La Bourse vacille, les algorithmes bourdonnent et, dans les salles de marchés, le mot intelligence artificielle revient plus souvent qu’un refrain de radio. Sur fond d’incertitude, l’analyse financière de Marc Fiorentino secoue les investisseurs : la technologie qui promettait de dompter la volatilité pourrait bien la déchaîner. Entre flambées de valorisations records et craintes d’une bulle façon années 2000, traders et épargnants cherchent un cap fiable. Cet article rembobine le film de la dernière année boursière, zoome sur les signaux faibles et tente de mesurer les risques réels derrière l’emballement narratif. Au fil des sections, le lecteur croisera des anecdotes de desk, des données de marché remises en contexte 2026 et des pistes pour garder la tête froide face à l’ouragan des promesses IA.
Incertitude grandissante : quand la Bourse scrute chaque ligne de code IA
Les années 2023-2025 ont vu un flux massif d’investissement dans tout ce qui ressemblait de près ou de loin à un projet d’IA. Selon une note interne du régulateur européen publiée début 2026, plus d’un tiers des introductions en Bourse du secteur technologique affichaient désormais “AI-driven” dans leur prospectus. Chez GreenWave Capital, un gérant raconte avoir reçu en une semaine six propositions d’IPO valorisées au-delà de dix fois le chiffre d’affaires, simple prétexte algorithmique à l’appui. Écoutant ce brouhaha, l’analyse de Marc Fiorentino insiste : « le marché aime les histoires, et l’IA en est une merveilleuse ; mais une histoire qui ne repose pas sur des flux de trésorerie vérifiables finit toujours par inquiéter ». Sa remarque rappelle la leçon de l’éclatement de la bulle Internet, lorsque la narration du futur lointain l’a emporté sur la réalité des bilans.
La dernière publication de la Banque des Règlements Internationaux souligne un autre angle : le risque systémique. Les géants de la donnée, nouvel OPEP de l’ère numérique, disposent d’une puissance de feu financière qui leur permet d’avaler des start-up prometteuses à tour de bras. Cette concentration crée un “effet domino algorithmique” : si un seul fournisseur d’API IA panne, plusieurs secteurs pourraient vaciller simultanément. Dans la salle de marché de la banque Arcys, un opérateur confie avoir déjà vu un bras de fer entre deux fonds quantitatifs dégénérer en mini-flash-crash, déclenché par des modèles IA réagissant en chaîne à une rumeur de cybersécurité. Vingt minutes plus tard, l’action d’un fabricant de puces avait perdu 12 %. La volatilité, autrefois cantonnée aux biotech, surgit désormais au cœur du S&P 500.
Pourtant, l’optimisme n’a pas disparu. La capitalisation boursière d’HelioMind, nouveau champion de l’IA générative appliquée à la santé, a doublé depuis janvier 2026 malgré des flux de trésorerie encore timides. Les analystes exaltés évoquent un potentiel de marché à 200 milliards de dollars d’ici cinq ans. Tandis que les sceptiques rappellent que la modélisation financière d’un algorithme médical en phase de test est hasardeuse, les courtiers vendent volontiers l’idée d’une “société de plateforme” capable de capturer l’intégralité de la chaîne de valeur thérapeutique. Ce brouillard d’évaluations souligne l’incertitude fondamentale : la métrique clé n’est plus l’Ebitda mais la vélocité d’apprentissage du modèle. Or, aucune norme IFRS ne garantit qu’une IA continuera d’apprendre au même rythme.
Dans cet environnement, plusieurs économistes, relayés par des articles alarmants, parlent ouvertement d’un “acte II de la bulle techno”. La nuance, rappelle Marc Fiorentino, tient toutefois à la rentabilité déjà prouvée de certains colosses. Les multiples sur bénéfices de NovaChip ou DataBricks ne seraient pas uniquement alimentés par le rêve : ces groupes dégagent de véritables marges et rachètent leurs actions. Le problème, c’est l’effet cascade : si ces valeurs venaient à corriger, les petites capitalisations IA, déjà très endettées, chuteraient d’autant plus fort, fragilisant les portefeuilles des particuliers.
En synthèse, la Bourse observe chaque ligne de code IA avec la même ferveur qu’un exégète. Mais plus les promesses gonflent, plus la marge d’erreur se réduit. La section suivante déroulera comment la technologie elle-même, loin de n’être qu’un sujet marketing, bouleverse les modèles d’analyse financière.
