480 MILLIARDS DE DOLLARS « PARTIS EN FUMÉE » EN BOURSE : LA BULLE DE L'IA A ÉCLATÉ EN CHINE. LES ÉTATS-UNIS SONT-ILS LES PROCHAINS ?
L'indice technologique chinois STAR 50 a chuté d'environ 40 % en moins de quatre mois, et la baisse estimée de la capitalisation boursière a atteint 480 milliards de dollars. Cela signifie-t-il la fin de l'engouement pour l'intelligence artificielle ? Je suis convaincu que non. Le marché financier met à l'épreuve les prix et les attentes, tandis que l'efficacité réelle d'une technologie doit être évaluée selon les résultats qu'elle apporte aux personnes, à l'économie et à l'État.

Artem Honcharenko, PhD
Directeur de l'Institut de réintégration, de réadaptation et de développement professionnel des vétérans «Architecture de la résilience» de la KNUBA
27 octobre 2026 • analyse d'auteur
| -40% STAR 50, en moins de 4 mois | 480 Md$ Baisse de la capitalisation | -4,81% 27.10.2026, en une journée |
L'effondrement chinois : ce qui s'est vraiment passé sur le marché
Il y a peu encore, les fabricants de puces, de composants optiques pour centres de données et de robotique étaient présentés comme les grands gagnants de la nouvelle révolution technologique. Les investisseurs achetaient leurs actions en comptant sur une future hausse de la demande d'intelligence artificielle. Fin octobre, cette confiance a cédé la place à une vente massive.
Selon un article de Reuters du 26 octobre 2026, l'indice STAR 50, qui reflète la dynamique des principales entreprises technologiques et innovantes de la place de Shanghai, a perdu environ 40 % en moins de quatre mois. La baisse de la valeur de marché totale est estimée à environ 480 Md$. Dès le 27 octobre, l'indice a clôturé à 1 252,28 points, soit une baisse sur la journée de 4,81%. [1–2]
Deux précisions importantes s'imposent ici. STAR 50 n'est pas une liste des 50 plus grandes entreprises chinoises d'IA pure, mais un indice du segment technologique et innovant, où de nombreuses entreprises sont liées aux semi-conducteurs et à l'IA. Et les 480 milliards de dollars n'ont pas « disparu » des comptes bancaires des entreprises : il s'agit de la baisse de la valorisation boursière des portefeuilles d'actions.
Pour autant, l'ampleur de la correction n'en est pas moindre. Reuters cite des exemples de baisses de plusieurs dizaines de pour cent pour les actions de certains fabricants de robots, de puces et d'équipements optiques. La Bourse s'est soudain souvenue d'une exigence économique simple : une bonne technologie ne garantit pas encore un bénéfice suffisant pour justifier n'importe quel cours de l'action. [1]
Pourquoi le marché s'est refroidi : des attentes excessives face aux bénéfices réels
Au sommet de la hausse, le ratio cours/bénéfice (PER) de l'indice STAR 50 approchait, selon l'estimation de Reuters, de 250. Même après la forte chute, il s'établissait à environ 100, alors que la référence pour le Nasdaq 100 dans le même article est d'environ 30. Ces indices n'ont pas la même structure, mais l'écart montre combien de croissance future les investisseurs ont déjà intégrée dans les cours chinois. [1]
Aux valorisations élevées se sont ajoutés des doutes sur le rythme de la demande de matériel d'IA, d'éventuelles restrictions à l'exportation, des facteurs fiscaux et des risques pour la vente de composants chinois à des centres de données à l'étranger. Aucune de ces raisons n'explique à elle seule tout l'effondrement, mais ensemble elles ont rendu le marché vulnérable.
Ma conclusion est simple : il faut dissocier le cours d'une action de l'utilité de la technologie. Une entreprise peut créer un produit utile et pourtant valoir en Bourse bien plus qu'elle ne devrait. Et inversement, la chute de son cours n'annule pas l'effet technologique déjà obtenu.
Il faut distinguer nettement deux choses : l'efficacité économique de l'intelligence artificielle et la valeur spéculative des entreprises qui en tirent des revenus. Le marché boursier peut se tromper dans ses attentes. Mais si une technologie réduit réellement le temps de recherche, augmente la productivité et permet de prendre plus vite des décisions fondées, cette valeur ne disparaît pas avec la chute des cours.
L'IA accélère-t-elle vraiment le travail humain : ce qui est prouvé et ce qui n'est que promis
En tant que chercheur, je considère qu'il faut évaluer l'intelligence artificielle non pas au bruit des présentations, mais à des expériences indépendantes avec des groupes témoins. Et de telles études existent déjà.

