Gartner : 4 000 milliards de dollars d'IA dépensés en 2027, dont 2 400 Md$ rien qu'en infrastructure

Gartner : 4 000 milliards de dollars d'IA dépensés en 2027, dont 2 400 Md$ rien qu'en infrastructure

🔎 4 050 milliards de dollars : l'IA entre dans sa phase industrielle

Le 12 novembre 2026, Gartner a publié une prévision qui mérite mieux qu'un survol de communiqué : 4 050 milliards de dollars (Md$) de dépenses IA dans le monde en 2027, soit +47,5 % par rapport aux 2 746 Md$ de 2026. Plus de 1 300 Md$ ajoutés en douze mois, selon Gartner.

Mais le chiffre qui compte vraiment n'est pas le total. C'est la répartition. 59 % de cette somme — 2 397 Md$, en hausse de 53 % — partira dans l'infrastructure : data centers, serveurs, réseau, énergie. En face, les modèles d'IA générative ne pèsent que 51 Md$. Quarante-sept fois moins.

Pourquoi maintenant ? Parce que Gartner a ajouté 413 Md$ à sa prévision 2027 en un seul trimestre, parce qu'il table déjà sur un coup de frein à +28,3 % en 2028, et parce que, dans la même semaine, il rappelait que plus de 3 500 Md$ d'investissements pourraient finir amortis d'ici 2030. L'économie réelle de l'IA ressemble de moins en moins aux démos de lancement. Ce n'est plus une course aux modèles : c'est une industrie lourde.

L'essentiel

• 4 050 Md$ de dépenses IA mondiales en 2027 (+47,5 % vs 2 746 Md$ en 2026), selon Gartner (novembre 2026).
• L'infrastructure IA capte 2 397 Md$, soit 59 % du total (+53 %). Les serveurs IA optimisés, premier segment du marché, atteignent 957,2 Md$ (+81 %).
• Les modèles GenAI ne pèsent que 51 Md$ (+82 %), et les modèles fondations gardent 81 % de ce marché.
• Les agents et assistants IA doublent : 30 Md$ en 2026, 67 Md$ en 2027 — la catégorie à la croissance la plus rapide.
• Gartner a ajouté 413 Md$ à sa prévision en un trimestre, quasiment tous vers l'infrastructure, et prévoit déjà un ralentissement à +28,3 % en 2028.
• En miroir : plus de 3 500 Md$ d'investissements menacés d'amortissement d'ici 2030, et plus de 80 % des neoclouds qui pourraient perdre leur indépendance.

Outils recommandés

Vous n'avez pas 2 400 Md$ de capex ? Rassurez-vous : ce n'est pas la bonne stratégie. La bonne, c'est de louer l'infrastructure que les autres construisent.

Le marché du calcul IA loué — l'IaaS optimisé IA — passera de 66 Md$ en 2027 à 174 Md$ en 2030 selon Gartner (ICTjournal, novembre 2026). C'est la porte d'entrée réaliste pour tout le monde sauf les hyperscalers.

4 050 Md$ en 2027 : le détail qui compte plus que le total

La dépense IA mondiale atteindra 4 050 Md$ en 2027, mais c'est la répartition de ce montant qui raconte l'histoire : l'infrastructure écrase tout, le logiciel progresse, et les modèles restent un marché de niche.

Première lecture : les serveurs IA optimisés deviennent le premier segment du marché, à 957,2 Md$. Gartner attribue cette envolée aux hyperscalers, aux neoclouds et à la « memflation » — la hausse des prix des serveurs tirée par les coûts de la mémoire. On achète plus de machines, et chaque machine coûte plus cher.

Deuxième lecture : le logiciel (649 Md$) et les services (746 Md$) progressent vite, mais nettement moins vite que le matériel. En 2027, l'IA reste une industrie lourde avant d'être une industrie logicielle. Même la cybersécurité IA (86 Md$, +69 %) croît moins vite que les serveurs.

Troisième lecture, la plus révélatrice : sur les 413 Md$ ajoutés à la prévision 2027 en un trimestre, 420 Md$ sont allés à l'infrastructure — et 8 Md$ ont été retirés du logiciel (Software Strategies Blog, 2 novembre 2026). Quand les prévisionnistes révisent, ils révisent vers le béton et le silicium, pas vers le code.

