ChatGPT en 2026 : déjà la fin de l’hégémonie promise ?

En tant que professionnel du marketing digital depuis plus de 15 ans, je suis constamment aux premières loges pour observer l’évolution fulgurante de l’intelligence artificielle (IA). La Silicon Valley nous vend depuis deux ans une vision quasi messianique : une intelligence artificielle unique, omnipotente, capable de tout faire mieux que l’humain.

Mais si cette vision était un leurre ? Si, comme en médecine, l’excellence réelle résidait dans la spécialisation ?

Ma conviction, étayée par une analyse technique et économique, est que nous assistons non pas à la naissance d’un monopole, mais à une fragmentation inévitable du paysage de l’IA. Cela remet évidemment en question la surévaluation actuelle des « Magnificent Seven » (Apple, Microsoft, Alphabet, Amazon, Meta, Tesla et Nvidia), qui se positionnent comme les futurs acteurs majeurs d’un secteur encore spéculatif, dopés par des investissements circulaires et des défis énergétiques colossaux. Explorons cela ensemble.

Mise à jour du 4 septembre 2026. J’ai publié cet article le 2 janvier 2026 avec un scénario de marché qui s’arrêtait à mars. Huit mois plus tard, je le réactualise pour trois raisons. La fragmentation que j’annonçais s’est produite beaucoup plus vite que je ne l’anticipais. Les catalyseurs que j’avais datés sont passés sans provoquer de rupture, ce qui mérite d’être dit aussi clairement que le reste. Et surtout, le facteur de risque principal a changé de nature.

Le mythe du « médecin universel » : pourquoi une IA « généraliste » ne peut pas tout faire

Une IA qui serait à la fois chirurgien, radiologue, psychologue et généraliste — le « médecin universel » du numérique. Les marchés financiers, fascinés, ont propulsé les valorisations des « Seven Wonders » de l’IA (Nvidia, Microsoft-OpenAI, Google, etc.) à des niveaux stratosphériques, anticipant un futur monopole.

Imaginons l’IA comme le monde médical. Un médecin généraliste est précieux pour un diagnostic initial et une vue d’ensemble, mais pour des problèmes complexes, on se tourne vers des spécialistes : un cardiologue pour le cœur, un neurologue pour le cerveau, ou un oncologue pour le cancer. De la même façon, une IA généraliste comme ChatGPT (OpenAI) excelle dans les tâches quotidiennes — rédaction basique, brainstorming — mais elle peine face à des besoins pointus, où des IA spécialisées la surpassent.

Midjourney : reste une référence premium pour le rendu artistique et pour une « signature esthétique » très appréciée des créatifs, avec un écosystème Discord toujours actif. Mais son leadership n’est plus incontestable : les modèles image intégrés à Gemini et à ChatGPT ont largement comblé leur retard sur les classements indépendants de 2026.

Claude (Anthropic) : spécialiste en programmation et rédaction longue. Elle brille par sa précision en code complexe (par exemple, debug d’algorithmes avancés) et sa capacité à structurer des contenus approfondis, avec moins d’hallucinations. C’est la progression la plus nette de l’année : de 2 % de parts de marché fin 2025, elle est passée à environ 10 % à l’été 2026, soit près de 245 millions d’utilisateurs mensuels, portée par les usages professionnels.

Perplexity : le « chercheur académique » de l’IA, expert en sourcing fiable et citations. C’est aussi la contre-démonstration la plus utile de 2026 : sa part est retombée de 5,3 % en janvier à environ 2 % en août, tout simplement parce que ChatGPT, Gemini et Claude ont intégré nativement la recherche sourcée. La spécialisation protège tant qu’elle n’est pas absorbable par un généraliste. C’est la nuance que je n’avais pas assez posée en janvier, et elle vaut d’être corrigée.

