Création de valeur vs captation de valeur

En résumé

• Les technologies de rupture ne génèrent pas toujours des rendements de placement exceptionnels.
• La question essentielle pour l’intelligence artificielle (IA) n’est pas de savoir combien de valeur elle crée, mais plutôt où cette valeur est captée.
• La gestion active pourrait gagner du terrain à mesure que les investisseurs feront la distinction entre les entreprises qui tirent réellement profit de l’IA et celles qui se contentent d’en financer le développement, de la rendre possible ou d’en offrir les avantages sans en tirer pleinement les retombées économiques.

L’une des tâches les plus difficiles pour les investisseurs consiste à distinguer l’utilité d’une technologie de la pérennité des bénéfices réalisés par les entreprises qui la développent. L’histoire regorge d’innovations qui ont changé la société, mais qui ont déçu les actionnaires.

L’électricité est peut-être l’exemple le plus parlant. Elle a transformé les usines, les foyers, le transport et les communications. Thomas Edison a contribué à créer une valeur considérable. Toutefois, une grande partie de cette valeur a profité directement aux ménages, aux fabricants, aux villes, aux travailleurs et aux consommateurs. La société a capté le surplus.

Concernant Internet, l’histoire était différente, du moins pour un petit groupe de sociétés. Amazon, Google, Netflix et d’autres ont su mettre en place des modèles d’affaires leur permettant de capter cette valeur. Ces entreprises maîtrisaient la relation avec leur clientèle, contrôlaient leurs canaux de distribution et bénéficiaient d’un avantage concurrentiel grâce à leurs données, tout en voyant leurs coûts diminuer à mesure que leur utilisation augmentait. Plus ces plateformes attiraient d’utilisateurs, plus leur modèle économique devenait performant.

Cette distinction est importante, car les investisseurs ne détiennent pas les gains de productivité. Ils détiennent les flux de trésorerie.

L’IA créera presque certainement de la valeur. Elle peut aider les gens à rédiger, à coder, à rechercher, à concevoir, à analyser et à prendre des décisions plus rapidement. Elle pourrait également réduire le coût de nombreuses tâches cognitives et permettre la création de nouveaux produits. La question n’est pas de savoir si l’IA crée de la valeur. La question est de savoir qui en capte les retombées.

Pour les modèles d’IA de pointe, la réponse n’est pas encore claire.

Le secteur technologique n’est plus un secteur à faible intensité de capital

Le premier défi est le coût. Contrairement aux plateformes logicielles des années 2010, l’IA de pointe ne repose plus sur des modèles d’affaire à faible intensité de capital. Elle peut vivre dans le nuage, mais ce nuage se trouve au sol. L’IA a besoin de centres de données, de semi-conducteurs, de mémoire, d’équipement de réseau, d’électricité, de systèmes de refroidissement, de terrains, de permis, de main-d’œuvre qualifiée et d’énormes capitaux. L’entraînement des modèles d’IA coûte cher. Leur exploitation est également coûteuse. Même si chaque demande est numérique, elle consomme tout de même des ressources physiques.

Il en résulte un profil économique différent de celui que de nombreux investisseurs associent traditionnellement au secteur des technologies. Les sociétés Internet 2.0 ont souvent profité d’un puissant levier d’exploitation : une fois la plateforme mise en place, chaque utilisateur additionnel pouvait être desservi à un coût marginal très faible. Certains modèles d’IA de pointe pourraient faire face à l’inverse : une utilisation accrue pourrait signifier plus de puissance de calcul, plus de mémoire, plus d’électricité et plus de coûts. L’effet d’échelle peut accroître les revenus, mais il peut aussi augmenter le coût des produits vendus.

Quand « assez bon » est suffisant

Le deuxième défi est la différenciation. Les clients ne paient pas toujours pour la meilleure technologie. Ils paient pour la technologie qui est « assez bonne » pour le travail à accomplir à un prix acceptable.

Si un résumé juridique, un test logiciel, un projet de marketing ou une réponse du service à la clientèle peuvent être traités par un modèle moins coûteux, bon nombre de clients ne paieront pas le prix d’un modèle de pointe pour obtenir des performances de pointe. Ils se tourneront vers des solutions de remplacement. Le jeton peut sembler une abstraction numérique, mais son prix constitue un véritable signal économique. Il indique aux utilisateurs que la puissance de calcul, la bande passante mémoire, l’énergie et la capacité d’inférence sont des ressources limitées. Lorsque les prix augmentent ou que les contraintes budgétaires deviennent plus apparentes, les utilisations à faible rendement migrent vers des modèles moins chers ou plus efficaces. Les modèles les plus chers sont alors réservés aux problèmes pour lesquels les bénéfices justifient réellement le coût.