Dans l'étude du MIT publiée dans la revue Science en 2023, 453 professionnels ont réalisé des tâches rédactionnelles professionnelles. Dans le groupe ayant accès à ChatGPT, le temps moyen d'exécution a diminué de 40%, tandis que la qualité du résultat, selon les évaluations d'experts, a augmenté de 18%. Il s'agit d'une expérience réelle, mais elle ne prouve pas que n'importe quelle recherche complexe sera automatiquement accélérée de ces mêmes 40 %. [3]
Dans une expérience de la Harvard Business School et de Boston Consulting Group avec 758 consultants les utilisateurs de GPT-4 ont réalisé les tâches adaptées aux capacités du modèle plus de 25 % plus vite et ont mené à terme plus de 12 % de tâches en plus. En revanche, sur une tâche située hors des capacités fiables de l'outil, l'utilisation de l'IA a conduit à un moins bon résultat. [4]
L'analytique scientifique est particulièrement révélatrice. Une revue de 25 études, publiée dans Frontiers in Pharmacology en 2025, a constaté une réduction du temps de plus de 50 % dans 17 travaux. Dans certains cas, l'examen automatisé des résumés a été réduit de 5 à 6 fois, et la charge manuelle, avec un taux de rappel de 95 % dans la détection des documents, de 6 à 10 fois. Cela concerne avant tout des étapes de sélection isolées, et non tout le parcours de l'idée à la conclusion vérifiée. [5]
Il existe aussi une réserve. Dans une expérience randomisée de METR en 2025, 16 développeurs expérimentés, qui ont effectué 246 tâches réelles, ont travaillé avec les outils d'IA de l'époque en moyenne 19 % plus longtemps, alors qu'ils pensaient eux-mêmes avoir gagné en rapidité. Ainsi, un outil qui aide un débutant peut ralentir un spécialiste sur un travail qu'il connaît bien si le coût de vérification des résultats est trop élevé. [6]
Conclusion : nous devons mesurer non pas le volume de texte généré, mais le nombre de résultats corrects et vérifiés par unité de temps.
Un exemple qui change les échelles : 100 000 documents
Imaginons une organisation qui doit examiner en première lecture 100 000 documents — contrats, publications scientifiques, rapports, saisines de citoyens ou documents relatifs à la reconstruction. Si l'on consacre à chaque document seulement trois minutes, on obtient 5 000 heures-personne, soit 625 journées de travail de huit heures. Une équipe de dix analystes travaillerait environ 12,5 semaines à pleine charge.

Supposons maintenant qu'un système éprouvé effectue automatiquement la déduplication, la classification initiale et la recherche de contradictions, et produise une liste d'exceptions. Si sa qualité permet de réduire précisément le screening manuel de 90 %, il restera l'équivalent de 500 heures-personne à cette étape.
| Indicateur | Processus traditionnel | Scénario hybride |
|---|---|---|
| Nombre de documents | 100 000 | 100 000 |
| Examen initial manuel | 5 000 h | 500 h |
| Réduction du screening manuel | — | 90 % (hypothèse) |
| Conclusion finale | Humain | Humain après vérification |
Il s'agit d'un modèle illustratif, et non du résultat d'un déploiement concret. Il ne prend pas en compte séparément le coût du calcul, du paramétrage, du contrôle qualité et des cas critiques manqués. On ne peut donc pas affirmer mécaniquement une accélération par dix de l'ensemble de la recherche.
Mais il explique où naît la vraie valeur : l'expert n'est plus tenu d'examiner manuellement chaque unité d'information, si la sélection automatisée a prouvé la précision requise. Il passe de la lecture de masse au travail approfondi sur les cas complexes.
Le marché commence à mûrir. La seule promesse d'une révolution technologique ne suffit plus. L'investisseur veut voir des bénéfices, et l'organisation un résultat concret : combien de temps a été économisé, combien d'erreurs ont été évitées, combien de demandes ont été traitées et combien coûte le maintien du système. Le véritable avantage concurrentiel reviendra à ceux qui sauront démontrer l'efficacité économique de l'IA.
La guerre change la formule de la productivité : pourquoi c'est important pour l'Ukraine
Dans notre pays, un employé peut être très qualifié et motivé, mais incapable d'annuler une alerte aérienne ou une attaque de missiles. La sécurité des personnes doit toujours rester la priorité.