Grok (xAI) : spécialiste en informations instantanées et analyse de tendances sociales via X (ex-Twitter). Parfait pour des insights sur des événements en temps réel. Sa part reste stable autour de 2,8 % en 2026, dans un marché qui a pourtant beaucoup bougé — sa niche le protège autant qu’elle le plafonne.

Gemini (Google) et le Mode IA : le grand gagnant de 2026. Champion de la multimodalité, mais surtout de la distribution : Search, Workspace, Android, Gmail. Sa part est passée de 18,2 % fin 2025 à 27,6 % en septembre 2026, avec la plus forte croissance trimestrielle du secteur (+17 %). Il ne s’impose pas en étant meilleur, il s’impose en étant déjà là — ce qui, pour un professionnel du référencement, n’a rien d’une surprise.

Et pourquoi pas une super-IA généraliste qui intégrerait les autres ?

L’optimisation pour tout dilue l’excellence. Comme un médecin ne peut maîtriser toutes les spécialités sans années d’études, scaler une IA pour exceller partout nécessite des ressources massives en données et en capacité de calcul. Des niches (comme le code sécurisé ou la recherche sourcée) nécessitent des architectures dédiées.

Les statistiques le confirment, et plus vite que je ne l’écrivais en janvier : ChatGPT est passé de 87 % du marché en 2024 à 68–74 % fin 2025, puis à 51,5 % en septembre 2026 selon First Page Sage. Une autre mesure, celle de Sensor Tower centrée sur les usages mobiles, le donnait déjà sous la barre des 50 % dès mai 2026, à 46,4 %. Les méthodologies diffèrent, la direction non.

Un point mérite d’être précisé, parce qu’il est systématiquement mal lu : en valeur absolue, ChatGPT continue de croître, avec environ 1,1 milliard d’utilisateurs mensuels contre 662 millions pour Gemini et 245 millions pour Claude. Il ne recule pas, il grandit moins vite que le marché. C’est la signature exacte d’une perte d’hégémonie, et c’est bien plus difficile à corriger qu’une baisse de fréquentation.

Une alternative, un nouveau défi : « le méta-moteur agrégeant les IA »

Plutôt que de switcher entre 10 IA, imaginons un « nouveau Google » : un moteur de recherche qui interroge plusieurs IA en parallèle, évalue leur crédibilité, compare les réponses pour détecter des alternatives, et classe le tout intelligemment.

La page de résultats mixerait SEO naturel (liens organiques) et blocs IA : un titre, une description courte, et un lien vers la réponse complète. Cela résoudrait la fragmentation sans monopole, pour démocratiser l’IA sans dépendre d’un géant. Cependant, à l’heure actuelle, ma vision d’un méta-moteur IA bute sur trois verrous majeurs.

Techniquement, la latence cumulée et la synthèse de réponses hétérogènes rendent l’expérience lente et confuse.

Économiquement, le coût par requête, multiplié par plusieurs modèles, est prohibitif à grande échelle, sans modèle économique viable. L’avènement de modèles open source performants pourrait-il changer la donne en rendant l’agrégation réalisable ?

Stratégiquement, les géants de l’IA accepteront-ils un jour d’être des fournisseurs de contenu dans un méta-moteur ? Un méta-moteur ne deviendrait-il pas lui-même un monopole plus puissant que ceux qu’il prétend contourner ? Seul l’avenir nous le dira.

Bulle spéculative, investissements circulaires et surévaluation des Seven Wonders ?

Les Magnificent Seven se vendent comme les futurs GAFA de l’IA. Prenons un exemple que vous connaissez tous : Nvidia, le leader des puces GPU essentielles à l’IA. Son cours a explosé grâce à des deals circulaires avec OpenAI. Nvidia vend des milliards en puces à OpenAI, qui attire des investissements massifs, ce qui gonfle à son tour la demande de puces Nvidia.