Cela ne signifie pas que l’IA de pointe va échouer, mais cela signifie que le marché pourrait se scinder. Les modèles les plus avancés pourraient être utilisés pour des travaux complexes et de grande valeur, tandis que les systèmes plus petits, moins chers et plus spécialisés serviraient à l’utilisation quotidienne. L’adoption peut augmenter alors que le pouvoir de fixation des prix diminue. L’utilisation peut exploser alors même que la captation de valeur s’avère décevante. C’est là une possibilité inconfortable que les investisseurs doivent prendre en compte.

Un autre enjeu concerne le pouvoir de négociation. Si l’IA permet aux entreprises clientes de réduire leurs coûts, la concurrence pourrait les obliger à transférer une partie de ces économies à leurs propres clients. Si l’IA dépend de ressources rares, comme les puces, la mémoire et l’énergie, ce sont les fournisseurs de ces ressources qui pourraient capter la valeur économique. Si les résultats générés par l’IA sont intégrés à l’application d’un tiers, c’est le propriétaire de ce flux de travail qui pourrait capter la valeur créée. Si les modèles convergent sur le plan de la qualité, les clients pourront mettre les fournisseurs en concurrence les uns avec les autres. L’IA crée de la valeur, mais les fournisseurs de modèles de pointe pourraient ne pas en conserver une part importante.

C’est pourquoi cette distinction a son importance. Une société peut contribuer à changer le monde et demeurer un piètre placement si elle ne dispose pas d’un pouvoir de fixation des prix, d’une maîtrise de la relation client, de données différenciatrices, d’un contrôle sur ses canaux de distribution ou d’une économie unitaire favorable.

Où la valeur pourrait-elle être captée? 

Nous croyons que la valeur est plus susceptible d’être captée par les entreprises qui contrôlent des intrants rares, qui possèdent des flux de travail fiables, qui détiennent des données exclusives, qui répondent à des cas d’usage critiques ou qui disposent d’un réseau de distribution leur permettant d’intégrer l’IA au sein de relations clients existantes.

Le risque peut être plus élevé pour les entreprises qui dépensent beaucoup pour rester concurrentielles, mais qui ne peuvent pas rentabiliser ces dépenses. Ces sociétés ont beau adopter l’IA, la financer ou commercialiser des produits estampillés « IA », elles risquent tout de même de céder une grande partie des bénéfices à d’autres. Ce n’est pas un problème d’ordre technologique. C’est un problème de modèle d’affaires.

Conclusion

Le marché débat encore de l’ampleur que prendra l’IA. Nous pensons que c’est la question la plus facile. La question la plus difficile et la plus importante est de savoir comment le surplus de valeur sera réparti.

Les indices de référence ne font pas de distinction entre les sociétés qui créent de la valeur et celles qui la captent. Ils regroupent indistinctement des concepteurs de modèles d’IA fortement capitalistiques, des fournisseurs de ressources rares, des entreprises propriétaires de flux de travail, des bénéficiaires de l’IA et des entreprises qui pourraient en subir les effets négatifs. La gestion active permet de soulever une autre question : il ne s’agit pas simplement de savoir quelles entreprises sont exposées à l’IA, mais plutôt de déterminer lesquelles verront leur modèle économique réellement s’améliorer grâce à elle.

L’IA peut devenir l’une des technologies les plus déterminantes de notre époque, mais la création de valeur appartient à la société. La captation de valeur revient aux propriétaires des entreprises. L’écart entre les deux pourrait définir la prochaine phase de rendement des actions.

Les renseignements ci-dessus de même que les sociétés ou les titres mentionnés ne doivent pas être considérés comme des conseils en placement, des recommandations d’achat ou de vente d’un titre ou une indication des opérations prévues à l’égard de tout produit de placement de MFS. 

Tous les placements comportent certains risques, notamment la possibilité de perdre le capital investi.

Les points de vue exprimés sont ceux du ou des auteurs et peuvent changer sans préavis. Ils sont fournis à titre indicatif seulement et ne doivent pas être considérés comme une recommandation d’achat d’un titre, une sollicitation ou un conseil en placement. Les prévisions ne sont pas garanties. Le rendement passé n’est pas garant du rendement futur.