Lorsque Jessica Wachter, professeure de finance de la Wharton School de l'Université de Pennsylvanie, a évalué l'impact économique de l'IA, elle a commencé par un "fait remarquable" : les hyperscalers investissent des sommes énormes dans des centres de données IA. Au lieu de prédire l'utilité de l'IA, elle a calculé à quelle vitesse leurs revenus doivent croître pour justifier les dépenses jusqu'en 2027, lorsque les dépenses atteindront près de 1,1 trillion de dollars. L'analyse montre que les entreprises d'IA doivent augmenter leur productivité d'un facteur 2,7 pour atteindre l'équilibre d'ici 2030, en tenant compte du coût du capital et d'un retour de 15%.

Wachter, ancienne économiste en chef de la SEC, note que cela nécessiterait une croissance comparable au boom des TI des États-Unis des années 90, mais compressé en quelques années. Si cela n'est pas atteint, les hyperscalers risquent de prendre du retard sur les paiements d'intérêts et la faillite. Elle conclut qu'un boom de productivité échouerait ferait de l'expansion actuelle "la plus grande mauvaise allocation de capital de l'histoire".

Les hyperscalers-Alphabet, Microsoft, Amazon, Meta et Oracle (partenariat avec OpenAI)-dépenseront environ 750 milliards de dollars cette année dans des centres de données, avec des investissements totaux en IA pouvant dépasser 5 billions de dollars sur quatre ans. Cependant, les revenus actuels de l'IA ne sont que de 150 à 200 milliards de dollars par an, selon Gary Gensler, ancien président de la SEC et professeur à la MIT Sloan School, qui appelle le désaccord entre les dépenses et les revenus "un fait". Les investissements pourraient représenter 3% du PIB des États-Unis, présentant des risques pour la santé financière des entreprises et de l'économie plus large alors que le flux de trésorerie libre devient négatif à travers le groupe.