John-David Lovelock et la machine de prévision derrière les dépenses en IA

Résumé

• L'importance publique de John-David Lovelock provient d'un rôle récurrent chez Gartner: traduire les preuves de ventes des fournisseurs, le comportement des acheteurs et les incertitudes de l'adoption technologique en prévisions de dépenses informatiques sur lesquelles les conseils d'administration et les fournisseurs peuvent s'appuyer pour planifier.
• Son travail est le plus visible dans le cycle de l'infrastructure de l'IA, où les prévisions de Gartner sont passées d'une accélération des centres de données en 2024 à des dépenses informatiques supérieures à 6 000 milliards de dollars en 2026, puis à nouveau à la hausse alors que les serveurs optimisés pour l'IA, la mémoire, les logiciels et la capacité cloud remodelaient le marché.
• Le bilan indique une influence, non un contrôle. Lovelock ne dirige pas les dépenses d'investissement des hyperscalers ni les budgets des entreprises, mais il fournit à ces décisions un langage commun de catégories, de révisions et de contraintes.
• La question non résolue est la qualité des prévisions sous tension: le modèle public de Gartner peut-il continuer à distinguer la demande réelle de la surcapacité temporaire alors que les investissements en IA, les prix des logiciels, les marges des services et les goulets d'étranglement des infrastructures évoluent à des rythmes différents?

La personne derrière les prévisions

John-David Lovelock est une figure de marché inhabituelle car son nom apparaît généralement associé aux dépenses des autres. Dans les archives publiques, il ne lance pas de campus de centre de données, ne signe pas de fusion de logiciels, ne négocie pas de licence de spectre et n'annonce pas de subvention nationale pour l'IA. Il apparaît au moment où Gartner traduit ces choix en une prévision: un taux de croissance, un total en dollars, un tableau de catégories et quelques phrases qui expliquent aux dirigeants technologiques la signification du mouvement.

Cela rend son profil facile à sous-estimer et facile à surestimer. Sous-estimé, il n'est qu'un analyste de plus cité dans un article technologique. Surestimé, il devient un faiseur de marché invisible, comme si un communiqué de Gartner pouvait ordonner aux hyperscalers, aux éditeurs de logiciels, aux opérateurs télécoms, aux acheteurs d'entreprise et aux investisseurs de s'aligner sur un cycle d'investissement unique. La lecture la plus juste est plus étroite et plus intéressante. Lovelock est un opérateur public de la machine de prévision de Gartner.

Son travail compte parce que la machine a une portée, parce que les catégories sont répétées et parce que le langage atterrit dans les salles de planification avant que de nombreuses entreprises n'aient une vue complète de leur propre demande pour l'année suivante.

Les preuves visibles confirment ce rôle. Gartner identifie Lovelock comme vice-président analyste distingué dans les communiqués officiels sur les dépenses informatiques mondiales et dans ses travaux de prévision des dépenses en IA. En avril 2026, The Economic Times l'a décrit comme le prévisionniste en chef de Gartner en évoquant la révision à la hausse par le cabinet des dépenses informatiques mondiales. Dans toutes ces apparitions, il n'est pas présenté comme un commentateur de la technologie en général.

Il est attaché à un rythme opérationnel spécifique: l'interprétation récurrente de la demande pour les systèmes de centres de données, les logiciels, les appareils, les services informatiques, les services de communication, l'infrastructure cloud, les serveurs optimisés pour l'IA et la pression sur les coûts créée par l'IA générative.

Ce rythme est la véritable surface de décision du sujet. Ce n'est pas une surface de décision privée au sens du contrôle exécutif. Elle est publique, institutionnelle et méthodologique. Les choix observables de Lovelock sont des choix de cadrage. Une augmentation des dépenses est-elle un signal de demande réelle ou un effet de prix? La croissance des logiciels est-elle tirée par une nouvelle valeur ou par les fournisseurs répercutant le coût des fonctionnalités d'IA intégrées?

Une poussée des centres de données témoigne-t-elle d'une adoption à long terme de l'IA par les entreprises ou résulte-t-elle principalement de la construction anticipée des hyperscalers? Les dépenses en appareils sont-elles un cycle de renouvellement, un cycle IA-PC ou une histoire de prix de la mémoire? Ces distinctions ne sont pas académiques.

Elles influencent la manière dont un directeur des systèmes d'information défend un budget, comment un fournisseur de logiciels fixe le prix d'un module d'IA, comment une société de services se prépare aux pressions sur les marges et comment les investisseurs distinguent les entreprises qui vendent de l'infrastructure d'IA de celles qui promettent simplement de l'utiliser.

Le profil doit donc commencer avec retenue. Lovelock est important non pas parce qu'il modifie à lui seul le comportement du marché, mais parce que son travail chez Gartner contribue à rendre le comportement du marché lisible. Dans un cycle de dépenses en IA devenu trop vaste pour être suivi par les seuls communiqués de presse, la lisibilité elle-même est une forme d'infrastructure.

Gartner comme plateforme

L'influence de Lovelock ne peut être séparée de la position institutionnelle de Gartner. Gartner se décrit comme une entreprise du S&P 500 de 6,5 milliards de dollars avec plus de 20 000 collaborateurs, une présence dans environ 90 pays et territoires et plus de quatre décennies d'expérience dans le conseil aux dirigeants d'entreprise et technologiques. L'entreprise indique que ses conseils sont éclairés par des milliers d'experts métier et technologiques, des centaines de milliers d'interactions clients, des briefings fournisseurs et des évaluations par les pairs.

