Apollo : l'IA n'a toujours rien rapporté aux 493 autres entreprises du S&P 500 — les tokens redeviennent un coût, pas un moteur
🔎 La note qui fait taire la hype
Torsten Slok, chef économiste d'Apollo Global Management, vient de publier une note qui devrait être obligatoire dans tout comité de direction : « No Signs of AI Payoff Outside the Tech Sector ». Datée du 24 octobre 2026, elle ne prédit pas l'avenir — elle constate le présent. Cinq graphiques, des séries ajustées de l'inflation depuis le T4 2019, et un verdict sans appel : hors des « Magnificent 7 », l'IA n'a produit aucun retour financier mesurable. Le revenu par salarié et les marges du S&P 493 sont plats. La productivité totale des facteurs, mesurée par la Fed de San Francisco, ne bouge pas. Et les tokens, jadis présentés comme le nouveau pétrole, redeviennent un centre de coûts qui pèse sur les marges. L'histoire de l'IA, conclut Slok, « se jouera dans le S&P 493, pas dans le Mag 7 ».
L'essentiel
- Mag 7 vs S&P 493 : revenu par salarié ≈ 780 k$ vs ≈ 527 k$ (prix T4 2019), marges ≈ 30 % vs ≈ 9-10 % — l'écart se creuse, mais seulement pour 7 entreprises.
- Productivité : la TFP ajustée de la Fed de San Francisco reste à zéro malgré des milliards injectés en GPU et en modèles.
- Concentration extrême : le top 10 % des firms capte 99,5 % de l'inférence, 99 % des neoclouds, 95,6 % des paiements OpenAI + Anthropic (données Ramp AI Index).
- Circularité : 80,4 % du top 1 % des spenders IA sont adossés au capital-risque — l'argent tourne en boucle entre VCs, hyperscalers et fournisseurs de modèles.
- Prix des tokens : Fable 5 à ≈ 10 $/M tokens (août 2026), deux fois le prix de GPT-5.6 Sol — la courbe de coûts ne descend pas pour tout le monde.
- Citation clé : l'IA « ne comprend ni la responsabilité, ni la confiance, ni la culture » — Slok, Apollo Daily Spark, 24 oct. 2026.
- Contrepoint : Brad DeLong accepte la comparaison étroite mais argue que les bénéfices utilisateurs et nouvelles activités comptent plus que les profits des firmes existantes.
Outils recommandés
| Outil | Usage principal | Prix (octobre 2026) | Idéal pour |
|---|---|---|---|
| Ramp AI Index | Suivi dépenses IA par salarié/mois | Gratuit (données publiques) | CFO, ops, stratégie IA |
| Apollo Daily Spark | Notes macro/IA de Torsten Slok | Abonnement Apollo | Investisseurs, stratèges |
| Fable 5 (via API) | Inférence LLM haut de gamme | ≈ 10 $/M tokens (août 2026) | Équipes testant modèles premium |
| GPT-5.6 Sol (OpenAI) | Inférence standard enterprise | ≈ 5 $/M tokens (août 2026) | Production à volume |
Les 5 graphiques qui font mal — Mag 7 vs S&P 493
La note d'Apollo repose sur cinq séries temporelles ajustées de l'inflation, base T4 2019. Le premier graphique montre le revenu par salarié : les Magnificent 7 (Apple, Microsoft, Nvidia, Amazon, Meta, Alphabet, Tesla) passent de ~500 k$ à ~780 k$. Le S&P 493 reste scotché à ~527 k$. Même trajectoire pour les marges opérationnelles : ~30 % pour le Mag 7, ~9-10 % pour le reste. Ces chiffres ne sont pas des projections — ce sont des comptes de résultat audités, retraités de l'inflation.
Ce que ça veut dire : l'IA a peut-être boosté la productivité inside les sept géants qui la construisent et la vendent. Pour les 493 autres, elle est encore une ligne de dépense, pas une ligne de revenu. La note de Slok le confirme sans ambiguïté : « zero financial payoff » pour l'Amérique corporate hors tech.
Productivité totale : le grand zéro de la Fed de San Francisco
Le graphique le plus cinglant n'est pas comptable — il est macroéconomique. La Federal Reserve Bank of San Francisco publie une série de productivité totale des facteurs (TFP) ajustée de l'utilisation. Depuis le T4 2019, la courbe est plate. Zéro. Nada. Pas de bosse, pas d'accélération, pas même un frémissement statistiquement significatif.
Pourtant, les dépenses en capital (CapEx) pour l'IA ont explosé. Nvidia seul a fait plus de 100 milliards de chiffre d'affaires data center en 2025. Les hyperscalers (Microsoft, Amazon, Google) ont déployé des centaines de milliards en GPU. Si l'IA était une technologie à usage général (GPT au sens économique), la TFP aurait dû bouger. Elle ne bouge pas.