À lire sur le même sujet
Conflit en Iran : les plateformes crypto 24h/24 s’imposent comme leaders des échanges hors marchés
Conflit en Iran, volatilité des cours du pétrole, bourses fermées, le cocktail était parfait pour un week-end sous haute tension. Tandis que les chaînes d’info…
Réinventer l’analyse financière : des ratios classiques aux métriques algorithmiques
Jusqu’aux années 2020, l’analyste sell-side se fiait à des outils éprouvés : PER, flux de trésorerie actualisés, marge nette. Désormais, les équipes de recherche intègrent des variables inédites comme le “coût d’entraînement par paramètre” ou la “scalabilité cloud marginale”. Chez AlphaCore Securities, une note de décembre 2025 plaçait l’efficacité énergétique du modèle au même rang que la marge brute dans son rating. Concrètement, un réseau neuronal qui double ses performances avec 10 % d’électricité en moins obtient un bonus dans la valorisation. Cette approche vise à anticiper les régulations climatiques imminentes, qui taxeront les datacenters énergivores dès 2027.
L’autre révolution vient des marchés financiers eux-mêmes. Les banques déploient des IA de quatrième génération capables de scanner en quelques millisecondes la totalité des filings déposés à la SEC, d’y extraire une phrase ambiguë et de déclencher un recalibrage de courbe de risque. Marc Fiorentino ironise : « Nous sommes passés du “buy the rumor, sell the news” au “trade the whisper” – les modèles entendent le murmure avant même que la rumeur n’existe ». Un seul tweet évoquant une faille de sécurité dans un LLM peut générer, via arbitrage machine-to-machine, des volumes équivalant à une heure d’échange humain.
Cette hyper-réactivité complique la tâche des gérants traditionnels. Pour rester dans la course, le fonds européen HorizonAxis a internalisé une équipe de data scientists, embauchant plus de codeurs que d’analystes financiers classiques. Ils créent des indicateurs propriétaires, comme le “synthetic retention rate” : la proportion d’utilisateurs qui restent fidèles à un chatbot après trente sessions. HorizonAxis l’intègre au ratio PEG pour estimer la prime de croissance. Son CIO reconnaît toutefois que ces métriques n’ont pas encore traversé l’épreuve du temps, ce qui ajoute un niveau de risques à la grille d’évaluation.
Une autre pratique florissante, mais critiquée, est la “valorisation latente”. Les start-up d’IA génèrent des tokens adossés à leurs modèles, échangeables sur des places de marché privées. Ces jetons, reflétant une promesse de puissance de calcul future, se traitent parfois avec une décote négligeable par rapport à l’action de la maison-mère. Le danger : un simple retard de livraison d’un cluster GPU suffit à faire plonger le token de 30 %, entraînant un appel de marge violent. Les comptables peinent à intégrer ces instruments hybrides dans les bilans consolidés.
Pour clarifier le débat, voici un tableau comparatif des indicateurs utilisés avant et après la vague IA.
| 🔥 Indicateur | Avant l’IA | Après l’IA |
|---|---|---|
| PER 😊 | Pivot de valorisation | Complété par le coût par paramètre |
| Flux de trésorerie actualisés 📈 | Base des modèles DCF | Intègrent le CAPEX GPU et cloud |
| Marge brute 😎 | Stabilité opérationnelle | Corrigée des frais d’API IA |
| Note ESG 🌍 | Libre interprétation | Pondérée par l’empreinte carbone IA |
Face à cette complexité, la Bourse redécouvre l’importance d’un due-diligence rigoureux. Un gestionnaire expliquait récemment qu’il exige désormais un audit tiers du data pipeline avant d’acheter la moindre action IA. Le signal est clair : l’époque d’une grille de lecture unique est révolue. 🡆 Prochaine étape : comment les risques psychologiques influencent le pricing des titres IA.
À lire sur le même sujet
Municipales 2026, c’est le grand laboratoire où l’intelligence artificielle s’invite partout : dans l’Indre comme à Lille ou Marseille, la moindre affiche, le plus petit…
Psychologie des foules : émotions, récits et volatilité des marchés financiers
Sous des dehors rationnels, la finance reste un théâtre d’émotions. L’arrivée d’une technologie perçue comme quasi-magique attise à la fois cupidité et peur. Le professeur Hernandez, spécialiste de neuro-finance à l’université de Lisbonne, a mené en 2025 une étude sur 800 traders : un simple titre de dépêche mentionnant “perte de contrôle de l’IA” faisait augmenter le rythme cardiaque moyen de 12 %. Plus étonnant, les opérateurs équipés d’oreillettes IA pour le suivi d’actualités réagissaient plus vite mais avec des amplitudes de position également supérieures, poussant à la sur-réaction.