Huit mois plus tard, c’est l’écart entre les résultats et le cours qui est devenu la donnée la plus intéressante du dossier. Nvidia a publié en mai 2026 un chiffre d’affaires trimestriel record de 81,6 milliards de dollars, en hausse de 85 % sur un an — et l’action a baissé le lendemain. Depuis son pic du 14 mai 2026, le titre a perdu environ 18 %. Trois signaux expliquent ce grand écart : l’effondrement des tarifs de location de GPU, le B200 passant d’environ 6,11 à 4,22 dollars de l’heure entre fin mai et fin juin 2026, soit −31 % en trois semaines ; un chiffre d’affaires data center en Chine tombé quasiment à zéro sous l’effet des contrôles à l’export ; et des ventes d’initiés soutenues sur le trimestre.

Ma lecture est la suivante : le marché a cessé de payer la croissance et a commencé à payer la durabilité de cette croissance. Ce n’est pas un krach, c’est une compression de multiple. Historiquement, c’est ce qui la précède, sans que ce soit une règle.

Côté OpenAI, la valorisation est passée de 500 milliards de dollars en octobre 2025 à 852 milliards en mars 2026, pour un rythme de revenus annualisé d’environ 24 milliards. L’introduction en bourse, un temps envisagée pour 2026, a été repoussée à 2027 — officiellement pour viser le seuil des 1 000 milliards, concrètement parce que le marché exige désormais des comptes sur la rentabilité réelle. Un rapport valorisation/revenus de l’ordre de 35 pose une question simple : qu’est-ce qui est acheté, une entreprise ou une hypothèse ?

C’est une « économie circulaire » décrite par des analystes : les mêmes capitaux tournent entre géants, gonflant les bulles sans bénéfices concrets immédiats. Michael Burry (célèbre pour avoir prédit la crise de 2008) accuse Nvidia d’alimenter cette bulle, avec des investissements mal dirigés.

Ce diagnostic n’est plus l’apanage des vendeurs à découvert. En août 2026, la Banque centrale européenne a publié un billet estimant qu’une correction des valorisations technologiques américaines est probable, y compris dans l’hypothèse où l’IA tient l’intégralité de ses promesses techniques. Elle chiffre à environ 440 milliards d’euros l’exposition directe des ménages de la zone euro aux Magnificent Seven, et un montant comparable pour le secteur de l’assurance et des retraites. Son argument le plus dérangeant ne porte pas sur le niveau des valorisations, mais sur la capacité d’amortissement : contrairement à 2000, les banques centrales ont aujourd’hui beaucoup moins de marge pour baisser les taux ou soutenir l’économie.

Ironie du sujet : Nvidia s’est justement imposée grâce à une spécialisation extrême. Autrement dit, même Nvidia illustre la logique « spécialiste ». Elle n’a pas gagné en étant généraliste, mais en devenant la meilleure sur un domaine précis.

L’écart entre les revenus du secteur et les montants engagés en infrastructure s’est réduit depuis un an, mais il reste d’un ordre de grandeur : les dépenses en centres de calcul continuent de progresser plus vite que les revenus qu’elles génèrent, et le seuil de rentabilité de la vague d’investissement 2024-2026 n’est pas attendu avant la fin de la décennie. C’est précisément ce décalage temporel qui rend le secteur sensible au coût du capital — donc aux décisions de la Fed.

Contrairement à la bulle dot-com (basée sur des promesses web sans infrastructure), celle de l’IA est freinée par des défis tangibles tels que les coûts d’exploitation et l’énergie.

Les défis énergétiques : le nerf d’une guerre qui a déjà commencé

Imaginez que l’ensemble des data centers de la planète consomme aujourd’hui autant d’électricité que la France et l’Espagne réunies. C’est la réalité de 2026, et la pente s’est encore raidie depuis janvier : la consommation a progressé de 26 % en douze mois. D’ici 2030, elle pourrait plus que doubler.

Pour bien comprendre l’échelle : chaque fois que vous posez une question à ChatGPT, cela consomme 2 à 6 fois plus d’énergie qu’une simple recherche Google. Multipliez ça par des milliards de requêtes quotidiennes, et vous comprenez le problème.