Interprétation : soit l'IA n'est pas encore déployée à l'échelle productive hors tech, soit ses gains sont capturés par les fournisseurs (modèles, cloud, puces) et non par les utilisateurs finaux. Les données Ramp penchent pour la seconde explication.
Tokens — du moteur de croissance au centre de coûts (données Ramp)
Le Ramp AI Index de septembre 2026 publie des chiffres qui font froid dans le dos : dépense IA médiane par salarié et par mois = 15,70 $. Top 10 % = 813,43 $. Top 1 % = 9 567,53 $. La distribution est plus inégale que les revenus aux États-Unis.
Pire : la note « Circularity in AI Shows Up in Token Spending Too » d'Apollo révèle que 80,4 % du top 1 % des spenders IA sont VC-backed. L'argent sort des poches des LPs (fonds de pension, fondations), entre dans les VCs, finance des startups qui achètent de l'inférence chez les hyperscalers et les fournisseurs de modèles, qui rachètent des GPU chez Nvidia, dont les actions sont détenues par... les LPs. Un cercle fermé.
Le Ramp Economics Lab note en août 2026 que « les entreprises atteignent leur limite de dépense IA ». Fable 5, un modèle premium, facture ≈ 10 $ par million de tokens — deux fois le prix de GPT-5.6 Sol. La promesse « les coûts baissent exponentiellement » ne tient que pour les modèles commoditisés. Pour la pointe, la facture grimpe.
C'est ici que les tokens redeviennent un centre de coûts. Pas un investissement productif. Une charge qui pèse sur les marges du S&P 493. Comprendre la facturation des LLM devient une compétence de survie pour les DAF.
La circularité du spending IA — 80% des gros payeurs sont VC-backed
La circularité n'est pas une théorie du complot — c'est une comptabilité. Le graphique d'Apollo le montre : les 1 % des plus gros spenders IA concentrent une part massive du volume de tokens. Et 80,4 % de ces 1 % sont des entreprises adossées au venture capital.
Pourquoi ça compte : ces entreprises ne sont pas encore rentables. Elles brûlent du cash pour croître, et une part croissante de ce cash part en tokens. Quand le cycle VC se resserre (hausse des taux, sortie de fonds difficile), la demande de tokens s'effondre. C'est exactement ce que Slok appelle un « repricing douloureux » — avertissement lancé dès le 22 octobre, deux jours avant la note.
Cette circularité explique aussi pourquoi les hyperscalers et les fournisseurs de modèles (OpenAI, Anthropic, xAI, Google) continuent d'annoncer des revenus records : leurs meilleurs clients sont financés par le même écosystème qui valorise leurs actions. 46 % des tokens IA des entreprises américaines partent déjà vers des modèles chinois — une fuite en avant qui accélère la pression sur les prix.
La réfutation de Brad DeLong — utilisateurs vs profits des firmes existantes
Brad DeLong, économiste à UC Berkeley, a répondu sur Digg : il « accepte la comparaison étroite » de Slok (profits des firmes existantes, séries ajustées T4 2019) mais refuse la conclusion. Son argument : les bénéfices aux utilisateurs et les nouvelles activités comptent plus que les profits des firmes existantes.
Exemple : si l'IA permet à un médecin de gagner 30 % de temps sur la paperasse, ce gain n'apparaît pas dans le revenu par salarié de son hôpital (qui est une firme existante). Il apparaît dans la qualité de soins, l'accès aux patients, la création de nouveaux services. DeLong cite l'histoire de l'électricité : 20 ans entre l'installation des moteurs et le bond de productivité usinier.
Mon take : DeLong a raison sur le principe, tort sur le timing. Les investisseurs publics (S&P 493) n'ont pas 20 ans. Ils ont des rapports trimestriels. Et la note d'Apollo montre que la patience du marché a une limite — le « repricing douloureux » n'est pas une menace, c'est une échéance.
Le signal Hacker News et l'avertissement du « repricing douloureux »
La note d'Apollo a fait 300+ points sur Hacker News en quelques heures selon explainx.ai. Ce n'est pas anecdotique : HN est la salle de pause des ingénieurs qui bâtissent et achètent l'IA. Le fait que la note y explose signifie que les praticiens sentent le décalage entre le discours marketing et la réalité de leur facture cloud.
Slok avait prévenu le 22 octobre : « painful repricing coming ». Deux jours plus tard, il sort les graphiques. Le timing n'est pas un hasard. Les marchés ont intégré que l'IA = croissance infinie. Les données disent : IA = coût concentré, gains concentrés, circularité VC.