Ces chiffres sont fournis par Gartner et doivent être lus comme faisant partie de sa démonstration commerciale d'autorité. Néanmoins, ils expliquent pourquoi une prévision attribuée à un seul analyste peut voyager plus loin qu'une opinion individuelle.

Le produit de prévision de Gartner n'est pas un article de blog assorti d'une feuille de calcul. Les propres déclarations de Gartner indiquent que ses prévisions de dépenses informatiques reposent largement sur une analyse rigoureuse des ventes réalisée par plus d'un millier de fournisseurs dans l'ensemble des produits et services informatiques, complétée par des recherches primaires et des données secondaires pour constituer une base de données sur la taille du marché. Le modèle détaillé est propriétaire.

Les personnes extérieures ne peuvent pas voir la pondération des fournisseurs, les règles de révision ni le traitement complet des devises, des prix, des contraintes d'approvisionnement, des stocks des canaux et des changements de catégories. Mais la divulgation de haut niveau est importante car elle distingue la prévision d'un récit construit uniquement à partir d'entretiens avec des dirigeants ou du sentiment du marché.

Cette plateforme institutionnelle confère à Lovelock deux types d'autorité publique. La première est probatoire. Il peut s'exprimer à partir d'un modèle qui prétend agréger l'analyse des ventes des fournisseurs, le comportement des acheteurs et les données de recherche sur un vaste marché technologique. La seconde est classificatoire. Gartner ne se contente pas de dire que les dépenses augmentent ou diminuent; il répartit les dépenses dans des catégories que les entreprises elles-mêmes utilisent pour planifier.

Les appareils, les systèmes de centres de données, les logiciels, les services informatiques, les services de communication, les serveurs optimisés pour l'IA, l'infrastructure en tant que service, les logiciels applicatifs, les semi-conducteurs et les services d'IA ne sont pas des cases neutres. Ils deviennent une carte partagée pour le marché.

La carte a des conséquences. Un fournisseur qui vend dans le cadre de la construction de centres de données veut savoir si la croissance est concentrée dans les baies de serveurs IA, le stockage, la mémoire, la mise en réseau, les systèmes d'alimentation ou les installations. Une société de services veut savoir si les acheteurs paieront pour des travaux de transformation ou s'attendront à ce que les économies d'automatisation réduisent la valeur du contrat.

Un DSI veut savoir si les augmentations de coûts des logiciels proviennent de nouvelles fonctionnalités, du pouvoir de tarification des fournisseurs ou du coût caché des fonctionnalités d'IA. Un investisseur veut savoir si le cycle de dépenses est large ou concentré sur un petit nombre de goulets d'étranglement de l'infrastructure. Le rôle public de Lovelock est de traduire la carte de Gartner dans un langage que chacun de ces publics peut réutiliser.

Cette réutilisation est ce qui rend un prévisionniste important sur le plan organisationnel. Une entreprise n'a pas besoin d'accepter tous les chiffres de Gartner pour que la prévision affecte la planification. Il suffit qu'elle traite les catégories de Gartner comme un point de référence. Une fois qu'une présentation au conseil d'administration utilise les mêmes catégories, qu'une présentation de fournisseur compare son marché adressable à la courbe des dépenses de Gartner, qu'un article de presse transforme une révision de prévision en titre de marché, la prévision est entrée dans le langage opérationnel du secteur.

La révision comme discipline

La partie la plus révélatrice du bilan public de Lovelock n'est pas un chiffre unique. C'est le schéma de révision. En juillet 2024, Gartner prévoyait des dépenses informatiques mondiales d'environ 5 260 milliards de dollars pour 2024, en hausse de 7,5 %. Le même communiqué mettait en avant les systèmes de centres de données comme la catégorie à la croissance la plus rapide, avec des dépenses attendues en hausse de plus de 24 %. L'interprétation de Lovelock était déjà axée sur l'IA générative comme un problème de coût et de capacité, et non simplement comme une histoire de productivité.

Le message public était que l'IA pesait sur l'infrastructure de calcul et l'économie des logiciels avant même que de nombreuses entreprises puissent démontrer des rendements à grande échelle.

En juillet 2025, les reprises secondaires des prévisions de Gartner estimaient les dépenses informatiques mondiales à environ 5 430 milliards de dollars pour l'année. Le langage a évolué vers l'incertitude. TechRadar a rapporté le point de vue de Gartner selon lequel il y avait une pause dans les nouvelles dépenses nettes causée par l'incertitude mondiale, mais que les initiatives en matière d'IA et d'IA générative l'emportaient encore sur la pause. Cette distinction est au cœur du schéma de Lovelock. Un prévisionniste plus faible aurait pu aplatir le marché en « boom de l'IA » ou « les acheteurs sont prudents ».

Le récit public de Gartner maintenait les deux affirmations à la fois: prudence dans certaines décisions d'entreprise, accélération dans l'infrastructure et les logiciels liés à l'IA.