Le vrai souci ? L’infrastructure ne suit pas. Aux États-Unis, les experts prévoient un manque de capacité électrique équivalent à 35–50 centrales nucléaires d’ici 2030. En Europe, construire un data center prend 2 à 3 ans entre les autorisations, les études environnementales et le raccordement au réseau. Une éternité quand la tech évolue en mois.

Pour les plus techniques d’entre vous : Gartner chiffrait en juin 2026 la consommation des data centers à 565 TWh pour l’année en cours, contre 447 TWh en 2025, pour un appel de puissance de 133 GW contre 105 GW un an plus tôt. Les États-Unis en concentrent 204 TWh, dont 68 TWh pour les seuls data centers dédiés à l’IA. À l’horizon 2030, la projection dépasse 1 200 TWh et 291 GW, avec des serveurs IA représentant près de la moitié du total. Les 945 TWh que je citais en janvier étaient donc une hypothèse basse.

En résumé, la croissance exponentielle promise par l’IA se heurte à une équation élémentaire : l’électricité disponible. Sans révolution dans notre manière de produire et de distribuer l’énergie, la promesse d’une IA infiniment scalable risque de se confronter à un mur bien réel.

La Chine construit des réacteurs en quelques mois, l’Occident en années : conséquences sur la bulle IA

Certains pays s’en sortent mieux. La Chine, avec sa croissance rapide en solaire et en nucléaire (y compris thorium, moins cher, moins radioactif, et produisant moins de déchets que l’uranium), domine avec 25 % des data centers mondiaux contre 45 % aux États-Unis. Moins entravée par les régulations, elle construit des centrales en quelques mois, pas en années, sécurisant son avance IA. En novembre 2025, elle a réalisé la première conversion thorium-uranium dans un réacteur à sels fondus, avec un objectif de 150 réacteurs d’ici 2050.

L’Europe et les États-Unis risquent un retard, et une suite d’événements pourrait suffire à tester le narratif « croissance infinie de l’IA » — avec, potentiellement, un repricing brutal des valeurs les plus exposées. Je précise volontairement le cadre : je ne suis pas trader et ce qui suit n’est ni une prédiction ni un conseil d’investissement. C’est un scénario illustratif, fondé sur des catalyseurs datés et publics qui, historiquement, provoquent souvent des ajustements de marché. Mon point n’est pas « ça va arriver », mais « voilà comment ça pourrait arriver » si plusieurs signaux se cumulent.

Ce que mon scénario de janvier a raté

En janvier, j’avais placé cette séquence sur février-mars 2026 : résultats Nvidia du 25 février, GTC de mi-mars, réunion de la Fed. Aucun des trois n’a déclenché la rupture décrite. Autant le dire simplement : je me suis trompé de calendrier, et c’est utile à écrire — un scénario qui ne se réalise pas à la date prévue ne devient pas faux, il devient mieux informé.

Ce que ces huit mois ont montré, c’est que l’ajustement ne s’est pas produit par un événement, mais par érosion : l’action Nvidia a perdu 18 % depuis mai malgré des résultats records, ce qui est un mode de correction beaucoup plus lent et beaucoup moins lisible qu’un décrochage sur une publication. Et ils ont surtout déplacé la nature du risque. En janvier, le facteur limitant que j’identifiais était l’électricité. Aujourd’hui, c’est la géographie de la production avec les tensions à Taiwan notement. Voici donc le calendrier tel que je le vois pour la fin 2026.

