IA aérospatiale : la tentation d'extrapoler un taux de croissance de démarrage sur huit ans

Selon le rapport publié par SkyQuest Technology Consulting, le marché mondial de l'intelligence artificielle appliquée à l'aérospatiale passe de 2,29 milliards de dollars en 2024 à 3,28 milliards de dollars en 2025, soit une progression de 43,2% en un an. Le rapport prolonge ensuite cette dynamique sur la période 2026-2033 avec un taux de croissance annuel composé (CAGR) affiché de 43,1%, pour atteindre 57,61 milliards de dollars en 2033 — soit un marché multiplié par environ 25 en neuf ans.

Les moteurs de cette croissance sont documentés et plausibles à l'échelle du secteur : maintenance prédictive à partir de capteurs embarqués sur moteurs, ailes et avionique ; explosion du volume de données générées par les systèmes aéronautiques modernes ; demande croissante pour les aéronefs autonomes, drones militaires et UAV, portée par les besoins de défense comme par l'aviation commerciale. Le logiciel domine l'offre actuelle (analyse de données, algorithmes de maintenance prédictive), le matériel — capteurs, calculateurs embarqués — étant identifié comme le segment à la croissance la plus rapide. L'Amérique du Nord reste la région dominante en valeur, l'Asie-Pacifique la plus dynamique en rythme.

Le point qui mérite un examen économique n'est pas la plausibilité des moteurs cités, mais la méthode de projection elle-même. Un CAGR est par construction une moyenne géométrique : il suppose implicitement que le rythme observé sur une période initiale se reproduit à l'identique sur toute la durée de la projection. Or la première année d'observation ici — 2024 à 2025 — part d'une base de seulement 2,29 milliards de dollars, une fraction infime du marché aérospatial mondial, qui génère à lui seul plusieurs centaines de milliards de dollars de revenus annuels. Sur une base aussi restreinte, il suffit d'un nombre limité de nouveaux contrats ou déploiements pour produire un pourcentage de croissance spectaculaire, sans que cela révèle un rythme de diffusion soutenable à grande échelle.

Cette confusion entre rythme d'amorçage et rythme structurel rejoint ce que Tversky et Kahneman ont nommé la loi des petits nombres (1971) : l'intuition statistique a tendance à extrapoler à partir d'échantillons trop réduits, en surestimant la fiabilité de tendances calculées sur peu d'observations. Appliquée à la prévision de marché, cette loi psychologique a un analogue économique bien documenté : les modèles de diffusion des innovations (Bass, 1969 ; Rogers, 1962) montrent que l'adoption d'une nouvelle technologie suit typiquement une courbe en S — croissance lente au démarrage, accélération rapide en phase intermédiaire, puis ralentissement mécanique à mesure que le marché adressable se sature. Un CAGR de 43% calculé sur les deux premières années d'une courbe en S mesure la pente de la phase d'accélération, pas celle, plus modérée, qui suivra inévitablement en phase de maturation.

L'écart d'ordre de grandeur avec des marchés adjacents illustre le problème : le marché de l'IA en beauté et cosmétique, analysé la semaine dernière par Cardan-AI, affiche un CAGR de 19,6% à 21,1% sur une base de départ dix fois supérieure (4,38 Md$) — et son taux de croissance recule déjà d'une année sur l'autre. Rien n'indique que le marché de l'IA aérospatiale échappera à cette même dynamique de convergence une fois sa base élargie ; l'histoire de la diffusion technologique suggère plutôt l'inverse.

Pour les industriels aéronautiques et de défense qui bâtissent des plans d'investissement ou des due diligence sur ce type de chiffre, la leçon opérationnelle est simple : un CAGR affiché sur huit ans à partir d'une base de deux ans doit être traité comme une hypothèse de trajectoire, pas comme une donnée acquise. La vigilance porte moins sur le montant final (57,61 Md$ en 2033) que sur la robustesse de l'hypothèse de rythme constant qui permet de l'atteindre — une hypothèse que la théorie de la diffusion des innovations invite précisément à mettre en doute.