Modèles
Data centers IA : 3 700 milliards de dollars de revenus par an d'ici 2032 pour être rentables, selon un papier publié par Brookings
Un économiste de Columbia chiffre à 10 300 Md$ l'investissement IA aux États-Unis de 2025 à 2032, et à 3 725 Md$ par an les revenus nécessaires pour le rentabiliser.
Combien l'IA doit-elle rapporter pour rembourser les data centers en construction aux États-Unis ? Un papier présenté le 25 septembre 2026 à la conférence d'automne des Brookings Papers on Economic Activity (BPEA) donne un ordre de grandeur : environ 3 725 milliards de dollars de revenus annuels d'ici 2032, soit 9,2 % du PIB américain projeté pour cette année-là (papier, version de conférence).
Précision. Ce n'est pas une étude institutionnelle de la Brookings : c'est un papier de recherche signé par Stijn Van Nieuwerburgh, professeur d'immobilier à la Columbia Business School, publié par la Brookings dans le cadre des BPEA (version de conférence datée du 4 septembre 2026). Chaque publication y engage ses seuls auteurs (Brookings).
Les chiffres clés
- Investissement : 10 300 milliards de dollars de 2025 à 2032 dans les bâtiments, l'énergie, le réseau, les puces et autres équipements, soit en moyenne 3,63 % du PIB par an. C'est plus que les booms des canaux, du chemin de fer (2,24 %), de l'électrification, des autoroutes et des télécoms (1,10 %).
- Capacité : 182,8 GW de capacité supplémentaire mise en service entre 2025 et 2032, sur un pipeline annoncé d'environ 509 GW ; le scénario central suppose que 117,2 GW arrivent après 2032 et que 226,9 GW ne sont jamais construits.
- Coût unitaire : environ 8,2 milliards de dollars pour un campus de 200 MW, dont deux tiers pour l'informatique (GPU, réseau, stockage) et un tiers pour le bâtiment et l'énergie.
- Revenus requis : 3 725 milliards de dollars par an une fois toute cette capacité en service, rapportés à un PIB 2032 projeté de 40 481 milliards.
La méthode : un seuil de rentabilité, pas une prévision
Le chiffre de 3 725 Md$ répond à une question précise : quel revenu la capacité achevée entre 2025 et 2032 doit-elle générer pour offrir aux investisseurs un rendement de 10 % avant dette, avec une marge de flux de trésorerie d'exploitation de 50 %, une durée de vie économique de six ans pour l'informatique et de vingt ans pour le reste ? L'auteur le dit lui-même dans un texte publié par Columbia : c'est un calcul de revenu requis, pas une prédiction de ce que les clients dépenseront (Columbia Business School).
Le résultat est très sensible aux hypothèses (papier, tableau 7) :
- de 2 290 Md$ (rendement de 5 %, marge de 67 %) à 6 720 Md$ (rendement de 15 %, marge de 33 %) ;
- si les GPU ne restent compétitifs que trois ans au lieu de six, le besoin grimpe à environ 6 000 Md$, soit 14,8 % du PIB 2032.
Pour situer l'effort : avec des revenus combinés d'OpenAI et d'Anthropic estimés à environ 100 Md$ par an, il faudrait une croissance d'environ 80 % par an jusqu'en 2032 pour atteindre ce seuil, calcule l'auteur.
Deux versions en circulation. Dans son texte du 6 octobre pour Columbia, l'auteur cite une version révisée du papier : près de 9 000 Md$ d'investissement, environ 188 GW, et 3 550 Md$ de revenus requis (8,8 % du PIB). Les chiffres repris par la presse, et ici, sont ceux de la version de conférence publiée par la Brookings.
D'autres estimations comparables
- Bain & Company (septembre 2025) estimait qu'il faudrait environ 2 000 Md$ de revenus annuels dans le monde d'ici 2030 pour financer la puissance de calcul nécessaire, et qu'il manquerait encore 800 Md$ même en comptant les économies liées à l'IA (Bain). Le périmètre (mondial, horizon 2030) et la méthode diffèrent : les deux chiffres ne s'additionnent pas.
- Le papier rappelle que les dépenses d'investissement d'Oracle, Microsoft, Amazon, Meta et Alphabet sont passées d'environ 97 Md$ en 2020 à plus de 400 Md$ en 2025, et devraient dépasser 800 Md$ en 2026, au-delà de leurs flux de trésorerie d'exploitation cumulés pour la première fois. D'où le recours croissant aux baux, coentreprises, crédit privé et véhicules hors bilan, que l'auteur juge plus difficiles à surveiller (Bisnow, podcast Brookings).
Ce que ça implique pour le prix des outils et des API de code
Le papier traduit son seuil en prix de location de GPU : environ 5,5 $ par heure de GPU installée à pleine utilisation, 6,9 $ à 80 % d'utilisation, dans la fourchette des prix actuels du calcul de pointe. Pour l'auteur, la vraie question est donc de savoir si les fournisseurs garderont ce pouvoir de prix une fois quelque 180 GW ajoutés. Deux lectures, qui ne s'excluent pas :
- Tant que la capacité manque, les prix tiennent. Les grilles le montrent déjà : chez Google, Gemini 4 Argon passera de 2 $/10 $ à 4 $/20 $ par million de tokens le 1er décembre, et Gemini 3.8 Flash de 0,75 $/3,75 $ à 1,50 $/7,50 $ le 1er janvier 2027, à la fin des prix de lancement (Google). Un abonnement ou une API de code « pas cher » aujourd'hui peut donc remonter.
- Si l'offre dépasse la demande, ils baissent. « Tôt ou tard, nous aurons une surcapacité, comme dans chaque cycle immobilier, et les prix s'effondreront », a déclaré l'auteur à Bisnow ; il estime que ce risque n'apparaîtrait qu'après cinq à huit ans de forte croissance.
En pratique, pour une équipe qui budgète ses agents de code : comparer le prix par tâche plutôt que le prix catalogue, vérifier la date de fin des prix de lancement, et garder une solution de repli moins chère ou auto-hébergée. Le calculateur de coût et le comparateur de modèles permettent de refaire le calcul avec ses propres volumes ; voir aussi notre guide pour choisir un agent selon son budget.
Sources
- Stijn Van Nieuwerburgh : Financing the AI Buildout (BPEA, version de conférence) (4 sept. 2026), vérifié le 2026-10-21
- Brookings : Financing the AI buildout (résumé) (23 sept. 2026), vérifié le 2026-10-21
- Brookings : The $10 trillion question (podcast et transcription) (8 oct. 2026), vérifié le 2026-10-21
- Columbia Business School : The AI Buildout: What Real Estate Investors Need to Underwrite (6 oct. 2026), vérifié le 2026-10-21
- Bisnow : Brookings Study Shows AI's $10T Build-Out Cost Will Likely End In Market Correction (23 sept. 2026), vérifié le 2026-10-21
- Bain & Company : $2 trillion in new revenue needed to fund AI's scaling trend (23 sept. 2025), vérifié le 2026-10-21
- Google : tarifs de l'API Gemini, vérifié le 2026-10-21
À retenir : 3 725 Md$ par an est un seuil de rentabilité calculé sous hypothèses (rendement de 10 %, marge de 50 %, GPU amortis sur six ans), pas une prévision de revenus.
Une erreur dans cet article ? Signalez-la · Notre politique de corrections