Le scénario réajusté : quatrième trimestre 2026

• 27–28 octobre 2026 : réunion de la Fed. Sans projections économiques, donc de portée limitée en soi, mais elle donne le ton avant la séquence de novembre. Un discours plus restrictif renchérit le coût du capital, et les valorisations tech reposent précisément sur des flux de trésorerie lointains, donc très sensibles au taux d’actualisation.
• 17 novembre 2026 : résultats du troisième trimestre fiscal 2027 de Nvidia (date confirmée, après clôture). Le rendez-vous central. Le marché ne regardera pas le chiffre d’affaires, qui sera probablement encore record, mais deux lignes : la stabilisation ou non des prix de location de GPU, et la visibilité donnée sur le déploiement de la plateforme Vera Rubin. Une guidance prudente sur ces deux points toucherait le cœur du « trade IA ».
• 28 novembre 2026 : élections locales à Taïwan (scrutin dit « 9-en-1 »). Onze jours après Nvidia. Ces élections locales ne sont plus locales : le Bureau de la sécurité nationale taïwanais a relevé une hausse de 60 % des comptes de réseaux sociaux inauthentiques entre 2024 et 2025, et plus de deux millions d’occurrences de désinformation sur la seule année 2025. Une séquence de pression militaire ou informationnelle autour de cette date remettrait le risque Taïwan au centre de la table — et, avec lui, toute la chaîne d’approvisionnement des puces IA.
• 8–9 décembre 2026 : réunion de la Fed avec projections (dot plot). Dernière du trimestre, et la seule à publier les projections de taux. Dans un marché déjà nerveux après novembre, c’est le catalyseur susceptible de transformer une correction sectorielle en repricing plus large.

Pris isolément, chacun de ces événements est absorbable. Ce qui m’intéresse, c’est leur concentration sur six semaines et, surtout, le fait qu’ils ne sont plus indépendants les uns des autres : un accroc taïwanais dégrade mécaniquement la visibilité de Nvidia, et une Fed contrainte réduit la capacité d’amortissement du système. C’est la définition d’une corrélation qui monte, c’est-à-dire du moment où la diversification cesse de protéger.

Et je le redis, parce que la nuance compte : je décris un enchaînement possible, pas un pronostic. Le scénario le plus probable reste sans doute celui des huit derniers mois — une érosion lente, sans rupture identifiable.

Aujourd’hui, l’IA n’est plus un sujet isolé « tech » : c’est un pilier narratif des marchés. Et parce que je travaille l’IA au quotidien, j’observe aussi ses contraintes (coûts, énergie, infrastructure, maturité des usages). Des éléments qui peuvent, à certains moments, rattraper le storytelling financier.

Le vrai point de rupture n’est plus l’énergie, c’est le détroit de Taïwan

En janvier, je concluais que le mur de l’IA serait électrique. Je maintiens le diagnostic sur le fond, mais je le hiérarchise autrement. Un déficit électrique est un problème de rythme : il ralentit. Une rupture de chaîne d’approvisionnement est un problème d’existence : elle arrête.

Un chiffre résume la situation : TSMC concentre à Taïwan environ 95 % de la capacité mondiale de packaging avancé CoWoS 2.5D — l’étape d’assemblage sans laquelle un accélérateur IA n’existe tout simplement pas. Fin 2026, le fondeur devrait atteindre 120 000 à 140 000 wafers par mois sur ce procédé, contre environ 70 000 en 2025, et Nvidia avait réservé dès fin 2025 entre 50 et 60 % de cette capacité 2026. Les usines américaines de TSMC ne soulageront pas ce goulot d’étranglement avant 2028-2029.

Autrement dit : la quasi-totalité de la puissance de calcul IA mondiale des trois prochaines années dépend d’un procédé industriel concentré sur une île située à environ 180 kilomètres des côtes chinoises. Ce n’est pas une opinion géopolitique, c’est une donnée de production.

Où en est-on concrètement à la rentrée 2026 ?

L’été a donné des signaux contradictoires, ce qui est précisément ce qui rend la lecture difficile. Côté pression : un record historique de 244 navires chinois relevés dans les eaux taïwanaises en juillet. Côté détente apparente : 125 incursions dans la zone d’identification de défense aérienne en août, un niveau en baisse notable. Côté Taipei : un budget supplémentaire de 240 milliards de dollars taïwanais voté pour les drones, et un référendum approuvé le 28 août ouvrant la voie au retour du nucléaire, ce qui réduirait la dépendance au gaz naturel liquéfié importé — donc la prise qu’offrirait un blocus énergétique. Côté Pékin : de nouvelles purges dans le haut commandement, avec deux généraux écartés.

