Les entreprises américaines situées hors du secteur technologique n’affichent toujours aucun gain financier observable lié à l’intelligence artificielle, selon l’économiste en chef d’Apollo Global Management. Dans une analyse publiée le 24 octobre 2026, Torsten Slok soutient que les bénéfices de l’IA restent concentrés chez les Magnificent Seven, alors que le reste du S&P 500 stagne. Sa thèse : le véritable test de l’IA se jouera dans le S&P 493.
🔑 En bref
- Chez les Magnificent Seven (Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, Tesla), le chiffre d’affaires par salarié et les marges progressent nettement.
- Pour les 493 autres entreprises du S&P 500, ces indicateurs restent pratiquement inchangés.
- Les niveaux exacts varient selon les sources et l’ajustement inflationniste retenu, mais l’écart est confirmé par l’ensemble des reprises de l’étude.
- Les travaux du MIT et de FCLT Global suggèrent que le retour sur investissement de l’IA pourrait arriver bien après la fenêtre de six mois.
Un écart persistant entre la tech et le reste de l’économie
L’analyse d’Apollo, intitulée « No Signs of AI Payoff Outside the Tech Sector », distingue les sept grandes valeurs technologiques, regroupées sous le nom de Magnificent Seven, des 493 autres sociétés de l’indice, désignées sous le nom de « S&P 493 ». Selon Slok, le chiffre d’affaires par salarié et les marges de profit progressent pour le premier groupe, alors qu’ils restent pratiquement inchangés pour le second. Les données de productivité ne montrent pas davantage d’accélération de la productivité totale des facteurs, malgré l’adoption rapide de l’IA et les investissements consentis.
| Indicateur | Magnificent Seven | S&P 493 |
|---|---|---|
| CA par salarié (ajusté de l’inflation) | ≈ 780 000 $ | ≈ 525 000 $ |
| Marge de profit | ≈ 30 % | ≈ 10 % |
| Évolution depuis 2022 | Hausse marquée | Quasi stable |
Ces chiffres proviennent de Finance Yahoo, qui retient une base à périmètre inflation constant. Le constat qualitatif est le même dans toutes les reprises : l’écart entre les deux groupes est structurel selon Apollo, et non le fruit d’un seul trimestre.
Des chiffres qui divergent selon les reprises de l’étude
Les données publiées ne sont pas identiques d’une source à l’autre. Finance Yahoo évoque environ 780 000 dollars de chiffre d’affaires par employé pour les Magnificent Seven à périmètre inflation constant, contre environ 525 000 dollars pour le S&P 493. Business Insider et Ground News raisonnent en valeurs absolues : le chiffre d’affaires par salarié des entreprises technologiques serait passé d’environ 550 000 dollars en 2022 à près de 800 000 dollars aujourd’hui, tandis que celui des autres sociétés du S&P 500 serait resté proche de 550 000 dollars au cours des sept dernières années.
- Base à inflation constante : écart d’environ 255 000 dollars par salarié en faveur des Magnificent Seven.
- Base en valeurs absolues : progression d’environ 45 % pour la tech, contre une stabilité pour le reste de l’indice.
- Marges : proches de 30 % contre environ 10 % selon Finance Yahoo, et une stagnation autour de 10 % pour les entreprises non technologiques depuis 2022 selon les reprises de l’étude.
Ces écarts de niveau ne modifient pas la conclusion qualitative. Ils rappellent toutefois que les séries retenues et les ajustements inflationnistes influencent fortement les valeurs absolues. Toute comparaison précise doit donc citer sa base, faute de quoi les écarts paraissent plus nets ou plus flous qu’ils ne le sont réellement.
Des dépenses concentrées et un usage qui change
Les entreprises investissent des milliards de dollars dans les puces, les centres de données, les logiciels et les modèles d’IA. Ces montants sont toutefois fortement concentrés sur un nombre restreint d’acteurs et de secteurs. Apollo estime que tant que l’IA agentique (systèmes capables d’enchaîner seuls des tâches) et la consommation de jetons (tokens, unités de texte traitées par les modèles) resteront cantonnées à une part réduite de l’économie, les effets macroéconomiques demeureront très limités.
« Despite massive investments and widespread hype around artificial intelligence, the technology has delivered zero financial payoff to corporate America outside of tech. »
Torsten Slok, économiste en chef, Apollo Global Management
Traduite, la formule signifie que, malgré des investissements massifs et un engouement généralisé, la technologie n’a produit aucun rendement financier pour les entreprises américaines hors du secteur tech.
Le comportement des entreprises non technologiques évolue. Selon Slok, les sociétés soutenues par le capital-risque consomment davantage de jetons, tandis que les grandes entreprises dites « mainstream » n’ont pas besoin des derniers modèles et ne sont pas disposées à les payer. La consommation de jetons commence ainsi à être perçue comme un centre de coûts qui pèse sur les marges, et non comme un moteur de croissance.