Ce repricing touchera d'abord les « neoclouds » (CoreWeave, Lambda, etc.) dont 99 % du business vient du top 10 % des firms selon Ramp. Puis les fournisseurs de modèles dont 95,6 % des paiements OpenAI+Anthropic viennent du même top 10 %. Enfin, les entreprises du S&P 493 qui ont surinvesti sans cas d'usage clair.
Ce que ça change pour votre stratégie IA
Arrêtez d'acheter des tokens au kilo. La médiane à 15,70 $/mois/salarié (Ramp, sept. 2026) masque une réalité : la plupart des entreprises n'ont pas besoin de GPT-5.5 ou Claude Opus 4.7 pour 90 % de leurs cas d'usage. Les modèles ouverts tournent déjà 56 % des tokens de Vercel — la migration silencieuse hors OpenAI/Anthropic est en cours, motivée par le coût et le contrôle.
Auditerez vos cas d'usage par ROI, pas par FOMO. Si un workflow ne génère pas de revenu additionnel ou de réduction de coût mesurable en 6 mois, coupez-le. Les tokens sont redevenus un centre de coûts. Traitez-les comme tels : négociez, mutualisez, basculez sur du self-hosted quand le volume le justifie.
Surveillez le S&P 493, pas le Mag 7. C'est là que se jouera l'adoption réelle. Les 493 entreprises qui n'ont pas encore vu leur productivité bouger sont le marché adressable réel. Celles qui trouveront le chemin du « payoff » deviendront les prochains leaders sectoriels. Les autres financeront la R&D de Nvidia, Microsoft et Google.
❌ Erreurs courantes
Erreur 1 : Confondre adoption et création de valeur
Ce qui ne va pas : « Nous avons déployé Copilot à 5 000 sièges, donc nous faisons de l'IA. »
La solution : Mesurez le delta de productivité par workflow. Si le revenu par salarié ne bouge pas après 12 mois, vous payez un abonnement, pas une transformation.
Erreur 2 : Ignorer la concentration du spending
Ce qui ne va pas : Benchmarker votre budget IA sur la médiane Ramp (15,70 $/mois/salarié).
La solution : La médiane est trompeuse. Le top 1 % dépense 600× plus. Si vous n'êtes pas dans le top 10 %, votre budget doit viser l'efficacité, pas la puissance brute.
Erreur 3 : Croire que les coûts baissent pour tout le monde
Ce qui ne va pas : Projeter la courbe de coût GPT-4 → GPT-4o → GPT-5 sur vos modèles premium.
La solution : Fable 5 à 10 $/M tokens (août 2026) prouve que la pointe se renchérit. Négociez des engagements de volume ou migrez vers des modèles ouverts (Llama 4, Nemotron, Qwen) pour les workloads non critiques.
❓ Questions fréquentes
L'IA ne rapporte vraiment rien à personne hors Big Tech ?
Pas aux actionnaires des firmes existantes, selon les séries ajustées T4 2019 d'Apollo. Mais DeLong a raison : des gains existent pour les utilisateurs finaux (patients, clients, employés) et pour les nouvelles entreprises nées avec l'IA. Ils n'apparaissent juste pas dans le P&L du S&P 493.
Faut-il arrêter d'investir dans l'IA ?
Non. Mais investissez comme un acheteur rationnel, pas comme un VC. Chaque dollar en tokens doit avoir un chemin tracé vers le revenu ou l'économie de coût. Pilotez par ROI trimestriel, pas par « stratégie IA ».
Le « repricing douloureux » va-t-il faire krach ?
Pas un krach style 2000. Une réallocation brutale : capitaux vers les cas d'usage prouvés, coupes sèches sur l'expérimentation sans métrique. Les neoclouds et fournisseurs de modèles à clientèle VC-heavy seront les premiers touchés.
Comment sortir de la circularité VC-tokens ?
Diversifiez vos fournisseurs. Testez l'auto-hébergement pour les workloads stables. Exigez des SLA de coût par token, pas juste de latence. Faites de la facturation LLM une compétence interne, pas une ligne opaque chez le cloud provider.
✅ Conclusion
La note d'Apollo ne tue pas l'IA — elle l'oblige à rendre des comptes. 780 k$ de revenu par salarié pour le Mag 7, 527 k$ pour le S&P 493. 30 % de marge vs 10 %. Zéro productivité macro. 80 % des gros spenders VC-backed. Les tokens sont redevenus un coût. L'histoire de l'IA se jouera dans le S&P 493. Les 493 qui transforment l'essai deviendront les nouveaux géants. Les autres auront financé la leçon. À vous de choisir votre camp — et votre facture de tokens.