⚡️ L'électricité ne sert à rien !

Ici Yoann, j’espère que vous allez bien.

🦄 Avant de commencer, on entre bientôt dans une nouvelle ère Snowball (lancement de nos propres produits d'investissement comme l'assurance vie et le PEA, développement de Money Buddy, notre copilote financier, etc.) et dans ce cadre, nous levons 1,5 million d'euros.

La levée est déjà sursouscrite (la demande surpasse l'offre) au niveau des intentions, donc nous fonctionnerons avec un système de "premier arrivé-premier servi" pour les personnes qui auront rempli ce formulaire avec leur intention d'investissement en priorité. Aucune obligation évidemment une fois que le formulaire est rempli, mais vous recevrez en priorité le lien pour investir et lire notre mémo/deck d'investissement détaillé.

🍿 Ensuite, je voulais vous rappeler qu'on organise un nouveau SnowTalk le 12 novembre à 19 h (replay disponible si vous n'êtes pas dispos) dans lequel on va parler d'un investissement alternatif intéressant et à impact qui permet d'obtenir jusqu'à 8,5 % d'intérêt sur 48 mois en investissant dans des vélos et des trottinettes.

Ceci étant dit, on va maintenant parler d'un sujet que j'adore sous un prisme théorie économique : l'innovation. Vous allez comprendre.

Yoann ❤️

Récemment, le Chief Economist d'Apollo, un des plus gros fonds au monde, a partagé ces graphiques qui nous montrent que l'IA a peu d'impact sur les revenus, les bénéfices et la productivité des entreprises en dehors de la tech :

Vous utilisez peut-être l'IA tous les jours, vos collègues aussi, les boîtes y dépensent des centaines de milliards. Et pourtant, dans les comptes des entreprises comme dans les statistiques nationales, l'effet reste difficile à trouver (for now). Pourquoi ?

On va parler d'un économiste célèbre qui a bien théorisé ces sujets d'innovation et de croissance : Robert Solow. Un nom que vous entendez dès la première année de licence en économie.

En juillet 1987, un mois après ma naissance, l'économiste Robert Solow, prix Nobel pour ses travaux sur la croissance, publie une critique de livre dans le New York Times Book Review. Il y glisse une phrase qui va faire du bruit :

Pour rappel, la productivité, c'est ce qu'un pays produit par heure travaillée. C'est le moteur numéro un de la hausse des salaires et du niveau de vie sur le long terme.

Or, à l'époque, les entreprises américaines s'équipent massivement en ordinateurs, et la productivité ralentit. Elle progressait d'environ 2,8 % par an entre 1947 et 1973. Elle tombe autour de 1,5 % par an entre 1973 et 1995.

Les économistes appellent ça le paradoxe de Solow. Il a fallu attendre la seconde moitié des années 1990 pour que les ordinateurs se voient enfin dans les chiffres.

Presque 40 ans plus tard, le même paradoxe semble revenir avec l'IA. Chez Uber, le directeur des opérations reconnaît publiquement qu'il est très difficile de relier les dépenses en IA à un surcroît réel de fonctionnalités livrées. Ouch, ça fait mal. Pas du tout le même discours que les influenceurs LinkedIn ou TikTok qui vous vendent des gains stratosphériques de productivité.

❓ En quoi ça vous concerne : ben, une bonne partie de la valeur des grands indices boursiers repose aujourd'hui sur la promesse de l'IA. Si cette promesse met plus de temps que prévu à se matérialiser, ce sont vos ETF Monde et autres qui le sentiront. Comprendre pourquoi les gains tardent vous aide à garder la tête froide, dans un sens comme dans l'autre.

Avant de passer à la suite, place à notre deuxième partenaire du jour qui pourrait fortement intéresser les personnes qui investissent en bourse dans des actions et ETF :

En 1990, l'historien de l'économie Paul David publie un court article devenu culte : The Dynamo and the Computer. Selon lui, le paradoxe de Solow n'a rien de nouveau, car l'électricité a vécu exactement la même chose un siècle plus tôt.