Ma lecture, en tant qu’observateur et non en tant qu’analyste géopolitique : la ligne de front s’est déplacée du militaire vers le cognitif. Le scénario le plus probable pour la fin 2026 n’est pas une invasion, c’est une campagne d’influence à grande échelle autour du scrutin du 28 novembre, appuyée par des systèmes d’IA développés à cet effet. Ce n’est pas rassurant pour autant : les marchés ne valorisent pas une invasion, mais ils valorisent très mal l’incertitude. Une simple séquence de tension suffirait à faire remonter le risque de concentration du CoWoS de la note de bas de page où il est rangé depuis deux ans.

Il y a là une ironie que j’ai du mal à ignorer : l’infrastructure la plus stratégique de ce siècle repose sur un point de passage unique, et l’IA est simultanément l’outil employé pour peser sur l’élection du territoire qui l’abrite.

Et si Elon Musk avait encore une fois un temps d’avance…

Une vision audacieuse : des data centers en orbite via Starlink V3 annoncés en octobre-novembre 2025.

Avantages : énergie solaire illimitée (plus proche du Soleil), autonomie totale, et zéro régulation terrestre. Pas de délais pour autorisations, pas de pénuries énergétiques. Techniquement, ça repose sur des liens laser à haute vitesse pour la communication (latence ~20–30 ms vs terrestre).

Mais des défis majeurs : coûts de lancement (milliards via Starship), dissipation de chaleur dans le vide spatial et maintenance robotisée.

À moyen terme (2030+), c’est crédible d’après les spécialistes. Musk le voit comme une extension de Starlink pour AI payloads. Bezos suit avec Blue Origin, signant une course spatiale IA.

Conclusion

Après des mois à tester, analyser et observer l’IA au quotidien, dans mon travail, mes projets persos, et même en discutant avec mon entourage, je dois avouer une petite déception. On nous a vendu une « nouvelle ère » fulgurante, un bouleversement comparable aux grandes ruptures de l’humanité. Pourtant, quand je regarde en arrière, les vraies révolutions ont touché tout le monde, profondément.

La découverte du feu a permis à l’humanité de survivre, de cuire les aliments, de se réchauffer, chaque individu en a bénéficié. L’invention de la roue et des outils de l’âge de pierre a transformé le travail et les déplacements pour tous. La révolution industrielle, avec la machine à vapeur, les chemins de fer et l’électricité, a connecté les continents, créé des emplois de masse, urbanisé les sociétés et changé le quotidien de milliards de personnes. Plus récemment, l’arrivée d’Internet, de Google et des smartphones a démocratisé l’information, la communication instantanée et les services. Ma grand-mère utilise WhatsApp, mon père cherche tout sur Google, et quoi qu’on en pense, les enfants naviguent sur des tablettes dès le plus jeune âge.

L’IA, pour l’instant, n’a pas cet impact universel. Elle reste surtout un outil puissant pour les professionnels, les créatifs, les développeurs, ceux qui ont déjà un objectif précis. Dans mon cercle, comme dans les statistiques récentes, le grand public l’essaie par curiosité, mais ne l’intègre pas encore au quotidien comme un réflexe indispensable.

Cela ne veut pas dire que l’IA est inutile, bien au contraire. Elle est déjà extrêmement bénéfique et le sera encore plus : diagnostic médical plus précis pour soigner cancers et maladies rares, optimisation de la sécurité routière et urbaine, découverte accélérée de nouveaux médicaments, ou encore aide à la transition énergétique via des modèles prédictifs. Elle va sauver des vies, réduire les inégalités dans l’accès aux connaissances et booster la productivité.

