actifs concernés. Ce chiffre décrit l'ampleur rapportée de l'incident, pas forcément des pertes définitives strictement équivalentes : Binance a indiqué avoir gelé environ 3 milliards de dollars d'actifs concernés et s'être engagée à couvrir les pertes via ses réserves d'urgence et ses fonds.

Lee voit dans les cryptomonnaies un indicateur avancé du goût des investisseurs pour le risque. Si un événement important ne provoque pas une chute beaucoup plus forte, cela peut suggérer que certains vendeurs ont déjà quitté le marché. C'est une lecture possible de la résilience des cours, mais ça reste une interprétation : ce n'est pas une mesure directe du nombre d'investisseurs prêts à vendre.

Et les chiffres invitent à nuancer. Le bitcoin a reculé d'environ 4 %, autour de 76 400 dollars, pendant la séance évoquée. Plus de 1,3 milliard de dollars de positions financées par emprunt ont été liquidées. Les fonds cotés américains au comptant exposés au bitcoin ont enregistré 643,2 millions de dollars de sorties ce jour-là, leur plus gros retrait quotidien du mois d'octobre cité.

Tout ça peut coexister avec l'idée d'une réaction « plutôt contenue » : -4 % est une baisse notable, mais dans les marchés crypto, ce n'est pas non plus l'anomalie. Ces données montrent aussi que des investisseurs réduisaient leur exposition. Les liquidations sur effet de levier peuvent amplifier la baisse sans dire, à elles seules, que les fondamentaux ont changé durablement.

Donc, attention à ne pas transformer une corrélation en causalité. Les cryptomonnaies et les actions technologiques peuvent bouger dans le même climat de prise de risque, mais leurs investisseurs, leurs marchés et leurs facteurs propres ne sont pas identiques. Une journée relativement stable du bitcoin ne garantit pas que les fabricants de puces ou les éditeurs de logiciels satisferont les attentes.

En pratique, le signal crypto sert surtout de contexte. Il peut aider à observer la façon dont les investisseurs digèrent une mauvaise nouvelle, mais doit être mis en regard avec les flux des fonds, les liquidations, les volumes et les éléments spécifiques aux entreprises. Pour décider d'investir, une analogie entre actifs ne remplace pas l'analyse des revenus, des marges et des bilans.

Quels signaux suivre avant de conclure que la baisse est terminée ?

Un point bas ne se valide pas uniquement avec une phrase ou une séance de rebond. Il apparaît quand plusieurs indicateurs cessent de se dégrader, puis quand les entreprises prouvent qu'elles transforment la demande en activité rentable. Pour suivre le secteur sans se laisser emporter par le bruit quotidien, le mieux est de distinguer les signaux industriels, financiers et de marché.

Repère pratique : la thèse de reprise devient plus crédible quand les commandes se transforment en revenus, quand les prévisions cessent de baisser, et quand les marges restent défendables malgré les investissements. Si le cours rebondit seul, sans amélioration opérationnelle derrière, le signal est plus fragile.