Remontons un peu dans le temps : l'ampoule d'Edison date de 1879, les premières centrales électriques de New York et Londres de 1881. Pourtant, en 1899, donc 20 ans après l'ampoule, l'électricité éclaire à peine 3 % des logements américains. Et les moteurs électriques représentent moins de 5 % de la force motrice des usines du pays. Il faut attendre le début des années 1920 pour que la moitié des machines industrielles tourne à l'électricité (à peine la moitié !).

C'est seulement à ce moment-là que la productivité décolle. Selon l'étude de référence de l'ingénieur Warren Devine, la production par heure travaillée dans l'industrie américaine progressait de 1,3 % par an avant 1919. Elle passe à 3,1 % par an ensuite. Vu que je suis bon en maths, je peux dire qu'entre l'invention et le gain réel de productivité, il s'est écoulé une quarantaine d'années.

Et Paul David fait une super remarque en 1990 quand il dit qu'on se trouve à la même distance de l'invention du microprocesseur (1970) qu'un observateur de 1900 l'était de l'ampoule d'Edison.

En gros, selon lui, le retard de l'informatique n'a rien d'anormal. Et l'histoire lui donne raison, car la productivité américaine remonte autour de 2,5 % par an entre 1995 et 2004. En 2000, Solow lui-même reconnaît dans le New York Times qu'on voit désormais les ordinateurs dans les statistiques de productivité.

En 2021, trois économistes, Erik Brynjolfsson, Daniel Rock et Chad Syverson, donnent un nom et un modèle à ce phénomène : la courbe en J de la productivité.

Une technologie à usage général (les économistes parlent de general purpose technology) est une technologie qui transforme toute l'économie, pas un seul secteur. La roue, la machine à vapeur, l'électricité, l'informatique en font partie. L'IA en est très probablement une autre (même si ça reste encore à prouver, mais peu de doute selon moi).

Et ces technologies exigent des investissements complémentaires, souvent immatériels : former les équipes, revoir les processus, inventer de nouveaux métiers, réorganiser les services, etc. C'est un sacré bordel et ces dépenses coûtent beaucoup de temps et d'argent, mais les statistiques nationales ont beaucoup de mal à les mesurer.

Résultat : au début, la productivité mesurée baisse. L'entreprise dépense, mais ce qu'elle construit ne se voit nulle part. Puis, quand ces investissements portent leurs fruits, la productivité mesurée remonte, et souvent plus vite que la réalité. Ça ressemble donc à une sorte de J.

Les trois chercheurs ont recalculé la productivité américaine en intégrant ces investissements invisibles liés aux logiciels et au matériel informatique. Fin 2017, elle était 15,9 % plus élevée que ce que disaient les chiffres officiels. Leur conclusion sur l'IA, à l'époque (qui à l'époque était à des années-lumière de là où nous en sommes) : un effet encore petit, mais qui grossit.

Pour comprendre pourquoi l'électricité a mis si longtemps, il faut entrer dans une usine de 1890, selon Azeem Azhar d'Exponential View :

• à l'époque, une usine tourne grâce à une énorme machine à vapeur ;
• elle entraîne un arbre métallique qui court au plafond tout le long du bâtiment ;
• des courroies descendent de cet arbre vers chaque machine ;
• tout tourne en même temps, à la même vitesse ;
• on empile les étages autour du moteur pour limiter les pertes.

Du coup, toute l'organisation de l'usine obéit aux contraintes de la machine à vapeur et de sa mécanique et c'est sacrément chaotique à l'intérieur :

L'électrification se fait en trois temps.

• L'ampoule. On éclaire l'atelier à l'électricité. C'est plus sûr et plus propre que le gaz, mais la façon de produire ne change pas.
• Le moteur par groupe. On remplace la machine à vapeur par un gros moteur électrique, qui entraîne toujours les mêmes arbres et les mêmes courroies. On économise du charbon, on garde l'usine telle quelle. C'est moins cher, donc c'est ce que font la plupart des industriels jusqu'à la Première Guerre mondiale.
• Un moteur par machine. Chaque machine reçoit son propre petit moteur. Plus besoin d'arbre au plafond : on construit des usines sur un seul niveau et on dispose les machines dans l'ordre de fabrication. C'est cette logique qui rend possible la chaîne de montage de Ford à Highland Park, à partir de 1913.