En septembre 2025, les prévisions spécifiques à l'IA de Gartner ont donné au cycle un cadre beaucoup plus large. Le cabinet a déclaré que les dépenses mondiales en IA totaliseraient près de 1 500 milliards de dollars en 2025 et plus de 2 000 milliards de dollars en 2026. L'explication publique de Lovelock pointait vers les centres de données des hyperscalers, le matériel optimisé pour l'IA, les GPU, les entreprises chinoises, les nouveaux fournisseurs de cloud IA et le soutien du capital-risque. Il s'agit d'une chaîne causale plus complexe qu'une simple courbe d'adoption par les entreprises.

Elle indique que le marché de l'IA peut bondir même si de nombreux utilisateurs finaux sont encore en phase d'expérimentation, car les fournisseurs d'infrastructure et les plateformes dépensent avant que la productivité mesurée ne soit au rendez-vous.

En octobre 2025, Gartner a prévu que les dépenses informatiques mondiales dépasseraient 6 000 milliards de dollars pour la première fois en 2026, atteignant environ 6 080 milliards de dollars. Le tableau officiel montrait une nouvelle forte croissance des systèmes de centres de données, une expansion continue des logiciels et des services informatiques restant le plus grand poste en dehors des services de communication. Les commentaires publics de Lovelock séparaient à nouveau les moteurs par catégorie. Les appareils bénéficiaient des téléphones mobiles et des appareils IA.

Les systèmes de centres de données étaient limités par l'offre de baies de serveurs optimisées pour l'IA. La croissance des logiciels reflétait la diffusion continue des fonctionnalités d'IA et l'économie des licences d'entreprise.

Puis les révisions se sont poursuivies. En février 2026, ITPro a rapporté des prévisions de Gartner à 6 150 milliards de dollars, avec des dépenses en centres de données supérieures à 650 milliards de dollars, une croissance des dépenses en serveurs proche de 37 %, une croissance des logiciels supérieure à 15 %, une croissance des dépenses en IA générative supérieure à 80 % et une pression sur les prix de la mémoire ralentissant la croissance des appareils.

En avril 2026, Cinco Dias et The Economic Times ont rapporté une nouvelle prévision de Gartner d'environ 6 310 milliards de dollars pour les dépenses informatiques mondiales en 2026, l'infrastructure IA et les systèmes de centres de données assurant l'essentiel de la hausse. Cinco Dias a fait état d'une croissance des systèmes de centres de données de 55,8 % pour atteindre près de 788 milliards de dollars.

D'un certain point de vue, les révisions répétées sont un avertissement sur l'incertitude. Les chiffres de Gartner ont changé à mesure que le marché changeait. D'un autre point de vue, c'est le produit lui-même. Une prévision qui ne révise pas dans un cycle d'IA en évolution rapide serait plus suspecte qu'une qui le fait. La discipline ne consiste pas à préserver le premier chiffre; elle consiste à expliquer pourquoi le chiffre a bougé.

La valeur de Lovelock pour le public de Gartner réside en partie dans cette explication: la différence entre un marché qui croît grâce à une large adoption des logiciels d'entreprise, un marché qui croît parce que les prix de la mémoire sont plus élevés et un marché qui croît parce que les hyperscalers achètent du calcul optimisé pour l'IA avant que les revenus en aval ne soient pleinement visibles.

Le problème de l'infrastructure IA

Le cycle de l'IA a rendu le rôle de Lovelock plus important car il a rendu les dépenses informatiques plus difficiles à décrypter. Dans les anciens cycles technologiques d'entreprise, une prévision de dépenses pouvait souvent être interprétée à travers des catégories de demande familières: renouvellement du matériel, migration vers le cloud, extension des licences logicielles, externalisation, connectivité télécom ou conformité. L'IA générative a brouillé cette structure.

Un serveur GPU acheté par un hyperscaler peut prendre en charge l'entraînement de modèles d'IA, l'inférence d'entreprise, des fonctionnalités grand public ou une capacité qui reste sous-utilisée pendant une certaine période. Les dépenses logicielles peuvent augmenter parce qu'un fournisseur a intégré des fonctionnalités d'IA dans une suite et a facturé plus cher, même si l'acheteur n'a pas encore constaté un gain de productivité équivalent.

Les dépenses de services peuvent évoluer dans des directions contradictoires: plus de conseil pour préparer les données et reconcevoir les processus, mais une pression pour réduire la valeur des contrats de services gérés à mesure que l'automatisation devient attendue.

C'est pourquoi l'accent répété sur les centres de données est important. Les prévisions 2024 de Gartner désignaient déjà les systèmes de centres de données comme la catégorie à forte croissance. En 2025 et 2026, le récit était passé de la croissance ordinaire du cloud à l'économie de l'infrastructure IA. Les prévisions de dépenses en IA de Gartner distinguaient les serveurs optimisés pour l'IA des autres catégories d'IA. La couverture secondaire en 2026 a ensuite rapporté la pression exercée par la mémoire avancée, le calcul haute performance, la demande de serveurs et les constructions des hyperscalers.

Les commentaires publics de Lovelock plaçaient le boom de l'infrastructure dans une chaîne plus large: les fournisseurs de cloud construisent une capacité d'IA, les fournisseurs de matériel captent des revenus immédiats, les éditeurs de logiciels apprennent à tarifer les fonctionnalités d'IA et les sociétés de services sont confrontées à la possibilité que les clients exigent des économies liées à une prestation basée sur l'IA.

