IA et innovation verte : ce que les investisseurs doivent surveiller

La collaboration humain‑IA peut‑elle améliorer l’innovation verte ?

Une entreprise peut annoncer davantage de projets environnementaux, déposer plus de brevets verts et publier un rapport de durabilité plus long sans nécessairement développer une technologie supérieure. Pour les investisseurs, cela crée une distinction difficile : l’entreprise crée‑t‑elle quelque chose de précieux ou se contente‑t‑elle simplement de mieux afficher son innovation ?

Une étude de Caiyun Liu et Tianyang Wu, publiée dans Finance Research Letters, examine si la collaboration humain‑IA peut contribuer à réduire cet écart.¹ En utilisant des données d’entreprises cotées chinoises, les chercheurs constatent une association entre leur mesure de la collaboration et des écarts plus faibles entre les demandes de brevets verts et les octrois.

Les résultats suggèrent une perspective intéressante : associer les capacités d’IA à des employés qualifiés pourrait aider les entreprises à allouer leurs ressources plus efficacement. Cependant, transformer cette perspective en thèse d’investissement exige d’aller au‑delà du simple nombre de brevets et des annonces d’IA.

Que sont les bulles d’innovation verte ?

L’article utilise le terme « bulles d’innovation verte » pour désigner une activité qui privilégie la quantité d’innovation environnementale au détriment de sa qualité. Il ne s’agit pas de bulles boursières. Le problème est que les entreprises peuvent poursuivre des résultats facilement médiatisés tout en investissant trop peu dans un développement technologique substantiel.

Les chercheurs mesurent cela à travers l’écart entre les demandes de brevets verts et les brevets accordés. Ils construisent des indicateurs distincts pour l’ensemble des brevets verts, les brevets d’invention et les modèles d’utilité. Dans le cadre de l’étude, les brevets d’invention représentent une innovation plus techniquement exigeante, tandis que les modèles d’utilité présentent des barrières de dépôt plus faibles et des cycles d’octroi plus courts.

Un écart qui se creuse peut laisser penser que les revendications d’innovation précèdent les résultats. Néanmoins, il s’agit d’un indicateur imparfait. L’approbation d’un brevet prend du temps, et une demande en attente d’examen n’est pas nécessairement de mauvaise qualité. Un brevet accordé ne garantit pas non plus le succès commercial ni ne prouve qu’une technologie réduit les émissions.

Cette distinction importe chaque fois que le capital suit des labels environnementaux. La couverture de Securities.io sur obligations vertes et risques de greenwashing explore une question connexe : dans quelle mesure le financement lié à la durabilité se traduit‑il en progrès environnementaux mesurables ?

Ce que l’étude sur la collaboration humain‑IA a révélé

L’analyse porte sur 23 526 observations d’entreprises par année provenant d’entreprises chinoises cotées en actions A entre 2015 et 2024. Son indice de collaboration combine la fréquence des termes liés à l’IA dans les rapports annuels avec la proportion d’employés titulaires d’au moins un diplôme de licence.

Cela mesure le développement coordonné de deux capacités plutôt que d’observer directement les employés travaillant avec l’IA. Un vocabulaire IA plus abondant pourrait refléter une adoption, mais il pourrait également témoigner d’une stratégie de communication. Les qualifications éducatives indiquent de même les caractéristiques de la main‑d’œuvre sans révéler dans quelle mesure les employés utilisent efficacement des outils spécifiques.

L’association demeure négative à travers plusieurs tests de robustesse. Les auteurs examinent également les contraintes de financement, constatant des résultats cohérents avec l’idée qu’une meilleure coordination entre l’IA et le capital humain pourrait aider les entreprises à sécuriser des ressources pour une innovation durable.

Ces résultats encouragent des investigations supplémentaires, mais ils n’établissent pas de relation causale universelle. Les auteurs reconnaissent que leur variable instrumentale basée sur l’industrie peut être influencée par des tendances technologiques communes et des changements concurrentiels. Les résultats des entreprises cotées chinoises ne peuvent pas non plus être automatiquement généralisés à tous les marchés.

Pourquoi un meilleur filtrage des projets peut être crucial

L’interprétation commerciale la plus utile est que l’IA pourrait améliorer la sélection des projets à faire avancer. La recherche verte implique souvent de longues périodes de développement, une demande incertaine et des équipements coûteux. Allouer le même budget à des projets mieux sélectionnés pourrait avoir plus d’impact que d’augmenter le nombre de projets en cours.

Considérons un fabricant hypothétique évaluant des équipements d’économie d’énergie. L’IA pourrait comparer les registres d’exploitation, identifier les étapes de production inefficaces et modéliser des configurations alternatives. Les ingénieurs devraient néanmoins vérifier que les changements proposés préservent la qualité du produit, respectent les exigences de sécurité et justifient les coûts d’installation.

Voici où la collaboration devient économiquement pertinente. Le système élargit la gamme d’options pouvant être évaluées, tandis que les employés expérimentés décident quelles hypothèses sont crédibles. Rejeter plus tôt un design inadapté peut libérer de l’argent et du temps d’ingénierie pour une alternative plus prometteuse.

