Quatre entreprises ont capté 60 % du capital-risque mondial, et cela change les règles pour tous les autres
Le premier trimestre de 2026 a produit un chiffre sans précédent dans l'histoire du capital-risque : 300 milliards de dollars déployés en un seul trimestre. Plus du double par rapport au trimestre précédent. Près de 70 % de tout ce qui a été investi dans les startups au cours de l'année 2025, comprimé en quatre-vingt-dix jours. À première vue, cela ressemble au type de donnée qui confirme que le capital circule avec une énergie que l'on n'avait pas vue depuis la bulle de 2021. La lecture superficielle s'arrête là.
Sous ce chiffre se cache une structure bien plus difficile à digérer : 188 milliards de dollars ont atterri dans quatre entreprises. OpenAI a capté environ 122 milliards lors d'un seul tour de table, le plus important de l'histoire. Anthropic a reçu environ 30 milliards. xAI, l'entreprise fondée par Elon Musk, a levé près de 20 milliards. Waymo, la filiale de conduite autonome d'Alphabet, a bouclé un tour d'environ 16 milliards. Quatre noms. Quatre tours de table. 65 % de l'ensemble du capital-risque mondial en un seul trimestre.
Ce qui se passe n'est pas un boom d'investissement généralisé. C'est une concentration de capital d'une ampleur historique autour d'une poignée de paris que les investisseurs traitent comme s'il s'agissait d'infrastructures économiques de niveau souverain. Cette distinction importe parce qu'elle modifie les questions pertinentes. La question n'est pas de savoir si le capital-risque est en bonne santé. La question est de savoir ce qu'il reste pour les autres et dans quelles conditions.
---
Ce que révèle la concentration lorsqu'on la lit comme un signal structurel
Un chiffre qui voyage en parallèle de celui des 188 milliards est tout aussi révélateur : alors que le volume total d'investissement aux États-Unis a progressé de 190 % en glissement annuel, le nombre d'opérations a chuté de 26 %. Moins d'accords, des chèques plus importants, un capital plus concentré. Ce n'est pas du bruit statistique. C'est l'enregistrement d'un marché qui réorganise en temps réel sa logique d'allocation.
La région de la Baie de San Francisco a absorbé 82 % de tous les dollars de capital-risque aux États-Unis durant cette période, soit le niveau de concentration géographique le plus élevé depuis au moins 2014. Ce seul chiffre ne dirait pas grand-chose s'il n'était pas accompagné d'un autre : l'intelligence artificielle a capté environ 80 % du capital-risque mondial au cours du trimestre, contre 55 % un an auparavant. La vitesse du déplacement importe autant que la destination.
Ce qui se passe au niveau des géants, cependant, ne fonctionne pas dans le même circuit que l'investissement en phase précoce. Les tours de table d'OpenAI, Anthropic, xAI et Waymo ne sont pas en concurrence directe pour le même capital que celui qui cible une entreprise en phase d'amorçage ou de Série A. Les 112 milliards restants du trimestre — ceux qui ne sont pas allés vers ces quatre entreprises — se distribuent dans un environnement qui reste actif et qui, selon les données de Stripe citées dans les analyses de la période, produit des résultats remarquables : les 100 entreprises natives de l'IA les plus performantes passent de 1 million à 30 millions de dollars de revenus récurrents annuels cinq fois plus vite que les générations précédentes de logiciels.
Cela ne signifie pas que l'environnement est facile. Cela signifie que l'environnement récompense quelque chose de très précis, et que ce quelque chose a évolué de façon accélérée au cours des douze derniers mois.
---
Pourquoi le fossé compte plus que le produit
Pendant des années, la conversation sur la défendabilité des startups a tourné autour de questions relativement abstraites portant sur la rétention, la scalabilité ou la différenciation de marque. Ces questions n'ont pas disparu, mais le cadre dans lequel on y répond a été entièrement réorganisé.
Lorsque les modèles de langage les plus puissants du monde disposent de dizaines de milliards de dollars frais pour étendre leurs capacités, baisser leurs prix et couvrir davantage de cas d'usage, la question de ce qui protège une petite entreprise devient beaucoup plus concrète. Les investisseurs examinent chaque startup à travers un prisme qui pourrait se résumer ainsi : si le modèle s'améliore suffisamment au cours des dix-huit prochains mois, quelle partie de cette activité survivra avec des marges raisonnables, et quelle partie deviendra une fonction du système d'exploitation d'un autre ?
Les réponses qui gagnent en crédibilité dans ce cycle ont un dénominateur commun : des actifs que l'intelligence, à elle seule, ne peut pas répliquer. Des données propriétaires difficiles d'accès. Du matériel spécialisé qui nécessite des années de développement. Des infrastructures physiques qui exigent une intégration avec le monde réel. Une réglementation qui fait office de barrière à l'entrée. Des relations institutionnelles à long terme. Des connaissances scientifiques absentes de tout corpus d'entraînement public.
Cela explique pourquoi les secteurs qui retiennent le plus l'attention des investisseurs au-delà des laboratoires de pointe sont la robotique, la défense, la photonique, l'informatique de nouvelle génération et la biotechnologie. Non pas parce qu'ils sont à la mode, mais parce qu'ils partagent une caractéristique structurelle : l'intelligence computationnelle y est un intrant utile, mais elle ne suffit pas à répliquer ce qu'une entreprise établie dans ces domaines a construit au fil des années.