Le résultat est un marché à plusieurs vitesses. Les systèmes de centres de données peuvent croître à des rythmes extraordinaires tandis que les catégories traditionnelles croissent plus lentement. Les logiciels d'IA peuvent augmenter la valeur des contrats tandis que les marges des services se resserrent. Les appareils peuvent bénéficier des discours sur les PC IA et les smartphones tandis que les prix de la mémoire interfèrent avec les cycles de remplacement. L'infrastructure cloud peut s'étendre tandis que les acheteurs d'entreprise restent prudents quant aux projets d'IA qui méritent un déploiement à grande échelle.

Si un conseil d'administration ne voit que le chiffre total des dépenses, il passe à côté de la répartition des risques.

Le langage prévisionnel de Lovelock est conçu pour cette répartition. Il dit que la demande d'infrastructure d'IA peut être réelle même lorsque le retour sur investissement de l'IA reste incertain. Il dit que les revenus des logiciels peuvent augmenter parce que l'IA élève la base de coûts des applications, et pas seulement parce que les utilisateurs deviennent plus productifs. Il dit que les sociétés de services peuvent bénéficier de la demande de projets tout en perdant du pouvoir de tarification lorsque les clients demandent où sont passées les économies d'automatisation promises.

Il dit que le boom des centres de données est limité par les baies de serveurs, la mémoire, l'alimentation et le calendrier des hyperscalers plutôt que par un simple décompte des déploiements d'IA en entreprise.

Cette distinction est également le point où l'article ne doit pas dériver vers un récit héroïque. Lovelock n'a pas créé le boom de l'infrastructure IA. Nvidia, les hyperscalers, les fournisseurs de puces, les plateformes cloud, les éditeurs de logiciels d'entreprise, les investisseurs, les services publics d'électricité et les gouvernements sont tous plus proches des décisions en matière de capital. Son rôle se situe en aval de bon nombre de ces décisions et en amont de nombreuses conversations de planification à leur sujet.

Il reçoit des signaux du marché, l'appareil de Gartner les organise et il les renvoie au marché sous une forme qui peut être citée, contestée, budgétée ou intégrée dans une stratégie.

Cette position d'intermédiaire est facile à manquer car elle ne ressemble pas au pouvoir au sens habituel. Il n'y a pas de porte d'usine, pas de cérémonie d'ouverture de région cloud, pas de discours principal de produit. Mais dans un marché où l'incertitude elle-même modifie le comportement, la personne qui donne à l'incertitude une structure répétée devient un élément de l'environnement de planification.

La séparation logiciels et services

L'un des signaux publics les plus utiles de Lovelock est la séparation entre les logiciels et les services. Le cycle de l'IA tend à les brouiller. Les fournisseurs vendent l'IA comme une fonctionnalité logicielle, les consultants vendent l'IA comme un travail de transformation, les fournisseurs de cloud vendent l'IA comme une capacité de calcul et les acheteurs perçoivent souvent les trois comme un seul problème budgétaire. Les catégories de prévisions de Gartner imposent une distinction.

Dans le cycle de prévisions 2024, Lovelock a décrit l'IA générative comme une force qui augmenterait le coût des logiciels. Le sens pratique est brutal: les éditeurs de logiciels n'ont peut-être pas besoin que chaque client mène un projet d'IA réussi avant d'augmenter les prix ou de reconditionner les fonctionnalités. Si les fonctionnalités d'IA font partie du lot de licences, la courbe des dépenses peut augmenter même si les preuves de productivité restent inégales. Ce n'est pas nécessairement mauvais pour les acheteurs si les fonctionnalités deviennent utiles. C'est dangereux si le prix arrive avant la valeur.

D'ici 2026, le côté services semblait différent. The Economic Times a rapporté le point de vue de Lovelock selon lequel les fournisseurs indiens de services gérés pourraient bénéficier du transfert du travail routinier vers des initiatives d'IA, tandis que les sociétés de services subissaient des pressions sur les marges car les clients s'attendaient à ce que l'efficacité induite par l'IA se reflète dans les prix des contrats. C'est une asymétrie importante. Les éditeurs de logiciels peuvent parfois monétiser l'IA en l'intégrant dans les produits et en proposant des contrats plus riches.

Les fournisseurs de services vendent souvent de la main-d'œuvre, de la connaissance des processus et de la fiabilité de livraison. Si l'IA réduit l'intensité de main-d'œuvre perçue du travail, les clients peuvent se demander pourquoi le contrat ne devrait pas devenir moins cher.

Pour les conseils d'administration et les dirigeants, cette séparation est importante car elle modifie les entreprises qui gagnent du pouvoir de tarification. Un fournisseur de logiciels disposant d'une base installée dominante peut traiter l'IA comme un levier de renouvellement. Un intégrateur de systèmes peut devoir prouver qu'il peut réaliser une transformation par l'IA sans céder une trop grande partie des gains de productivité. Un fournisseur de cloud peut convertir la demande d'IA en revenus d'infrastructure s'il a la capacité.

Un fabricant d'appareils peut bénéficier d'un discours de renouvellement par l'IA mais reste exposé à la demande des consommateurs, aux prix de la mémoire et aux cycles de remplacement. Une société de services gérés peut voir de nouveaux projets mais des marges plus faibles.

Le travail de Lovelock rend ces différences visibles dans les prévisions de dépenses. Les chiffres publics de Gartner ne disent pas simplement que l'IA est importante. Ils demandent quel compartiment de dépenses est en hausse, pourquoi et pour combien de temps. C'est la raison pour laquelle son rôle relève d'un profil de veille de marché plutôt que d'une biographie d'analyste générique. La question n'est pas de savoir s'il est optimiste ou sceptique à l'égard de l'IA. La question est de savoir si son langage catégoriel aide les lecteurs à séparer un type de dépenses en IA d'un autre.

