Lecture d'Alphabet (GOOG) à la manière de Peter Lynch : un modèle à deux couches des points d'entrée (Search/YouTube) × publicité, et cloud × IA

* Ce rapport est basé sur des données au 2026-01-06.

Ce que fait cette entreprise et comment elle gagne de l’argent (expliqué pour qu’un collégien puisse comprendre)

GOOG (Alphabet / Google) possède de nombreux « points de départ » que les gens utilisent dès qu’ils pensent : « Je veux apprendre, aller quelque part, regarder quelque chose, ou acheter quelque chose. » Les exemples les plus connus sont Google Search, YouTube, Google Maps, Chrome, Android et Gmail—dont la plupart sont gratuits.

Quand les gens utilisent des produits gratuits à une échelle massive, Google capte « l’attention » (temps, concentration et intention). Google vend ensuite l’accès à cette attention aux entreprises sous forme de publicité. Séparément, pour les entreprises, il « loue aussi d’énormes ordinateurs » via des services cloud pour exécuter des applications et stocker des données, ainsi que des outils pour construire et exécuter de l’IA (Gemini / Vertex AI, etc.)—il monétise donc aussi le back-end de l’IT d’entreprise.

Pilier de revenus n°1 : Publicité (le plus grand pilier)

Les clients de Google ici sont les annonceurs—des marques mondiales aux petites entreprises locales. Google propose de l’inventaire publicitaire sur les résultats de recherche, YouTube, Maps et d’autres surfaces, et monétise sur la base d’« actions » comme les impressions, les clics, les achats et les réservations. Conceptuellement, cela fonctionne comme des frais pour livrer des clients potentiels qualifiés.

• Source de force : Search capte un comportement à forte intention de type « je le veux maintenant », qui tend à se traduire clairement en résultats pour les annonceurs
• Source de force : Plus les boucles de mesure et d’optimisation tournent, plus la diffusion des annonces peut être réglée avec précision
• Source de force : Il possède aussi un « inventaire de temps » de longue durée comme YouTube, où l’engagement est élevé

Pilier de revenus n°2 : Google Cloud (un pilier en croissance rapide)

Pour les entreprises, les gouvernements et les écoles, Google fournit des services cloud—la base pour le calcul, le stockage, l’analytique, la sécurité et les opérations—vendus via une facturation à l’usage et récurrente. À mesure que l’adoption de l’IA augmente, les clients ont besoin d’un endroit pour exécuter des workloads et stocker des données, créant une dynamique où l’usage des fonctionnalités IA peut entraîner une demande cloud incrémentale.

Ces dernières années, une caractéristique déterminante a été la facilité avec laquelle Gemini peut être livré en parallèle des services cloud (Vertex AI, etc.). Les capacités ont aussi progressé pour aider les entreprises à construire des agents IA (systèmes où l’IA exécute des tâches en séquence), à les exploiter, et à gérer la facturation et l’administration (par ex., Vertex AI Agent Engine).

Pilier de revenus n°3 : Google Workspace (outils de productivité d’entreprise)

Workspace est un bundle par abonnement pour l’email, les documents, les réunions et la collaboration en entreprise et dans l’éducation. L’élément clé est l’adhérence : une fois qu’il devient le « hub » du travail au quotidien, le churn tend à être faible. Ces dernières années, la direction a clairement évolué vers l’intégration de Gemini (IA) dans les offres de base—en s’éloignant d’une approche traditionnelle d’« add-on IA » vers une conception de tarification au niveau des plans.

Pilier de revenus n°4 : Google Play, etc. (un rôle de soutien par rapport au cœur, mais toujours un pilier significatif)

En tant que marketplace de distribution reliant les développeurs d’applications, les fournisseurs de contenu et les utilisateurs Android, Google perçoit des frais sur les achats in-app et les abonnements. C’est un pilier de soutien par rapport au cœur, mais c’est tout de même un flux de revenus important qui renforce le volant d’inertie de l’écosystème Android.

La base qui soutient « pourquoi c’est une structure rentable »

L’avantage de Google vient du fait de posséder ces points d’entrée non pas comme des produits isolés, mais comme un « bundle » connecté. Quand la recherche, la vidéo, les cartes, le navigateur et l’OS mobile se renforcent mutuellement, l’usage devient plus habituel, les données comportementales se cumulent, et les boucles de mesure et d’optimisation publicitaires deviennent plus faciles à exécuter.

Par-dessus cela, une excellente recherche, des publicités précises et une IA forte exigent toutes deux choses : des données et du calcul. Google a accumulé les deux sur de nombreuses années, et cette même technologie et infrastructure renforce aussi l’activité cloud.

Si l’on devait résumer en une analogie : Google possède à la fois « une immense ville où les gens se rassemblent » (Search et YouTube) et « l’infrastructure de la ville » (cloud). Il collecte des frais de panneaux publicitaires (ads) dans le centre-ville, et des frais d’usage comme l’électricité et l’eau (cloud) depuis la couche d’infrastructure.