Ma conviction est donc la suivante : l’IA est une avancée majeure, bénéfique, structurante… mais elle n’a pas encore le caractère universel et immédiat des grandes révolutions grand public. Peut-être que la vraie « révolution IA » arrivera quand elle ne se verra plus : intégrée partout, sans effort, comme la recherche web l’est devenue. En attendant, gardons la lucidité : on est au début d’une trajectoire longue, et c’est précisément pour ça qu’il faut la penser, la gouverner et l’utiliser intelligemment.

Ce que huit mois ont changé à mon analyse

Je pensais en janvier que le marché de l’IA se fragmenterait : il l’a fait, plus vite que je ne l’écrivais. Je pensais que la spécialisation protégerait les acteurs de niche : Perplexity a démontré le contraire, parce qu’une spécialité absorbable par un généraliste n’est pas une position défendable. Je pensais que la contrainte majeure serait énergétique : elle est d’abord industrielle et géographique, et elle tient dans un procédé d’assemblage concentré sur une seule île. Et je pensais qu’une correction viendrait par les résultats trimestriels : elle est venue, jusqu’ici, par une érosion lente et sans événement déclencheur.

Je referai ce point en fin d’année, une fois passée la séquence de novembre-décembre. C’est le principe d’un article que l’on tient à jour plutôt que d’un article que l’on archive.

Sources utilisées :

• Jedha — comparatif / parts de marché (décembre 2025)
• Unite.AI — synthèse de parts de marché / croissance (décembre 2025)
• Similarweb — données de trafic / parts (cité via Unite.AI)
• The Decoder — parts de marché / Grok / tendances (décembre 2025)
• FirstPageSage — parts de marché / trafic (décembre 2025)
• Exploding Topics — indicateurs de croissance / trafic (décembre 2025)
• Grace Blakeley — Substack (octobre 2025)
• Yahoo Finance — analyses / Michael Burry / Nvidia (décembre 2025)
• The Atlantic — analyses (décembre 2025)
• Sequoia Capital — estimations revenus vs investissements infra (2025)
• Agence Internationale de l’Énergie (IEA) — consommation data centers / projections 2030 (2025)
• Goldman Sachs — déficit de capacité électrique / projections (2025)
• World Nuclear News — thorium / réacteurs à sels fondus (novembre 2025)
• NucNet — thorium / nucléaire (novembre 2025)
• PowerMag — nucléaire / projections (décembre 2025)
• Forbes — data centers en orbite / contraintes techniques (décembre 2025)
• SingularityHub — data centers spatiaux / limites (décembre 2025)
• NY Post — course spatiale IA (décembre 2025)
• Space.com — course spatiale / faisabilité (décembre 2025)

Sources ajoutées pour la mise à jour de septembre 2026

• First Page Sage — parts de marché des chatbots IA (septembre 2026)
• Sensor Tower — State of AI Report 2026, parts de marché mobiles (mai 2026, cité via TechCrunch)
• TIKR — analyse Nvidia : performance boursière, tarifs de location GPU, exposition Chine (juin 2026)
• Wall Street Horizon — calendrier de publication des résultats Nvidia (2026)
• Réserve fédérale américaine — calendrier des réunions du FOMC 2026
• Banque centrale européenne — billet sur la correction attendue des valorisations tech (août 2026)
• Gartner — consommation électrique des data centers, 565 TWh et 133 GW (juin 2026)
• American Enterprise Institute — China & Taiwan Update (1er septembre 2026)
• Global Taiwan Institute — élections locales taïwanaises et guerre cognitive (mai 2026)
• Taipei Times — fixation du scrutin taïwanais au 28 novembre 2026
• Analyses sectorielles sur le packaging avancé CoWoS / SoIC de TSMC (août 2026)
• Presse économique française — valorisation et report de l’introduction en bourse d’OpenAI (2026)

Rédigé par

Nicolas Peter – Performance Web et expert SEO à Perpignan et Paris
Agence Oli-via-net