Il y a ici une mise en garde. Parce que Gartner est un cabinet de conseil commercial, ses catégories et récits publics soutiennent également la propre pertinence de Gartner. Un marché de l'IA en évolution rapide crée une demande de prévisions, d'appels de conseil, de conférences, de briefings fournisseurs et d'abonnements à la recherche. L'autorité de Gartner est donc à la fois un intrant pour le marché et un actif commercial.

Cela n'invalide pas le travail, mais cela donne aux lecteurs une raison de se demander comment la méthodologie traite les preuves contradictoires, à quelle vitesse les révisions se produisent et comment la confiance dans les prévisions est communiquée.

Le bilan public le plus solide de Lovelock est qu'il ne présente pas le cycle de l'IA comme sans frottement. Ses commentaires soulignent les pauses, les contraintes, les prix de la mémoire, l'inflation des coûts des logiciels, les goulets d'étranglement de l'infrastructure et la pression sur les marges des services. Dans un marché encombré de déclarations promotionnelles sur l'IA, ce type de prévisions nuancées est plus utile que l'enthousiasme. Cela ne garantit pas l'exactitude. Cela donne au public un ensemble de points de pression à surveiller.

Influence sans causalité

La partie la plus difficile de l'évaluation de Lovelock est de distinguer l'influence de la causalité. Une prévision de Gartner peut apparaître dans les titres des médias, les présentations des fournisseurs, les documents du conseil d'administration et les notes des investisseurs. Cela ne signifie pas que la prévision a causé les dépenses qu'elle décrit.

Dans la plupart des cas, la causalité va dans l'autre sens: les fournisseurs déclarent leurs ventes, les acheteurs révèlent leur comportement budgétaire, les hyperscalers divulguent ou signalent leurs plans d'investissement, les chaînes d'approvisionnement exposent les contraintes et le modèle de Gartner transforme ces données en une prévision.

Mais l'influence peut opérer sans causalité primaire. Une fois qu'une prévision est suffisamment crédible pour être répétée, elle peut façonner les attentes. Un DSI qui voit Gartner réviser à la hausse les dépenses d'infrastructure d'IA peut ne pas augmenter ses dépenses parce que Gartner l'a dit, mais la prévision peut affecter les questions auxquelles ce DSI est confronté de la part du conseil d'administration. Pourquoi notre stratégie de centre de données est-elle différente du marché? Sous-investissons-nous dans la capacité d'IA? Les éditeurs de logiciels sont-ils sur le point de pousser des augmentations de renouvellement liées à l'IA?

Les partenaires de services répercutent-ils les économies d'automatisation? Sommes-nous exposés aux contraintes d'approvisionnement en mémoire ou en baies de serveurs?

Les fournisseurs utilisent les prévisions différemment. Un éditeur de logiciels peut utiliser une courbe de dépenses de Gartner pour justifier le positionnement d'un produit. Un fournisseur de matériel peut pointer la croissance des systèmes de centres de données pour défendre un investissement en capacité. Une société de services peut utiliser le récit de l'adoption de l'IA pour vendre de la transformation, mais peut également devoir expliquer pourquoi l'IA ne réduit pas simplement le coût de livraison.

Les fournisseurs de cloud peuvent utiliser le récit de la croissance de l'infrastructure pour donner aux dépenses de capacité l'apparence d'un positionnement discipliné plutôt que d'une surconstruction spéculative. Les investisseurs utilisent le même matériel pour vérifier si la croissance des revenus est concentrée, large, durable ou circulaire.

C'est la surface opérationnelle où Lovelock compte. Il aide à définir les questions. Dans un marché complexe, définir les questions peut être presque aussi important que d'y répondre. Si la question partagée devient « quelle est l'ampleur des dépenses en IA », alors presque tous les grands chiffres soutiennent le récit du boom. Si la question partagée devient « quelle catégorie de dépenses en IA est en croissance, et quelle contrainte la motive », alors les conseils d'administration et les investisseurs peuvent poser des questions de suivi plus pointues.

Cette demande provient-elle des utilisateurs finaux ou des fournisseurs qui construisent des capacités? Les revenus sont-ils récurrents ou ponctuels? Le prix est-il un moteur de croissance plus que le volume? La catégorie dépend-elle d'un petit nombre d'acheteurs hyperscale? La courbe des dépenses implique-t-elle une productivité future ou seulement une dépréciation future?

Le bilan public montre que Lovelock pousse constamment les prévisions vers ces questions plus pointues. En 2025, le thème n'était pas seulement la croissance mais l'incertitude. Fin 2025, le thème n'était pas seulement le franchissement des 6 000 milliards de dollars mais la structure de l'offre et des catégories derrière ce franchissement. En 2026, les révisions à la hausse mettaient l'accent sur l'infrastructure IA, les centres de données, la mémoire et les logiciels plutôt que de prétendre que toutes les dépenses technologiques augmentaient à la même vitesse.