Il faut savoir que le gain de productivité arrive seulement à la troisième étape. Il naît de tout ce qu'on a reconstruit autour du moteur : les bâtiments, les flux de pièces et les métiers.

Paul David note aussi qu'un événement extérieur a accéléré le mouvement : la Première Guerre mondiale. Why ? Les restrictions sur l'immigration ont rendu la main-d'œuvre plus rare, et ont donc poussé les industriels à repenser leurs usines.

Azeem Azhar a donc appliqué cette grille à l'IA, et elle colle plutôt bien, je dirais. Aujourd'hui, la plupart des entreprises en sont à l'ampoule : chaque salarié écrit ses mails et son code plus vite (et encore, dans plein de boîtes, ce n'est pas du tout le cas), mais c'est à peu près tout.

Certaines passent au moteur par groupe avec des agents IA qui gèrent un service entier, comme le support client ou le recrutement.

Mais les circuits de décision, eux, n'ont quasiment pas bougé. Le travail produit plus vite s'entasse donc devant les mêmes validations. Une dirigeante tech qu'il cite résume la situation : chez elle, 1 + 1 + 1 + 1 = 1,5.

L'analogie avec l'électricité a une petite faiblesse selon moi (et certains économistes) : elle permet de tout justifier. Si les gains ne viennent pas, il suffit de dire qu'il faut attendre.

En effet, Daron Acemoğlu, prix Nobel 2024, estime que l'IA augmenterait la productivité globale des facteurs (la part de la croissance qui ne vient ni de plus de capital ni de plus de travail) d'au maximum 0,66 % au total sur dix ans aux États-Unis. C'est réel, mais très, très loin d'une révolution. Robert Gordon rappelle de son côté que le rebond lié à l'informatique n'a duré qu'une dizaine d'années, de 1995 à 2004.

Mais d'un autre côté, l'IA se diffuse bien plus vite que la dynamo et l'électricité : pas d'usine à reconstruire et un logiciel s'installe en quelques clics. Le délai pourrait donc être beaucoup plus court que 40 ans. Personne ne connaît la bonne réponse aujourd'hui. Wait and see.

Si les gains de l'IA arrivent tard, reste à comprendre ce que font les marchés pendant l'attente. Sur ce point, l'économiste vénézuélienne Carlota Pérez offre la grille la plus utile.

Dans Technological Revolutions and Financial Capital (2002), Carlota Pérez montre que chaque grande révolution tech depuis la fin du XVIIIe siècle suit le même enchaînement.

• La phase d'installation. Les capitaux affluent pour construire la nouvelle infrastructure : canaux, voies ferrées, réseaux électriques, câbles internet. L'enthousiasme dépasse la demande réelle et finit en bulle : la canal mania des années 1790, la railway mania britannique des années 1840, les années folles avant 1929, la bulle internet de 2000.
• Le retournement. La bulle éclate. Les attentes des investisseurs rejoignent la réalité, souvent dans la douleur.
• La phase de déploiement. L'infrastructure construite (souvent à perte pour ses premiers financeurs) se diffuse dans toute l'économie. C'est là que les gains de productivité se matérialisent pour de bon.

On retrouve la courbe en J, vue cette fois depuis la bourse. Pendant que les entreprises investissent sans encore récolter, les marchés parient sur la récolte future. Et ils ont tendance à parier trop tôt et trop fort. Classique et normal.

Le 27 mars 2000, le fabricant d'équipements réseau Cisco devient brièvement l'entreprise la plus valorisée du monde, avec plus de 500 milliards de dollars de capitalisation boursière.

Les investisseurs avaient raison sur le fond : internet allait bien tout changer, et Cisco en fabriquait les tuyaux. Pourtant, l'action perd environ 90 % de sa valeur dans le krach qui suit. Elle ne retrouve son record de 2000 que le 10 décembre 2025, plus de 25 ans plus tard, et encore sans tenir compte de l'inflation. L'indice NASDAQ 100, lui, met plus de quinze ans à revenir à son sommet. Quinze ans !