Dans une enquête de la European Business Association menée en février 2026 auprès de 131 dirigeants d'entreprises membres de l'Association, 45% des répondants ont cité l'arrêt du travail pendant les alertes aériennes parmi les contraintes courantes, et 82% ont cité les attaques contre le système énergétique parmi les facteurs ayant le plus fort impact négatif sur les entreprises. Ce n'est pas une statistique de la perte moyenne d'heures pour toute l'Ukraine, mais c'est un témoignage solide des obstacles opérationnels. [7]
Prenons un projet fictif qui nécessite 100 heures d'analyse productives. Si la disponibilité réelle du temps de travail est de 70 %, son exécution exigera environ 143 heures de ressource de travail planifiée. Dans le processus hybride modélisé, où il reste 25 heures à l'humain et où le traitement automatique et les opérations annexes en ajoutent 10, l'estimation totale s'élève à environ 46 heures. L'écart est d'environ 3,1 fois.
Il ne faut pas voir ces chiffres comme une norme pour les entreprises ukrainiennes : les 70 % de disponibilité et la structure des opérations ne sont ici que des hypothèses de scénario. L'effet réel sera déterminé par la nature des tâches, la préparation des données et l'architecture du système.
Le principe n'en est pas moins important. Si le calcul, les données et les files de tâches sont correctement redondants et répartis géographiquement, une partie des opérations peut se poursuivre même lorsque les employés sont à l'abri. En revanche, si le système est lié à un seul serveur de bureau sans connexion ni alimentation de secours, cet avantage n'existera pas.
Pour l'Ukraine, l'utilisation de l'intelligence artificielle n'est pas un simple désir d'être technologiquement moderne. C'est une question de résilience. Chacun a droit à la sécurité, au repos et à la protection pendant la guerre. En même temps, une infrastructure numérique bien conçue peut assurer la continuité d'une partie des processus critiques. Notre tâche n'est pas de remplacer l'humain, mais de renforcer ses capacités par la technologie.
La vraie révolution n'est pas un texte en une minute, mais la détection du problème avant le rapport
Je pense que le prochain changement sera plus profond que la rédaction automatique de notes analytiques. Il s'agit d'une surveillance continue 24 heures sur 24, dans laquelle les données arrivent en continu, le système détecte les écarts, les vérifie selon des règles, classe le risque et transmet l'information à une personne responsable ou exécute une action sûre autorisée à l'avance.
En cybersécurité, on développe depuis longtemps pour cela des plateformes SIEM et SOAR. Les recommandations internationales de 2025 les décrivent comme des outils de collecte d'événements, de détection d'activités suspectes, d'alerte des spécialistes et d'automatisation de certaines parties de la réponse. En même temps, de tels systèmes exigent un paramétrage constant, des tests et une supervision qualifiée. [8]
Pour l'Ukraine, ce principe peut être adapté au suivi de la reconstruction, au contrôle financier, aux indicateurs environnementaux, aux cybermenaces et aux demandes des vétérans et de leurs familles. Par exemple, une nouvelle demande pourrait être automatiquement acheminée vers le service compétent, et une modification anormale dans un dossier d'appel d'offres pourrait générer un signal pour l'auditeur. Mais les décisions relatives à l'aide médicale, à la restriction de droits ou aux sanctions financières ne peuvent être confiées à un modèle génératif sans mécanismes de contrôle indépendants appropriés.
L'avenir appartient aux systèmes qui ne se contentent pas d'accumuler de l'information, mais analysent en permanence les événements. L'intelligence artificielle peut aider à détecter les anomalies, à les vérifier et à déclencher des scénarios de réponse convenus à l'avance. Mais les décisions critiques doivent rester sous un contrôle humain approprié. C'est précisément l'alliance de l'automatisation et de la responsabilité qui déterminera la qualité des nouveaux écosystèmes numériques.
Le prix de l'erreur : là où l'automatisation ne doit pas être confondue avec la confiance
Plus l'automatisation est vaste, plus une erreur systémique peut coûter cher. Un modèle peut inventer de façon convaincante une source, manquer un document important ou donner accès à des données confidentielles à un utilisateur inapproprié. C'est pourquoi les documents médicaux, personnels et financiers exigent la minimisation des données, le contrôle des droits d'accès, la journalisation des opérations, la vérification de l'exactitude et des procédures d'approbation distinctes pour les actions critiques.
Le milieu scientifique doit distinguer la vitesse du traitement automatique et la fiabilité de la conclusion. Cela est particulièrement d'actualité lorsque l'IA aide à élaborer des revues scientifiques ou des analyses destinées à des décisions de gestion.
Nous devons distinguer la vitesse de traitement de l'information de la fiabilité de la connaissance obtenue. L'intelligence artificielle peut accélérer considérablement la recherche, la comparaison et la systématisation des données, mais cela n'annule pas la nécessité de vérifier les sources, de contrôler la méthodologie et d'assurer la reproductibilité des résultats.