Cette discipline est utile précisément parce que l'autorité de Gartner peut être utilisée à mauvais escient. Un chiffre de titre peut aplatir les nuances. Un fournisseur peut citer la partie de la prévision qui sert son argumentaire de vente et ignorer les réserves. Un conseil d'administration peut utiliser le taux de croissance comme tactique de pression sans comprendre la composition par catégorie. Les meilleurs commentaires publics de Lovelock donnent aux lecteurs une défense contre cette mauvaise utilisation: lisez le total, puis lisez les moteurs.

Les limites du bilan

Les preuves laissent également des lacunes. Le bilan public ne montre pas l'historique de carrière complet de Lovelock, sa date d'entrée exacte, sa ligne hiérarchique interne ni la répartition précise du travail entre lui et les équipes de recherche plus larges de Gartner. La divulgation méthodologique de Gartner est utile mais partielle. Elle indique aux lecteurs que l'analyse des ventes des fournisseurs, la recherche primaire et les preuves secondaires sont utilisées.

Elle ne montre pas le modèle détaillé, les intervalles de confiance, la pondération des données de dernière minute ni la manière dont l'entreprise traite les biais des fournisseurs qui ont un intérêt commercial à une estimation de marché plus large.

Ces lacunes doivent façonner l'évaluation. Lovelock ne doit pas être décrit comme le seul architecte des prévisions de dépenses informatiques de Gartner. Il est mieux compris comme un interprète public de premier plan et un opérateur d'un processus institutionnel plus large. Ce processus est commercial, propriétaire et très visible. Il est également limité par la même difficulté à laquelle tout prévisionniste technologique est confronté: les marchés changent plus vite que les preuves publiques ne peuvent se stabiliser.

L'IA rend cette difficulté aiguë. Un centre de données peut être financé avant que les applications pour les utilisateurs finaux ne soient éprouvées. Un éditeur de logiciels peut facturer l'IA avant que les clients ne sachent quelles fonctionnalités ils conserveront. Une société de services peut promettre une efficacité basée sur l'IA avant que les méthodes de livraison ne se stabilisent. Un fournisseur de cloud peut construire des capacités parce que ses concurrents en construisent. Un fournisseur de semi-conducteurs peut déclarer des revenus réels alors que l'économie des clients en aval reste non résolue.

Ce ne sont pas des contradictions; ce sont différentes parties du cycle du capital évoluant à des rythmes différents.

L'Associated Press a capturé une partie de cette tension fin 2025 en rapportant que les investisseurs se demandaient encore si le boom de l'IA tiendrait ses promesses de profit et de productivité, même si les entreprises liées à la construction d'infrastructures produisaient de solides résultats. Kiplinger a soulevé une question de durabilité connexe en plaçant les perspectives de dépenses informatiques 2026 de Gartner parallèlement aux préoccupations concernant les schémas de dépenses circulaires et la force inhabituelle de la demande liée à l'IA.

La couverture d'ITPro début 2026 a ajouté le problème du retour sur investissement: l'enthousiasme et les dépenses restaient élevés même si de nombreuses organisations essayaient encore de prouver une valeur évolutive.

Pour Lovelock, ces préoccupations ne sont pas en dehors des prévisions. Elles font partie de ce qu'une prévision doit absorber. Si le modèle traite toutes les dépenses d'IA comme également durables, il manquera le risque de surconstruction. S'il traite tous les projets d'IA échoués comme la preuve que le cycle de l'infrastructure est faux, il manquera les revenus réels des fournisseurs et les engagements de capacité. L'art consiste à garder les deux possibilités à l'esprit.

C'est là que le langage du Hype Cycle de Gartner est pertinent. La propre méthodologie de Gartner décrit l'adoption technologique comme passant par des attentes exagérées, la désillusion et une utilisation productive éventuelle pour les technologies qui survivent. Le Hype Cycle n'est pas une invention personnelle de Lovelock et il ne doit pas être imposé à chaque prévision. Mais il illustre l'habitude institutionnelle de Gartner: rendre l'incertitude lisible en nommant les étapes, les risques et les choix de calendrier. Le travail de Lovelock sur les dépenses informatiques applique une habitude similaire aux budgets.

La question n'est pas simplement de savoir si l'IA est précoce ou tardive. C'est de savoir quelle ligne budgétaire absorbe déjà le coût.

Canada, marchés mondiaux et la personne derrière un signal sans frontières

La région attribuée à Lovelock est Canada / Monde, et cette expression saisit la géographie particulière de son rôle public. Les prévisions qu'il interprète sont mondiales. Les catégories traversent les frontières. Les dépenses d'investissement des hyperscalers, l'offre de semi-conducteurs, les prix de la mémoire, les contrats de logiciels, les marges des services gérés et la capacité cloud ne respectent pas un marché national unique. Pourtant, la personne attachée aux prévisions n'a pas besoin de siéger au centre de chaque décision d'investissement pour influencer la manière dont ces décisions sont lues.

Cela importe pour une publication concernée par l'infrastructure et le pouvoir de marché. Les leaders technologiques les plus visibles se trouvent souvent à l'intérieur d'entreprises qui possèdent des actifs: régions cloud, réseaux de fibre, centres de données, plateformes de modèles, suites logicielles, chaînes d'approvisionnement de semi-conducteurs. La position de Lovelock est différente. Il se trouve à l'intérieur d'une institution de conseil qui crée une interprétation partagée. Ce type de pouvoir est plus facile à négliger car il ressemble à de la recherche plutôt qu'à de la propriété.

