L’IA physique : la nouvelle thèse d’investissement qui sort l’intelligence artificielle de l’écran
Pendant trois ans, le récit de l’IA s’est joué presque exclusivement sur les écrans. Les grands modèles de langage, les copilotes d’entreprise, et les hyperscalers ont empilé les data centers. NVIDIA est devenu le symbole de ce boom, avec une capitalisation boursière dépassant les 4 500 milliards de dollars, tandis que les hyperscalers investissaient massivement dans l’infrastructure de calcul.
Table des matières
Une nouvelle question s’impose : que se passe-t-il quand l’IA quitte l’écran ?
Cette transition donne naissance à l’« IA physique » (Physical AI) : une intelligence artificielle déployée dans des systèmes du monde réel, tels que la robotique, les véhicules autonomes, et l’automatisation industrielle. Selon le cabinet d’études de marché MarketsandMarkets, le marché mondial de l’IA physique devrait connaître une croissance rapide, passant de 1,5 milliard de dollars cette année à 15,2 milliards de dollars d’ici 2032. Les premiers revenus devraient provenir principalement de la robotique industrielle et de l’automatisation logistique.
L’intérêt pour la robotique augmente, non seulement auprès des sociétés de capital-risque, mais aussi des gouvernements et des fonds souverains. Les investissements en capital-risque dans le secteur de la robotique ont atteint 8,8 milliards de dollars au deuxième trimestre 2025, selon Barclays, représentant une multiplication par 15 depuis 2017.
Cette transition pourrait nécessiter des investissements physiques massifs, en complément de l’intelligence logicielle, car les usines, robots, et systèmes logistiques autonomes requièrent des infrastructures importantes.
Qu’est-ce que l’IA physique, précisément ?
L’IA physique désigne des systèmes capables de percevoir leur environnement via des capteurs, de raisonner grâce à des modèles d’IA, et d’agir physiquement. Cela implique une intégration technologique complexe comprenant trois couches :
- La modélisation 3D et les jumeaux numériques pour simuler des environnements physiques.
- Les world models qui prédisent l’évolution de l’environnement.
- Les technologies de contrôle traduisant les décisions de l’IA en actions physiques.
La convergence des courbes
Trois ruptures majeures ont changé la donne :
- Les LLM ont amélioré le raisonnement machine et la compréhension multimodale.
- Les environnements de simulation permettent un entraînement « sim-to-real » à grande échelle.
- L’infrastructure GPU a évolué plus rapidement que prévu.
Le marché de l’IA physique illustre une rotation rapide des centres de gravité technologiques, avec Nvidia dominant en 2023 et Tesla attirant l’attention sur la conduite autonome en 2024.
La chaîne de valeur
L’IA physique n’est pas un secteur unique, mais une pile technologique verticale. Chaque couche présente des dynamiques concurrentielles et des rentabilités variées :
- Semi-conducteurs et compute edge : GPU, FPGA, ASIC, et processeurs pour l’inférence.
- Modèles de fondation et world models : Environ 6 milliards de dollars ont été investis dans ce domaine au premier trimestre 2026.
- Données et simulation : L’infrastructure de données devient un avantage déterminant.
- Intégrateurs et fabricants : Les acteurs historiques contrôlent plus de 50% du marché installé.
- Applications verticales : Segmentées par secteur, cette couche est la plus visible mais souvent moins rentable.
La géographie de la compétition
L’issue concurrentielle de l’IA physique dépend de plusieurs facteurs, notamment la capacité manufacturière et l’intelligence des modèles de fondation. Quatre pôles principaux se distinguent :
- États-Unis : Leadership sur la couche d’intelligence.
- Chine : Domination industrielle, avec près de 90% des robots humanoïdes vendus en 2025.
- Europe : Avantage de la confiance certifiée et de la densité de déploiement.
- Japon : Densité robotique opérationnelle la plus élevée au monde.
Conclusion
L’histoire de l’investissement en IA évolue vers l’exécution. En 2026, les investisseurs devraient se concentrer sur les résultats mesurables. L’IA physique représente une opportunité significative, avec des jalons clés à surveiller dans les prochaines années. Si ces jalons se concrétisent d’ici 2028, l’IA physique pourrait devenir le principal vecteur de productivité macroéconomique de la décennie.
Source : MarketsandMarkets, Barclays