L'effondrement chinois va-t-il se répéter aux États-Unis ?
C'est la question qui résonne le plus fort aujourd'hui. Pourtant, la baisse de 40 % du STAR 50 chinois ne signifie pas automatiquement une chute de 40 % des actions américaines. Reuters met la correction chinoise en regard d'un repli d'environ 6 % du Nasdaq par rapport à son récent sommet. Ce sont des indices, des périodes et des structures d'entreprises différents ; une prévision directe sur cette base serait infondée. [1]

Des risques existent pour les valeurs technologiques mondiales : attentes élevées, importantes dépenses d'investissement dans l'infrastructure de calcul, incertitude de la demande et difficile monétisation. Mais le degré de vulnérabilité de chaque entreprise dépend de ses bénéfices, de ses flux de trésorerie, de sa dette, de ses clients et du coût du capital levé.
À mon avis, la question clé pour les marchés a déjà changé : non pas « qui a le plus fort annoncé l'IA », mais « qui a su transformer la technologie en un résultat économique vérifié ». Dans cette logique, la baisse des valorisations spéculatives peut même inciter les entreprises à investir de manière plus disciplinée.
Ce que je propose aux organisations ukrainiennes
Il ne faut pas arrêter la transformation numérique à cause de l'effondrement des actions boursières d'un autre pays. Mais il ne faut pas non plus acheter sans réfléchir des solutions d'IA coûteuses simplement parce que c'est à la mode. Une approche rationnelle peut se résumer en cinq étapes pratiques.
- Mesurer le processus actuel : la durée des opérations, le coût, les erreurs, le délai d'attente d'une réponse et la charge pesant sur les personnes.
- Choisir un pilote ciblé : par exemple la classification de documents, la recherche de doublons ou la priorisation des demandes, plutôt que l'automatisation de toute la gestion d'un seul coup.
- Définir les limites de l'autonomie : ce que l'algorithme peut faire seul, ce qu'il peut seulement proposer et ce qui exige obligatoirement une décision humaine.
- Vérifier la qualité et la sécurité : cas critiques manqués, fausses alertes, accès aux données personnelles, dépendance vis-à-vis du fournisseur et résistance aux pannes.
- Calculer l'économie complète : licences, calcul, intégrations, maintenance, formation de l'équipe — et la valeur du temps qu'on a réussi à économiser.
Lorsque ces indicateurs ne sont pas mesurés, les discours sur des économies par cinq ou par dix se transforment en marketing. Lorsqu'ils sont mesurés, l'organisation peut prendre des décisions fondées sur des preuves.
Conclusion : une bulle boursière peut éclater, et la révolution technologique se poursuivre
L'effondrement chinois est un sérieux avertissement pour les investisseurs. Il montre que même les secteurs prometteurs ne sont pas à l'abri de valorisations excessives, d'attentes injustifiées et de brusques changements de sentiment du marché.
Mais pour moi, en tant que chercheur et dirigeant d'une institution travaillant sur les questions de capital humain et de relèvement de l'Ukraine, la conclusion est autre : la technologie doit être évaluée à l'aune de son impact sur des tâches réelles, et non de l'engouement boursier.
Si l'automatisation réduit le temps de traitement des demandes, aide à détecter les risques à temps, soutient la continuité du travail pendant la guerre et libère les spécialistes pour des décisions engageantes, elle a déjà une valeur pratique. Mais cette valeur doit être mesurée, et la sécurité démontrée.
La bulle de l'IA peut éclater. Le besoin de connaissances vérifiées, d'organisations résilientes et de décisions opportunes, non.

Sources et remarques méthodologiques
[1] Reuters. « In China, the AI bubble has already burst », 26 octobre 2026 Source
[2] Investing.com. SSE STAR 50: historical data, clôture du 27 octobre 2026 Source
[3] Noy S., Zhang W. « Experimental evidence on the productivity effects of generative artificial intelligence ». Science, 2023 Source
[4] Harvard Business School / Boston Consulting Group. « Navigating the Jagged Technological Frontier », 2023 Source
[5] Abogunrin S. et al. « How much can we save by applying artificial intelligence in evidence synthesis? ». Frontiers in Pharmacology, 2025 Source
[6] METR. « Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity », 2025 Source
[7] European Business Association. « Quatre ans de grande guerre : comment fonctionnent les entreprises en Ukraine », 24 février 2026 Source
[8] Australian Signals Directorate et partenaires internationaux. « Implementing SIEM and SOAR platforms: Executive guidance », 27 mai 2025 Source
Remarque sur les calculs : l'exemple des 100 000 documents et le modèle de disponibilité du personnel en temps de guerre sont des hypothèses illustratives. Il faut les distinguer des résultats d'études contrôlées précises et les vérifier sur ses propres données avant toute décision d'investissement.