Mais la recherche peut encore devenir une infrastructure lorsque suffisamment d'acteurs du marché construisent des décisions autour d'elle.

Le caractère mondial des prévisions les rend également utiles pour les marchés plus petits et régionaux. Un fournisseur national de cloud, un intégrateur de systèmes régional, un opérateur télécom, un acheteur du secteur public ou un développeur local de centres de données peut ne pas être en mesure d'observer directement l'ensemble du cycle de dépenses en IA. Les chiffres de Gartner donnent à ces acteurs une référence externe.

Ils peuvent décider si leur propre marché est en retard, en surchauffe ou évolue différemment en raison de la réglementation, des devises, de l'énergie, des règles d'approvisionnement ou de la composition de la clientèle. Les commentaires publics de Lovelock sur l'Inde en 2026 montrent cette traduction en action. La même prévision mondiale peut être lue à travers les marges des services, la stratégie locale des centres de données, les opportunités d'exportation et la demande des clients pour une efficacité basée sur l'IA.

C'est une forme pratique d'influence. Elle n'exige pas de charisme personnel ni d'autorité exécutive. Elle repose sur la répétition, la discipline des catégories et la confiance institutionnelle. Chaque cycle de prévisions donne à Lovelock et à Gartner une nouvelle occasion d'ajuster la carte partagée. Si la carte s'avère utile, elle devient un élément du mobilier de planification du marché. Si elle s'avère fausse, elle peut encore façonner les décisions jusqu'à ce que l'erreur devienne visible.

Ce qu'il a construit et ce qu'il n'a pas construit

Le standard Sofia Ren pour un profil comme celui-ci est de demander ce que la personne a construit, hérité, approuvé, financé, fermé, vendu, réorganisé, délégué ou laissé non résolu. Pour Lovelock, la réponse n'est pas une usine ou une gamme de produits. Les preuves publiques montrent qu'il a hérité et opère au sein de la plateforme de recherche de Gartner, et qu'il contribue à construire un produit de prévision récurrent autour des dépenses informatiques mondiales et de la demande liée à l'IA.

Le résultat observable n'est pas une décision d'entreprise privée; c'est une séquence de publications de prévisions, de récits par catégorie et d'explications du marché.

Il a construit, en public, une position interprétative cohérente. Les dépenses en IA doivent être lues à travers l'infrastructure, les logiciels, les appareils, le cloud et les services plutôt qu'à travers un seul récit d'adoption. L'IA générative peut augmenter les coûts des logiciels avant de prouver sa productivité. Les dépenses en centres de données peuvent exploser parce que les fournisseurs construisent en avance sur la demande. Les services gérés peuvent voir des opportunités tout en subissant des pressions sur les prix.

L'incertitude des acheteurs peut ralentir certains projets alors que les investissements en IA continuent de croître. Une prévision peut être révisée à la hausse sans devenir un exercice d'encouragement si les moteurs sont clairement nommés.

Il n'a pas construit le boom de l'IA. Il n'a pas approuvé les dépenses d'investissement des hyperscalers. Il n'a pas décidé de la feuille de route des produits de Nvidia, des budgets d'IA d'entreprise, des prix des éditeurs de logiciels, des files d'attente d'interconnexion électrique ou de la politique gouvernementale en matière de centres de données. Il ne contrôle pas si les dépenses en IA produisent en fin de compte des rendements suffisants. Ces limites sont importantes car la tentation publique est de traiter les interprètes visibles comme des décideurs cachés.

Le bilan de Lovelock est plus spécifique et plus défendable: il aide à définir comment ces décideurs décrivent le marché à eux-mêmes et entre eux.

Il a également laissé des questions importantes non résolues, du moins en public. Gartner ne publie pas suffisamment de détails sur le modèle pour que des personnes extérieures puissent auditer pleinement le processus de prévision. Les rapports publics ne montrent pas comment Gartner sépare l'inflation des prix de la croissance en volume dans chaque catégorie, comment il traite l'optimisme des fournisseurs ou comment il calibre l'exactitude des prévisions sur plusieurs cycles.

La révision à la hausse d'avril 2026, rapportée dans la couverture secondaire, nécessite une comparaison continue avec les documents officiels de Gartner et les résultats ultérieurs. Le retour de productivité à long terme sur l'infrastructure IA reste une question ouverte. Il en va de même pour la répartition des gains entre les plateformes cloud, les éditeurs de logiciels, les fournisseurs de matériel, les sociétés de services et les entreprises clientes.

Ces questions non résolues n'affaiblissent pas le profil. Elles sont le profil. La valeur publique d'un prévisionniste est testée là où les faits sont incomplets mais où les décisions ne peuvent pas attendre.

Ce qu'il faut surveiller ensuite

La prochaine évaluation de l'influence de Lovelock ne devrait pas demander s'il avait « raison » au sens d'une simple prévision ponctuelle. Elle devrait demander comment la prévision a géré les tensions. Plusieurs points de tension sont déjà visibles.

Premièrement, les systèmes de centres de données. Si les dépenses en 2026 restent aussi fortes que le suggéraient les rapports d'avril 2026, la question sera de savoir si la demande est absorbée dans des services cloud et d'IA productifs ou si la surconstruction apparaît dans l'utilisation, les prix ou les projets retardés. Un bon prévisionniste distinguera les dépenses comptabilisées par les fournisseurs de la valeur réalisée par les clients.