La question centrale devient donc la capacité des entreprises à transformer une intelligence de plus en plus bon marché en chiffre d’affaires et en marges supérieures, y compris lorsque les modèles se banalisent. Slok juge cet objectif « plus difficile qu’il n’y paraît ». Il ajoute que l’IA peut être une excellente calculatrice, mais que dans les affaires, l’intelligence relève surtout du jugement, lequel dépend du contexte. Selon lui, l’IA ne maîtrise ni la responsabilité, ni la confiance, ni la culture, ni les règles non écrites, ni les arbitrages éthiques, ni l’équité. Ces éléments déterminent pourtant le risque de réputation et influencent, in fine, la croissance du chiffre d’affaires et les marges.
Le MIT, la courbe en J et la question du calendrier
Le cadrage temporel est au cœur du débat. Une étude du MIT, relayée par la MIT Technology Review, a évalué plus de 300 déploiements d’IA générative en entreprise, mené 150 entretiens avec des dirigeants et réalisé 350 enquêtes auprès de salariés. Seuls 5 % des projets pilotes auraient franchi un critère étroit de réussite : un passage au-delà du pilote et des gains mesurables au compte de résultat dans un délai d’environ six mois. Cette statistique est souvent résumée par l’affirmation que 95 % des projets n’ont produit aucun impact mesurable dans ce délai.
| Source | Périmètre | Constat principal |
|---|---|---|
| Apollo (Torsten Slok) | S&P 500, données macroéconomiques | Gains limités aux Magnificent Seven |
| Étude MIT | Plus de 300 déploiements | 5 % de pilotes à impact mesurable en six mois |
| FCLT Global | Technologies générales | Rendements après plusieurs exercices |
Selon FCLT Global, les causes d’échec tenaient davantage à l’incompatibilité avec les processus de travail, à la fragilité des outils et au manque d’apprentissage qu’à la qualité des modèles. Nombre de projets visaient des fonctions visibles et faciles à mesurer, comme les ventes et le marketing, au détriment de l’automatisation des fonctions administratives, qui peut offrir un retour sur investissement plus élevé à long terme.
FCLT Global présente l’IA comme une technologie générale suivant une « courbe en J ». Ce modèle, décrit notamment par Erik Brynjolfsson, Daniel Rock et Mikkel Syverson en 2021, prévoit que les premières années peuvent afficher une croissance mesurée faible, voire négative. Les investissements immatériels préalables (refonte des processus, formation des salariés, création de nouvelles capacités organisationnelles) réduisent d’abord la productivité mesurée, tout en posant les bases des gains futurs.
Des travaux cités par la même organisation vont dans ce sens. Brynjolfsson, Hitt et Yang (2002) auraient constaté que les gains de productivité liés aux technologies de l’information se traduisaient en valorisations boursières plus élevées, mais seulement après que les entreprises avaient investi dans des systèmes et processus complémentaires. Basu et Fernald (2008) auraient observé un schéma comparable dans les secteurs ayant investi dans les technologies de l’information et de la communication, avec une progression de la productivité et de la rentabilité après un délai.
Les échéances de six mois et les pressions trimestrielles incitent les directions à privilégier des gains visibles immédiatement plutôt que les fondations de gains futurs. C’est précisément la critique formulée par FCLT Global à l’égard de ces fenêtres de retour sur investissement.
Conclusion : un retard de rentabilité, pas une absence de valeur
L’absence de rendements immédiats ne démontre pas que l’IA est dépourvue de valeur. Elle suggère plutôt que les critères d’évaluation de court terme sont inadaptés à une transformation de long terme. Pour Apollo, la trajectoire à surveiller est celle du S&P 493 : si les marges et le chiffre d’affaires par salarié progressent hors de la tech, la thèse d’une rentabilité diffusée à l’ensemble de l’économie se confirmera.
Trois scénarios se dessinent. Dans le premier, la diffusion s’accélère à mesure que le coût des jetons baisse et que les processus sont refondus, ce qui validerait la courbe en J. Dans le deuxième, la pression sur les marges s’installe et les budgets d’IA sont réduits faute de rendement visible, ce qui alimenterait les craintes de bulle. Dans le troisième, les gains restent concentrés chez quelques géants, avec un écart persistant entre la technologie et le reste de l’économie. Aucun de ces scénarios n’est acquis à ce stade, les données publiques demeurant partielles et les séries divergentes.
Sources
- TechCrunch, 25 octobre 2026
- Finance Yahoo
- Ground News
- Apollo, No Signs of AI Payoff Outside the Tech Sector
- Business Insider, octobre 2026
- FCLT Global, AI payoff and time horizons
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.