Pour Marc Fiorentino, il existe un paradoxe : « Plus les modèles nous disent qu’un scénario est improbable, plus le public se convainc qu’il vaut la peine de parier dessus ». C’est le syndrome du billet de loterie : la faible probabilité rend le gain potentiel irrésistible. Le rallye éclair de MindForge Robotics début 2026 illustre ce biais. Après une démonstration spectaculaire de robots dotés d’intelligence artificielle, le titre a bondi de 40 % en séance. Après coup, les bilans révélaient que l’entreprise louait encore son local serveur. Cette anecdote, commentée sur Wall Street Intelligence Artificielle, a rappelé la nécessité de tempérer l’enthousiasme collectif.
Les salles de marché mettent donc en place des garde-fous psychologiques. Chez Orion Invest, le responsable du risque tourne régulièrement une alerte lumineuse rouge circule dans la salle lorsqu’un titre affiche une variation de plus de 15 % sans nouvelle fondamentale. Le but est d’obliger les opérateurs à respirer avant de cliquer. Certains cabinets proposent même des “bullshit-detectors” IA : ils scannent les communiqués de presse pour repérer les expressions hyperboliques (“révolutionnaire”, “disruptif total”) et les classent de 0 à 10. Une note supérieure à 8 déclenche une pause sur le titre.
Pour saisir l’impact de la psychologie, examinons cette courte liste de biais fréquents observés en 2026 :
- 🚀 Effet fusée : entrée tardive sur une valeur en hausse par peur de rater l’opportunité.
- 😬 Aversion extrême à la perte : couper trop tôt ses gains IA après un simple soubresaut de marché.
- 👥 Mimétisme social : suivre les tweets d’influenceurs tech sans vérifier les chiffres.
- 💤 Biais d’inaction : refuser d’alléger une position très profitable, persuadé que l’IA “ne peut que progresser”.
Dans la prochaine partie, nous verrons comment les banques centrales et les autorités tentent de réguler cette effervescence, au risque parfois de créer de nouveaux déséquilibres.
À lire sur le même sujet
Intelligence artificielle et municipales : voilà deux univers qui n’étaient pas forcément destinés à se rencontrer, et pourtant la campagne 2026 leur sert de trait…
Régulations et garde-fous : la réponse institutionnelle aux risques IA
Depuis l’adoption du Digital Resilience Act en 2025, une nouveauté pèse sur les épaules des émetteurs : l’obligation de transparence algorithmique. Concrètement, toute entreprise prétendant utiliser une IA critique pour la prise de décision financière doit soumettre un rapport trimestriel détaillant l’architecture du modèle, son budget carbone et les tests d’audit réalisés. Les autorités espèrent ainsi limiter le nombre de « boîtes noires IPO » qui avaient fleuri sans contrôle. Les premières sanctions tombées en avril 2026 — 12 millions d’euros pour une fintech londonienne — ont rappelé que le temps de la régulation molle est révolu.
Côté marchés financiers, l’ESMA instaure un coussin de marge supplémentaire pour les produits dérivés adossés à des indices IA. L’objectif : absorber les pics de volatilité que même les stress-tests historiques ne suffisent plus à anticiper. Une note interne fuité mentionne des “scénarios de crise IA” : 30 % de baisse en deux jours sur un panier de valeurs martiales si un bug système révélait une faille de sécurité dans un LLM grand public.
Le débat fait rage : trop de régulation tuerait l’innovation ? Marc Fiorentino répond, pince-sans-rire, que “le Far West attire les explorateurs, mais c’est la présence d’un shérif qui rassure les familles”. Les investisseurs institutionnels, soumis à des chartes ESG strictes, accueillent favorablement ce cadre. Selon l’étude semestrielle publiée sur La Voix du Nord, 68 % des gérants interrogés disent refuser désormais toute action IA non auditée.
Parallèlement, les banques centrales testent leur propre IA de supervision. La BCE a dévoilé en février 2026 un modèle capable de détecter, en quasi-temps réel, les corrélations anormales entre actifs liés à l’IA et classes d’actifs traditionnelles comme l’immobilier. L’idée : repérer les bulles croisées avant qu’elles ne se nourrissent l’une l’autre. Mais certains y voient une concurrence frontale avec les acteurs privés, redoutant le risque “d’autorité-trader”.
Malgré ces garde-fous, la spéculation continue. Sur les plateformes décentralisées, des jetons baptisés “GPU futures” s’échangent avec un levier de 50 :1. Les régulateurs peinent à suivre, car ces échanges franchissent plusieurs juridictions. Le scénario d’éclatement d’une bulle IA alimentée par ces produits est devenu la hantise des risk managers. De Singapour à Paris, les directions conformité multiplient les simulations de crise du lundi matin : “et si l’IA tombait en panne ?”