Pendant ce temps, une partie de la valeur créée par internet a été captée par des entreprises qui existaient à peine en 2000. Google n'entre en bourse qu'en 2004 par exemple et Meta encore plus tard.

❓ En quoi ça vous concerne : avoir raison sur une technologie ne suffit pas à gagner de l'argent avec. Le prix payé compte autant que la vision. Et il est très difficile de savoir à l'avance qui captera la valeur. Ce sera peut-être celles et ceux qui construisent l'infrastructure, peut-être des acteurs qui n'existent pas encore… Pour un investisseur particulier, cette incertitude plaide pour la diversification plutôt que pour le pari concentré sur quelques actions (et je n'arrête pas de vous le répéter ici). Un ETF Monde contient déjà les géants de l'IA, mais aussi les milliers d'entreprises qui profiteront peut-être de la phase de déploiement. Vous n'avez pas besoin de deviner qui gagne pour profiter de la révolution, ni de tout vendre parce qu'un krach est possible.

Je suis persuadé que l'IA est une vraie technologie à usage général, du même calibre que l'électricité. Je la vois à l'œuvre tous les jours chez Snowball. Nous avons créé un SnowBrain qui nous permet de mettre en commun énormément de savoir, l'équipe tech/produit peut sortir des fonctionnalités bien plus rapidement qu'avant, je peux faire des recherches qui nécessiteraient plusieurs emplois à temps complet pour écrire mes newsletters…

Mais je crois aussi que la plupart des gens sous-estiment le temps qu'il faudra pour que ça se voie dans les résultats de la majorité des entreprises et pas que dans la tech. Changer un outil prend une semaine. Changer la façon dont une entreprise décide prend des années, parce que ça touche aux postes, aux habitudes et au pouvoir (et on le sait, le pouvoir a une inertie énorme). L'histoire de la dynamo nous dit qu'il va falloir être un peu patient. Mais combien de temps ? Personne ne sait vraiment.

Cette patience vaut aussi pour votre portefeuille. Les marchés ont tendance à anticiper la récolte bien avant qu'elle arrive, et à le payer un peu trop cher.

Je ne sais pas si nous sommes dans une bulle. Personne ne le sait vraiment, et ceux qui l'affirment avec certitude, dans un sens ou dans l'autre, vendent souvent quelque chose derrière. Ce que je sais, c'est qu'une stratégie diversifiée et régulière n'a pas besoin de deviner la date du prochain krach et peut le traverser l'esprit tranquille.

En tout cas, on va surveiller de près les chiffres de productivité publiés chaque trimestre aux États-Unis par le Bureau of Labor Statistics. Si la courbe en J est la bonne lecture, c'est là que le décollage apparaîtra en premier, bien avant de se voir dans votre quotidien. Et aux États-Unis avant l'Europe, selon moi.

Voilà, c'est tout pour aujourd'hui ! Comme d'hab', si vous avez des remarques, des questions ou si vous voulez juste dire coucou, vous pouvez répondre à cet e-mail. :)

Bonne soirée et à très vite !

Yoann ❤️

• Robert Solow, "We'd better watch out", New York Times Book Review, 12 juillet 1987, p. 36 (référence)
• Warren D. Devine Jr., From Shafts to Wires, Journal of Economic History, 1983
• Erik Brynjolfsson, Daniel Rock et Chad Syverson, The Productivity J-Curve, American Economic Journal: Macroeconomics, 2021 (version NBER)
• Daron Acemoğlu, The Simple Macroeconomics of AI, Economic Policy, 2025
• Carlota Pérez, Technological Revolutions and Financial Capital, Edward Elgar, 2002 (résumé)
• Bloomberg, Cisco retrouve son record de l'ère dot-com, 10 décembre 2025
• Azeem Azhar et Nathan Warren, Why AI isn't showing up on your bottom line, Exponential View, 27 mai