Le risque pour les startups qui opèrent comme des couches minces par-dessus des modèles tiers est plus immédiat. Il ne s'agit pas que les laboratoires de pointe s'attaquent activement à ce segment. Il s'agit du fait que la baisse soutenue du coût de l'inférence, combinée à l'expansion des capacités natives des modèles, comprime les marges par le bas et par le haut simultanément. Une entreprise qui ne peut pas répondre clairement à la question de ce qui lui appartient lorsque le modèle fait la même chose qu'elle de manière native a un problème d'architecture commerciale, et non de marketing ou de distribution.
---
Le débat sur la fin des logiciels d'entreprise et pourquoi il n'a toujours pas de réponse claire
Lorsqu'Anthropic a lancé Claude Cowork en 2026, les valorisations de plusieurs grandes entreprises de logiciels ont chuté en quelques heures. L'épisode a généré un récit qui s'est rapidement installé : les agents d'IA allaient dévorer les logiciels d'entreprise. La réaction inverse est également apparue rapidement : ceux qui arguaient que la peur était totalement disproportionnée et que les logiciels de gestion n'allaient pas disparaître parce que les organisations ne changent pas aussi vite.
À mi-parcours de 2026, aucune des deux positions ne résiste bien au poids des données. Oui, en théorie, les entreprises pourraient construire une grande partie de leurs propres logiciels à l'aide d'outils de génération de code. Dans la pratique, très peu le font à grande échelle. Les cycles d'adoption institutionnelle sont lents, la tolérance au risque opérationnel est faible et les coûts de changement dans les systèmes critiques restent élevés. Mais cela ne signifie pas que les logiciels d'entreprise sont à l'abri de manière indéfinie. Cela signifie que le vecteur de pression opère sur une échelle temporelle différente de celle que suggérait la panique initiale.
Ce qui se produit de manière observable, c'est une bifurcation. Les entreprises de logiciels qui disposent de données propriétaires profondément intégrées dans leurs flux de travail, qui ont constitué des réseaux de clients avec de véritables coûts de sortie et qui résolvent des problèmes où la précision sectorielle compte plus que la capacité générale du modèle, ressortent renforcées de ce cycle. Celles qui ont construit leur valeur principalement sur l'accès à des capacités d'IA tierces et sur des expériences utilisateurs que les modèles peuvent répliquer nativement sont réévaluées avec des multiples plus faibles et des délais de levée de fonds plus longs.
La formule qui a commencé à circuler parmi les investisseurs comme objection réflexe, presque automatique, est la suivante : « Et si OpenAI ou Anthropic faisaient cela demain ? » Dans de nombreux cas, cette question remplace l'analyse au lieu de l'ouvrir. Appliquée sans nuance, elle bloque des conversations légitimes sur des entreprises aux fondamentaux solides. Mais lorsqu'elle est étayée par des données, elle pointe exactement le problème que de nombreuses startups n'ont pas encore résolu : la différence entre construire un produit et construire un avantage qui s'accumule avec le temps.
---
L'intelligence abondante et ce qui devient rare lorsque cela se produit
Le cadre qui commence à mieux orienter les décisions d'investissement dans ce cycle repose sur une hypothèse qui dispose désormais de suffisamment de preuves pour être prise au sérieux : l'intelligence computationnelle est en train de devenir un intrant abondant et bon marché, selon la même logique qu'ont suivie le calcul informatique, le stockage et la bande passante lors des cycles précédents. Lorsqu'une ressource baisse de prix à cette vitesse, ce qui devient rare et précieux, c'est ce que cette ressource ne peut pas produire seule.
Dans le cycle précédent, lorsque le calcul informatique s'est démocratisé, ce qui s'est raréfié, c'est la distribution, les données comportementales des utilisateurs et les effets de réseau que certains produits avaient construits. Les entreprises qui ont remporté ce cycle ne sont pas celles qui disposaient du meilleur serveur, mais celles qui avaient compris ce qui restait hors de portée du matériel moins cher.
La logique se répète. Si l'intelligence devient moins chère, ce qui est rare devient ce que l'intelligence ne peut pas synthétiser : des données absentes de tout référentiel public, des relations institutionnelles qui prennent des années à se construire, des infrastructures physiques qui nécessitent du capital et du temps pour être déployées, une expertise réglementaire qui n'existe que dans des organisations naviguant dans un secteur spécifique depuis une décennie.
Le trimestre le plus concentré de l'histoire du capital-risque n'est pas le signe que le marché se ferme pour les autres. C'est le signe que le marché réécrit, avec plus de clarté que jamais, quel type d'actifs il considère comme défendables lorsque quatre entreprises disposent des ressources pour déplacer les paramètres du jeu. Les startups qui construisent sur des actifs que l'abondance de l'intelligence ne peut pas répliquer se trouvent dans une position plus solide que ce que la panique du moment suggère. Celles qui ne le font pas ont un problème que le prochain cycle de modèles plus performants rendra plus visible, et non moins.
