Un site, isaiprofitable, a été monté par une personne, qui recense les chiffres d’investissement à partir des résultats publiés par les sociétés, de documents officiels, comme ceux de la SEC, l'autorité boursière américaine, Bloomberg etc..., ainsi que ceux des revenus, voir copies d'écran ci-dessous.

https://isaiprofitable.com/

Au total, on aurait donc 1500 milliards de dollars d'investissements, et 769 milliards de revenus. Mais quand on regarde dans le détail, on voit qu'Amazon, Alphabet (Google), Meta (Facebook...), Microsoft... ont investi des centaines de milliards de dollars chacun, 331 milliards pour Amazon, pour des revenus de 22 milliards, 300 milliards pour Alphabet, pour des revenus de 25 milliards de dollars, etc..., et que donc les pertes pour eux se comptent en centaines de milliards de dollars.

Les dépenses de ces GAFAM sont d’ailleurs bien plus importantes que celles des laboratoires comme OpenAI ou Anthropic (sans parler de Mistral AI, aussi cité, mais dans l'épaisseur du trait).

Les grands gagnants sont les constructeurs de matériel, Nvidia en tête, 228 milliards d’investissements, mais 516 milliards de revenus, la grade majorité donc des revenus totaux du secteur, AMD; 27 milliards d’investissements et 36 milliards de revenus, Micron, 26 milliards d'investissements, 34 milliards de dollars de revenus. Je crois que l'on pourrait ajouter à cette liste de fabricants de composants, Samsung, on l'a vu récemment, et SKHynix...

Bien sûr l'auteur précise que les premiers escomptent des retours sur investissements plutôt pour 2030, mais ce n'est pas évident du tout, car beaucoup d'entreprises ont fait l'expérience ces derniers temps des coûts énormes de l'utilisation de l'IA, des tokens, et ont commencé à en réfréner l'usage.
Donc c'est très loin d'être gagné que ce sera profitable en 2030, et d'ici là, ce sont des gouffres, non seulement en investissements, mais aussi en consommation électrique, en composants GPU, RAm, SSDs, plutôt néfastes aux autres acteurs qui cherchent à s'équiper de matériels informatiques au meilleur prix.

Voici ce que dit l'auteur du pourquoi il a créé ce site :

Is AI Profitable Yet?

Tracking the spend and revenue of frontier AI companies (July 2026).

WHY I BUILT THIS

    Many industry experts and companies claim AI profitability by 2030 is possible, so I wanted to see how close we really are. This site tracks cumulative spend versus revenue across most major AI companies in one place, allowing you to see approximately how much money is flowing into the industry and how far it is from breaking even.

    I'll be updating these numbers monthly as new reports and financials drop. Perhaps one day, the big "NO" will become a "YES," and the question will finally be answered . So far? The big winner is NVIDIA, who is receiving huge profits from the AI boom by positioning itself as the primary chip supplier to the AI sector.

HOW THE NUMBERS WORK

    All figures are estimated cumulative totals (all-time). Because most of these companies are private, the numbers aren't exact; instead, they are built from leaked financials, SEC filings, earnings calls, and industry estimates from sources like Bloomberg, the WSJ, The Information, and Epoch AI (all referenced at the bottom). The punchline 'EVERYONE IS BROKE' is intentionally punchy, but shouldn't be taken absolutely literally.

    The site includes both, big tech infrastructure spend and pure lab spending, hence why companies like Amazon and Google have huge spend figures compared to the pure labs like OpenAI or Anthropic (big AI investments, not much direct AI revenue yet). It's important to note that the site tracks whether AI investment specifically has broken even yet, not company-wide profitability, hence why companies such as Amazon and Google look so far in the red despite being hugely profitable companies as a whole.

    Spend numbers include direct R&D costs, compute, and capital expenditure on AI infrastructure (data centres, chips, and networking). Capex is treated as spend despite having long-term asset value; this is intentional. The framing shows the sheer scale of capital being committed to AI before returns materialise, rather than smoothing it across a depreciation schedule. Indirect AI revenue (E.g. Google Search performance boosted by AI Overviews, or Microsoft Office revenue lifted by Copilot) is excluded because there is no reliable way to attribute what share of those gains AI is actually responsible for. The $/sec counters use current annual burn rates rather than historical averages, to reflect what's happening right now.

    Revenue numbers are the trickiest to estimate due to a lot less information on them being readily available. Thus, the revenue figures here are mostly estimated and extrapolated off of ARR figures. Currently, I'd say these numbers are more optimistic than anything, but I will be refining this over time as more information comes out.