Il existe toutefois une possibilité contraire. L’IA peut également rendre la rédaction de brevets, les propositions de projets et le langage de durabilité moins coûteux à produire. Sans une validation plus solide, les entreprises pourraient générer des documents plus impressionnants sans améliorer leur technologie sous‑jacent. L’étude ne teste pas directement ce scénario, mais elle renforce la raison pour laquelle le volume de production seul constitue un indicateur inadéquat.

Financement et transparence façonnent la qualité de l’innovation

Le mécanisme de financement offre une autre perspective utile. Une entreprise peinant à financer des recherches longues peut privilégier des projets qui offrent des bénéfices réputationnels rapides. Si de meilleures informations opérationnelles facilitent l’évaluation de ses perspectives, les prêteurs et investisseurs pourraient être plus enclins à financer un développement substantiel.

Il s’agit d’une voie plausible plutôt que d’une garantie démontrée que l’IA réduit les coûts d’emprunt. Les résultats de financement de l’étude doivent être interprétés dans le cadre de son modèle statistique, et non comme la preuve que l’installation d’un logiciel améliore immédiatement l’accès au crédit.

L’association plus forte entre les entreprises dont les rapports annuels sont plus lisibles mérite également l’attention. Une communication claire peut faciliter le lien entre investissement, jalons techniques et résultats opérationnels. Une société décrivant comment une innovation modifie l’économie de production fournit aux investisseurs des preuves plus utiles qu’une autre qui se contente de mentionner l’IA à plusieurs reprises.

Pour une analyse pratique, les investisseurs peuvent se poser trois questions :

• Les jalons techniques conduisent-ils à un déploiement et à l’adoption par les clients ?
• Les employés sont-ils équipés pour valider et mettre en œuvre les recommandations de l’IA ?
• Les gains d’efficacité déclarés résistent-ils à la mise en œuvre et aux coûts d’exploitation ?

L’IA industrielle met l’opportunité en évidence

Les jumeaux numériques offrent un exemple concret de la façon dont ces idées pourraient se traduire dans les flux de travail d’ingénierie. Ces représentations virtuelles permettent aux équipes d’évaluer des systèmes physiques avant de s’engager dans des changements. L’examen récent de Securities.io de industrial AI and meta-factories discute du rôle de la simulation dans la planification des usines et le développement de la robotique.

Une équipe d’usine pourrait comparer des agencements alternatifs, des réglages d’équipement ou des flux de matériaux dans un environnement simulé. Le bénéfice potentiel en matière de durabilité provient de la mise en œuvre d’une amélioration validée, telle que la réduction des déchets ou de la consommation énergétique inutile. Construire un modèle sophistiqué n’est qu’une étape intermédiaire.

L’IA a également ses propres coûts en ressources. Le rapport 2026 de l’Agence internationale de l’énergie, Key Questions on Energy and AI, examine l’évolution de la relation entre le développement de l’IA et la demande énergétique. Toute évaluation environnementale doit donc prendre en compte les besoins informatiques aux côtés des économies réalisées dans l’application.

Le rôle de NVIDIA dans l’innovation industrielle alimentée par l’IA

Pour les investisseurs intéressés par les entreprises fournissant cette capacité, NVIDIA propose une connexion pertinente via le calcul accéléré, la simulation et l’infrastructure d’IA industrielle. Son opportunité s’étend au-delà de la génération de texte pour soutenir des outils qui aident les ingénieurs à évaluer et optimiser les systèmes physiques.

Dans leur annonce de partenariat IA industrielle de janvier 2026, Siemens et NVIDIA ont présenté des plans visant à combiner les logiciels industriels avec l’infrastructure IA et les capacités de simulation. Leurs objectifs déclarés comprennent le test des améliorations en virtuel et la traduction des insights validés en opérations d’usine.

Cela constitue une illustration commerciale du thème plus large, plutôt que la preuve que NVIDIA produit les effets mesurés dans l’article. L’étude n’évalue pas ses produits, ses clients ou ses performances financières. Le cas d’investissement de NVIDIA dépend également de la concurrence, des dépenses des clients, des marges et de la valorisation accordée à la croissance attendue.

Mesurer l’innovation verte par ce qui atteint le monde réel

L’étude offre une raison prometteuse d’examiner conjointement l’IA et le développement des compétences. Leur valeur peut émerger grâce à de meilleures décisions, une sélection de projets plus solide et une divulgation plus crédible plutôt que simplement une production plus rapide d’affirmations d’innovation.

Pour les investisseurs, la preuve la plus solide reliera les dépenses technologiques aux produits déployés et aux améliorations opérationnelles mesurables. L’IA peut aider à élargir ce qu’une entreprise peut investiguer. Des employés qualifiés, un financement adéquat et une exécution responsable déterminent combien de ces investigations se traduisent en innovation utile.

Références :

¹ Liu, C., & Wu, T. (2026). Impact de la collaboration homme‑IA sur les bulles d’innovation verte des entreprises. Finance Research Letters, 110, Article 110607. https://doi.org/10.1016/j.frl.2026.110607