Interrogé par Reuters, via Onvista, John-David Lovelock, chief of research chez Gartner, résume l'état d'esprit : « la demande des utilisateurs évolue plus vite que prévu ». Traduction : même les prévisionnistes courent derrière la courbe.

Pourquoi l'infrastructure avale 59 % du gâteau

Parce que chaque dollar d'IA repose sur du matériel : l'entraînement comme l'inférence tournent sur des serveurs, dans des data centers, alimentés en électricité — et chacun de ces postes devient un gouffre d'investissement.

Premier moteur : la « memflation ». C'est le terme de Gartner pour la hausse des prix serveurs liée à la mémoire — la DRAM et la HBM qui équipent les systèmes d'IA. Résultat : le segment des serveurs IA optimisés bondit de 527,6 Md$ à 957,2 Md$ en un an. Un mélange de volumes en hausse et d'inflation par composant, qui profite aux fabricants et pénalise tous leurs clients.

Deuxième moteur : l'expansion des workloads. Lovelock le souligne dans l'interview à Reuters : les charges d'inférence et d'entraînement s'étendent à des catégories entières d'applications. Chaque requête adressée à un modèle coûte du calcul, donc du capital. L'IA n'est plus un projet de lab, c'est une charge de production.

Troisième moteur : la course aux capacités s'élargit. Les hyperscalers (AWS, Google, Microsoft) ne sont plus seuls à empiler des GPU. ByteDance préparerait 70 Md$ de capex IA en 2026 : la Chine entre de plain-pied dans la bataille de l'infrastructure, comme nous le détailions dans notre analyse du capex chinois. Côté américain, SpaceX et Reflection AI ont scellé un deal de 6,3 Md$ qui fait de Colossus 2 l'« AWS de l'IA », Musk verrouillant l'infrastructure frontier. Quand un constructeur de fusées et un réseau social deviennent des fournisseurs de calcul, c'est que la demande dépasse durablement l'offre.

Et l'opposition aux data centers, très visible aux États-Unis ? Facteur secondaire, selon Lovelock : « quand une porte se ferme, une autre s'ouvre ». Les projets se déplacent, ils ne disparaissent pas.

Les vrais gagnants ne sont pas les labs de modèles

Les grands bénéficiaires des 4 050 Md$ de 2027 ne sont pas ceux qui fabriquent les modèles, mais ceux qui vendent les briques : serveurs, mémoire, énergie, immobilier data center, équipement réseau.

Le rapport est brutal : 2 397 Md$ d'infrastructure contre 51 Md$ de modèles GenAI, soit un ratio de 1 à 47. Pour un dollar dépensé en modèles, quarante-sept partent en tuyaux. Face à cette comptabilité, le récit du « modèle comme produit » tient difficilement.

Même à l'intérieur du marché des modèles, la concentration est sévère. Les modèles spécifiques à un domaine affichent la plus forte croissance (+99 %), mais les modèles fondations conservent 81 % du marché. Concrètement : GPT-5.5 d'OpenAI, Gemini 3.1 Pro de Google ou Claude Opus 4.7 d'Anthropic captent l'essentiel des budgets, et les modèles verticaux se disputent la marge restante.

Mon avis ? On assiste au « moment AWS » de l'IA, mais à l'étage du dessous. Dans les années 2000, les gagnants les plus durables du e-commerce n'étaient pas toujours les boutiques : c'étaient souvent les vendeurs de serveurs et de logistique. En 2027, les gagnants durables de l'IA sont les vendeurs de mémoire, d'électricité et de halls blancs. Les labs de modèles, eux, encaissent des coûts qu'ils ne contrôlent pas — la memflation frappe leurs marges avant celles de leurs fournisseurs.

Agents et assistants IA : la catégorie qui double chaque année

Avec 67 Md$ en 2027 contre 30 Md$ en 2026, les agents et assistants IA forment la catégorie à la croissance la plus rapide de toute la prévision Gartner — et la seule couche logicielle qui double quasiment d'une année sur l'autre.

L'explication tient en une phrase : les entreprises passent des copilotes, qui suggèrent, aux agents, qui exécutent. Les modèles de pointe sont taillés pour ce basculement — GPT-5.5, Claude Opus 4.7 ou Gemini 3 Pro Deep Think sont aujourd'hui évalués d'abord sur des tâches agentiques — et la demande d'entreprise suit : automatiser des processus complets plutôt que rédiger des textes.