Deuxièmement, les logiciels. Si les fournisseurs continuent d'intégrer l'IA dans les applications d'entreprise, les dépenses logicielles peuvent augmenter même là où les clients voient des rendements inégaux. La question pratique est de savoir si l'IA devient un levier de renouvellement durable ou une augmentation de prix contestée. Le langage antérieur de Lovelock sur l'effet de l'IA sur le coût des logiciels donne aux lecteurs le bon cadre de surveillance.

Troisièmement, les services. Les entreprises de services gérés et de conseil devront décider si l'IA leur permet de protéger leurs marges, de gagner de nouveaux contrats ou de céder les gains d'efficacité aux clients. La discussion sur les services indiens en 2026 est une version spécifique au marché d'un problème mondial. Si les clients s'attendent à ce que l'IA réduise le coût de livraison, les prévisions de services doivent capturer à la fois la demande de projets et la compression des marges.

Quatrièmement, les appareils et la mémoire. Les PC IA et les téléphones dotés d'IA peuvent créer un récit de remplacement, mais les prix des composants et la demande des utilisateurs déterminent si le récit se transforme en volume. Le commentaire de Gartner en 2026 sur la pression des prix de la mémoire est un rappel que la croissance de la catégorie IA peut être ralentie par l'économie ordinaire de la chaîne d'approvisionnement.

Cinquièmement, la dépendance aux services cloud. À mesure que les charges de travail d'IA se concentrent dans les environnements hyperscale, les acheteurs peuvent devenir plus dépendants des fournisseurs de cloud et de livraison d'applications gérées. La courbe des dépenses peut montrer une croissance, mais la question stratégique est le contrôle: qui possède la capacité, qui paie pour l'échelle inutilisée et qui a le pouvoir de négociation lorsque les fonctionnalités d'IA sont intégrées dans les logiciels de base.

Ces points de surveillance montrent pourquoi le rôle de Lovelock reste utile une fois que le chiffre de titre s'estompe. Le marché n'a pas seulement besoin d'un total. Il a besoin d'un moyen de vérifier si le total est sain.

L'évaluation

Le bilan public de John-David Lovelock est une étude de cas d'influence institutionnelle sans contrôle opérationnel direct. Il n'est pas un dirigeant technologique connu du grand public. Il n'est pas le fondateur d'une plateforme d'IA ni le propriétaire d'un parc de centres de données. Son travail est important parce que l'appareil de prévision de Gartner se situe entre les preuves et la planification. Il collecte les signaux du marché, les organise en catégories, les révise à mesure que les conditions changent et les renvoie au marché avec suffisamment d'autorité pour être réutilisés.

Cela fait de lui un opérateur de prévisions. L'expression est délibérément modeste. Elle ne prétend pas qu'il crée à lui seul le modèle de Gartner ou qu'il commande le marché. Elle reconnaît que quelqu'un doit faire fonctionner l'interface publique de la prévision: dire ce qui a bougé, pourquoi cela a bougé, quelle catégorie importe, où se trouvent les réserves et quel type de dépenses ne doit pas être confondu avec un autre.

Dans le cycle de l'IA, ce rôle est devenu plus important parce que le même mot, « IA », couvre désormais la demande de semi-conducteurs, les baies de serveurs, l'alimentation des centres de données, la capacité cloud, les licences de logiciels d'entreprise, les travaux de conseil, les services gérés, les appareils et les allégations de productivité.

La preuve la plus solide de l'influence de Lovelock est la cohérence de son travail public sur les catégories. De l'accélération des centres de données en 2024 à l'incertitude de 2025 et aux révisions à la hausse de 2026, le message n'est pas seulement que les dépenses technologiques augmentent. C'est que l'infrastructure IA et les logiciels basés sur l'IA ont modifié la composition des dépenses avant que le dossier complet de la productivité ne soit réglé. C'est exactement le type de distinction dont les conseils d'administration et les fournisseurs ont besoin.

Cela les empêche de traiter chaque dollar d'IA comme une preuve d'adoption, et cela les empêche de rejeter la demande réelle d'infrastructure simplement parce que certains projets d'entreprise déçoivent.

La principale mise en garde est l'opacité. Le modèle détaillé de Gartner est propriétaire. Le public ne peut pas inspecter pleinement la conversion de l'analyse des ventes des fournisseurs, de la recherche primaire, du matériel secondaire et du jugement en un tableau de prévisions. L'intérêt commercial de Gartner pour la pertinence de ses conseils signifie également que les lecteurs ne devraient pas consommer ses prévisions passivement. L'utilisation correcte du travail de Lovelock n'est pas l'obéissance.

C'est une comparaison disciplinée: comparer la composition par catégorie avec les divulgations des entreprises, les données de la chaîne d'approvisionnement, les budgets des clients, les contraintes d'alimentation et de centres de données, le comportement de renouvellement des logiciels et les preuves de productivité réalisée.

Sur cette base, l'importance de Lovelock est claire mais limitée. Il est un signal public utile dans un marché où le capital évolue plus vite que la certitude. Ses prévisions ne répondent pas à la question finale de savoir si le déploiement de l'IA rentabilisera son coût. Elles aident à définir les questions intermédiaires qui déterminent qui survivra au déploiement, qui le monétisera et qui confondra dépenses et valeur. Pour un marché technologique noyé sous les allégations, cela suffit à rendre le prévisionniste digne d'être surveillé.