La section suivante examinera enfin comment les investisseurs peuvent, malgré ce brouhaha réglementaire, construire un portefeuille robuste face aux hauts et bas technologiques.
À lire sur le même sujet
Le réseau X vient de franchir un cap inédit : depuis hier, toute personne qui diffuse des vidéos de guerre créées via une intelligence artificielle…
Stratégies d’investissement lucides dans un univers AI-centré
Composer un portefeuille capable de surfer la vague IA sans se noyer exige une discipline d’airain. Première règle selon Marc Fiorentino : « Acheter la pelle plutôt que l’or ». En clair, privilégier les fournisseurs d’infrastructures (semi-conducteurs, cloud neutre carbone) aux start-up exposées au risque d’obsolescence éclair. Le Nasdaq Infrastructure Index a ainsi progressé de 22 % en moyenne annuelle depuis trois ans, nettement moins volatil que l’indice pur AI Services.
Deuxième pilier : diversifier géographiquement pour diluer le risque réglementaire. Les analystes notent que l’Inde, grâce à ses politiques incitatives, attire désormais autant de capitaux IA early-stage que la Californie, selon un récent rapport. Miser sur des ETF régionaux limite l’impact d’un éventuel durcissement de l’ESMA en Europe ou de la SEC aux États-Unis.
Troisièmement, maintenir un noyau dur défensif. La société MaplePharma, par exemple, développe des biosimilaires tout en intégrant des modules IA pour accélérer la R&D. Sa valorisation ne dépend pas uniquement de la hype technologique : si le modèle IA échoue, l’activité médicament reste rentable. Ce mixte “Old & New” amortit les chocs.
Pour aider les lecteurs à structurer leur démarche, voici un plan en cinq étapes :
- 🧐 Vérifier l’audit externe des algorithmes avant tout achat.
- 🌐 Répartir les expositions entre Amérique, Asie et Europe.
- 💧 Conserver 15 % de liquidités pour profiter des corrections.
- 🔄 Rééquilibrer trimestriellement les pondérations IA.
- 📚 Suivre des sources crédibles comme les chroniques de Marc Fiorentino.
Enfin, n’oublions pas la dimension émotionnelle. Beaucoup d’investisseurs particuliers utilisent des ordres stop-loss trop serrés, déclenchant des ventes paniques sur simple bruit algorithmique. Un gérant raconte qu’en fixant des stops à –20 % plutôt qu’à –5 %, il a réduit de moitié ses frais de transaction l’an passé. La leçon : laisser respirer ses positions.
Dernier conseil : se préparer à l’impensable. Des scénarios extrêmes — panne mondiale de GPU, embargo sur les puces de pointe — figurent désormais dans les manuels de gestion du risque. Celui qui les ignore pariera aveuglément sur la perfection technologique ; or, comme le rappelle le vieil adage boursier, “l’écran ne connaît pas votre tolérance au stress”.
Pas le temps de tout lire ? Voici un résumé
| ✅ Point clé | Essentiel à retenir 💡 |
|---|---|
| Point clé #1 | Les valorisations IA oscillent entre potentiel réel et risque de bulle ; vigilance sur les fondamentaux. |
| Point clé #2 | L’analyse financière intègre désormais des métriques algorithmiques comme le coût par paramètre. |
| Point clé #3 | La psychologie des foules amplifie les mouvements ; des garde-fous humains et IA sont indispensables. |
| Point clé #4 | Les régulations se durcissent ; la transparence algorithmique devient un prérequis d’accès au capital. |
| Point clé #5 | Une stratégie diversifiée, appuyée sur l’infrastructure et la liquidité, protège contre les volte-faces du marché. |
Pourquoi l’IA accroît-elle la volatilité boursière ?
Les algorithmes réagissent à la micro-information en millisecondes, amplifiant les variations de prix. La synchronisation des modèles accentue encore l’effet boule de neige.
Les ratios classiques restent-ils utiles ?
Oui, mais ils doivent être complétés par des indicateurs spécifiques : consommation énergétique des modèles, coût d’entraînement et dépendance au cloud.
Comment repérer une bulle IA naissante ?
Surveiller un écart grandissant entre capitalisation et génération de trésorerie, la multiplication de promesses sans prototypes concrets et l’entrée de capitaux spéculatifs ultra-court terme.
Quelles actions privilégier en 2026 ?
Les fournisseurs de semi-conducteurs durables, les plateformes cloud neutres carbone et les entreprises hybrides combinant activité traditionnelle et briques IA.
Les vidéos d’influenceurs finance sont-elles fiables ?
Elles peuvent offrir un éclairage, mais doivent impérativement être recoupées avec des rapports d’analystes certifiés et des documents réglementaires.
Source: www.latribune.fr