Gardons pourtant la tête froide. 67 Md$, c'est une croissance spectaculaire mais un poids modeste : 1,7 % du total. Les agents sont la face visible d'une dépense dont la masse reste enfouie dans l'infrastructure. C'est néanmoins la couche où une PME peut encore capter de la valeur sans milliards de capitaux : les agents s'achètent en abonnement, pas en data center.

C'est d'ailleurs le signal le plus actionnable de tout le communiqué Gartner : le segment qui double est celui où les usages se déploient réellement. Si vous ne devez suivre qu'une seule courbe de cette prévision, suivez celle-là.

2028, le mur : +28,3 % et des amortissements en suspens

Gartner prévoit lui-même le ralentissement : la croissance des dépenses IA passera de 47,5 % en 2027 à environ 28,3 % en 2028. Un freinage net — même si cela représente encore plus de 1 100 Md$ ajoutés en un an.

En parallèle, l'avertissement d'octobre 2026 reste en vigueur et a été confirmé mi-novembre (Yahoo Finance) : si le rythme d'investissement se maintient, plus de 3 500 Md$ d'infrastructure IA pourraient être dépréciés d'ici 2030. Nous détaillons ce scénario et ses mécanismes dans cette analyse.

La comptabilité relayée par ICTjournal (6 novembre 2026) est encore plus sèche. Pour être rentables avec un rendement de 12 % du capital, les data centers IA devraient générer 8 500 Md$ de chiffre d'affaires cumulé d'ici 2030. Or les revenus applicatifs imputables ne dépasseraient pas 3 600 Md$. D'où des dépréciations potentielles supérieures à 4 000 Md$ d'ici 2032.

Les victimes désignées ont un profil : les neoclouds. Plus de 80 % cesseraient d'opérer de manière indépendante d'ici 2030, sous la pression des coûts et faute de modèles économiques différenciés. Lovelock reste sobre : faillite ou rachat. Les hyperscalers, eux, tiennent grâce à leurs revenus annexes — cloud classique, logiciels, publicité — qui absorbent les capex IA.

Nuance importante : ces amortissements ne freineront que peu l'investissement, toujours selon Lovelock. La demande avance plus vite que les pertes, et l'opposition locale aux data centers reste un facteur secondaire. Le mur de 2028 ralentira la croissance, pas la course.

Contexte de marché, enfin : ces prévisions tombent dans un secteur boursier déjà ébranlé par les turbulences autour du scandale Jensen Huang (Yahoo Finance, novembre 2026). La psychologie suit les chiffres, dans les deux sens.

Sans 2 400 Md$ de capex : comment se positionner concrètement

Vous ne construirez pas de data center, et c'est très bien comme ça. La stratégie 2027 tient en trois règles : louer le calcul, miser sur la couche qui double, éviter les fournisseurs fragiles.

Règle 1 — louer, ne pas construire. L'IaaS optimisé IA, le calcul IA facturé à l'usage, passera de 66 Md$ en 2027 à 174 Md$ en 2030 (ICTjournal, novembre 2026). AWS, Azure et Google Cloud couvrent l'essentiel des besoins ; pour héberger l'application autour du modèle, Hostinger fait le travail à partir d'environ 3 € par mois (novembre 2026, vérifiez sur hostinger.com). Le capex des géants, l'opex pour tout le monde : c'est exactement l'asymétrie qu'il faut exploiter.

Règle 2 — miser là où ça double. Les agents et assistants IA (+123 % en 2027) sont le segment où une petite structure peut encore prendre une position : intégration, verticaux métier, automatisation de processus. Le marché des modèles est verrouillé à 81 % par les fondations ; celui des usages agentiques ne l'est pas encore.

Règle 3 — éviter la dépendance aux neoclouds. Quand plus de 80 % d'une catégorie risque de perdre son indépendance d'ici 2030, y bâtir son stack est un pari dangereux. Multi-cloud, contrats courts, portabilité des données : trois précautions qui ne coûtent rien aujourd'hui et tout demain.

Dernier point de vigilance : la memflation ne frappe pas que les hyperscalers. La hausse des prix de la mémoire remonte toute la chaîne, jusqu'aux instances GPU louées à l'heure. Budgétez vos coûts de calcul avec une hypothèse de hausse, pas de baisse.

❌ Erreurs courantes

Erreur 1 : lire 4 050 Md$ comme un chiffre d'affaires

Ce n'est pas ce que l'IA rapporte, c'est ce qu'elle coûte. Les revenus applicatifs imputables plafonneraient à 3 600 Md$ cumulés d'ici 2030, loin des 8 500 Md$ nécessaires pour rentabiliser les data centers (ICTjournal, novembre 2026). La solution : raisonner en coûts et en rendements, jamais en emballement.

Erreur 2 : croire que le marché des modèles est le marché de l'IA

51 Md$ de modèles contre 2 397 Md$ d'infrastructure : un ratio de 1 à 47. Entreprendre, investir ou recruter « en IA » sans regarder où va réellement l'argent, c'est se tromper d'étage. La solution : analyser la chaîne de valeur complète — mémoire, serveurs, énergie, réseau — avant la couche applicative.

Erreur 3 : traiter un neocloud comme un hyperscaler

Les neoclouds n'ont pas les revenus annexes qui absorbent les capex. Plus de 80 % pourraient cesser d'opérer de manière indépendante d'ici 2030 (Gartner, novembre 2026). La solution : contrats courts, portabilité des données, architecture multi-cloud dès le premier jour.

Erreur 4 : projeter la croissance de 2027 sur 2028

Gartner table déjà sur +28,3 % en 2028, contre +47,5 % en 2027. Bâtir un plan de capacité ou un business plan sur la pente actuelle, c'est s'exposer à un mur. La solution : des engagements flexibles et des scénarios à deux vitesses.

❓ Questions fréquentes

Combien le monde dépensera-t-il en IA en 2027 ?

4 050 milliards de dollars, en hausse de 47,5 % par rapport aux 2 746 Md$ dépensés en 2026, selon Gartner (novembre 2026). L'infrastructure en capte 59 %, soit 2 397 Md$, dont 957,2 Md$ pour les seuls serveurs IA optimisés, premier segment du marché.

Qu'est-ce que la « memflation » ?

C'est le terme de Gartner pour désigner la hausse des prix des serveurs tirée par les coûts de la mémoire (DRAM, HBM). Elle explique en partie le bond de 81 % du segment des serveurs IA optimisés en 2027 : les volumes augmentent, mais chaque machine coûte aussi plus cher à produire.

Les agents IA pèsent-ils vraiment 67 Md$ ?

Oui, selon la prévision Gartner de novembre 2026 : 67 Md$ en 2027 contre 30 Md$ en 2026, soit +123 %. C'est la catégorie à la croissance la plus rapide de toute la prévision, portée par le passage des copilotes — qui suggèrent — aux agents, qui exécutent des tâches complètes en entreprise.

Faut-il parler d'une bulle IA ?

Gartner parle plutôt de risque d'amortissements massifs : plus de 3 500 Md$ d'investissements pourraient être dépréciés d'ici 2030, et plus de 4 000 Md$ d'ici 2032 selon les calculs relayés par ICTjournal. Mais l'institution prévoit aussi +28,3 % de croissance en 2028 : un ralentissement, pas un effondrement.

Qui gagne vraiment dans cette économie ?

Les fournisseurs d'infrastructure : fabricants de serveurs, vendeurs de mémoire, énergéticiens, opérateurs de data centers. Les hyperscalers résistent grâce à leurs revenus diversifiés, les neoclouds risquent la faillite ou le rachat, et les labs de modèles ne se partagent qu'un marché de 51 Md$.

Que peut faire une PME avec un budget normal ?

Louer son calcul plutôt que le construire, investir sur la couche agentique qui double chaque année et éviter la dépendance à un fournisseur fragile. Pour héberger les applications autour du modèle, des solutions comme Hostinger démarrent autour de 3 € par mois (novembre 2026).

✅ Conclusion

En 2027, l'IA sera moins une révolution logicielle qu'une industrie lourde de 4 050 Md$ dont près de 60 % partiront en béton, en silicium et en électricité : suivez l'argent, pas les démos. Pour anticiper la suite du feuilleton, poursuivez avec notre analyse des 3 500 Md$ d'infrastructure IA menacés d'amortissement d'ici 2030.