Orientation future : des « prochains piliers » qui ne sont peut-être pas centraux aujourd’hui mais peuvent avoir un impact disproportionné

1) Faire de Gemini une « fonctionnalité standard dans tous les produits »

Avec Gemini intégré à Chrome, le navigateur peut évoluer d’un simple outil de consultation vers un « compagnon » qui recherche, résume et aide à faire avancer le travail. Si des expériences AI-first s’étendent aussi à Workspace et au cloud, il devient plus facile de créer une dynamique où « plus vous utilisez l’IA, plus il est difficile de quitter Google ».

2) Plateforme IA d’entreprise (Vertex AI) et agents IA

Les entreprises veulent généralement que l’IA opère dans des règles internes tout en protégeant les données sensibles. Plus Google peut soutenir pleinement l’exécution des agents, la mémoire, la gestion et la facturation, plus l’IA peut passer d’« expériences ponctuelles » à des « opérations intégrées », approfondissant l’usage du cloud.

3) Étendre la distribution en « vendant l’IA de Google dans les vitrines d’autres entreprises »

Google pousse aussi à élargir sa portée en entreprise au-delà des clients qui choisissent directement Google Cloud—par exemple, en proposant des modèles Gemini via des tiers (par ex., via Oracle). Cela se comprend le mieux comme un effort pour étendre la « surface de distribution » des modèles sur un axe distinct de la concurrence traditionnelle sur la « part de cloud ».

Important en dehors des lignes de métier : construire une infrastructure interne pour exécuter l’IA

Élargir la gamme de modèles Gemini et améliorer les API et environnements développeurs (Google AI Studio, Gemini API, etc.) relève moins de revenus de produit autonomes et davantage de l’élévation de la compétitivité de base de la publicité, du cloud et de Workspace. À mesure que les produits deviennent plus intelligents avec l’IA, le temps d’usage et la dépendance peuvent augmenter—rendant la monétisation plus facile comme effet en aval.

Fondamentaux de long terme : le « pattern (l’ossature de l’histoire de croissance) » de l’entreprise

Sur le long terme, GOOG a démontré une croissance tirée par l’échelle, avec des revenus, des profits et des flux de trésorerie qui évoluent généralement à la hausse ensemble.

• TCAC du chiffre d’affaires : env. +16.7% sur les 5 dernières années, env. +18.2% sur les 10 dernières années
• TCAC de l’EPS (bénéfice par action) : env. +26.7% sur les 5 dernières années, env. +22.8% sur les 10 dernières années
• TCAC du free cash flow : env. +18.6% sur les 5 dernières années, env. +20.3% sur les 10 dernières années

La rentabilité est aussi forte. Le ROE du dernier exercice était de 30.8%, la marge opérationnelle en FY2024 était de 32.1%, et la marge de free cash flow (FY2024) était de 20.8%. Ce n’est pas une histoire de « faibles marges, volumes élevés » ; c’est une entreprise qui a pris de l’échelle tout en maintenant une forte rentabilité.

Les principaux moteurs de la croissance de l’EPS ont été l’expansion des revenus et le maintien de marges élevées. En outre, le nombre d’actions en circulation a diminué au fil du temps (env. 13.55bn actions en FY2021 → env. 12.45bn actions en FY2024), ce qui a soutenu la croissance par action.

Vu à travers les six catégories de Lynch : plus proche de Fast Grower, mais un « hybride » qui inclut aussi de la cyclicité

Sur les seuls taux de croissance, GOOG ressemble souvent à un Fast Grower. Mais comme l’activité reste fortement tirée par la publicité—et que la publicité est sensible à l’économie—elle porte aussi des caractéristiques de Cyclicals. Le cadrage le plus net, cohérent avec les données, est un « hybride Fast Grower × Cyclical ».

Éléments Fast Grower (preuves)

• TCAC de l’EPS sur 5 ans d’env. +26.7%
• TCAC du chiffre d’affaires sur 5 ans d’env. +16.7%
• ROE du dernier exercice de 30.8%

Éléments Cyclical (preuves)

• L’EPS annuel montre des phases de drawdown → reprise (par ex., FY2021 5.61 → FY2022 4.53 → FY2023 5.80 → FY2024 8.04)
• Une volatilité des profits (oscillations) existe dans une certaine mesure, rendant difficile de décrire l’histoire comme une croissance purement linéaire
• La demande publicitaire est sensible aux budgets publicitaires des entreprises, ce qui rend structurellement plus probable que les impacts du cycle macro apparaissent dans les chiffres

Où nous en sommes dans le cycle (éviter la sur-affirmation, mais un positionnement cohérent)

En regardant le profit annuel et l’EPS, il y a eu un net ralentissement et une baisse jusqu’en FY2022, suivis d’une reprise en FY2023–FY2024. FY2024 a affiché un résultat net d’env. $100.1bn et un EPS de 8.04, tous deux à des niveaux élevés. Sur une vue de cycle plus long, « post-reprise dans une phase de niveau élevé » est la description la plus cohérente, mais il n’y a pas assez d’éléments ici pour qualifier avec confiance l’étape suivante de « pic » définitif.

Momentum de court terme (TTM / 8 derniers trimestres) : le pattern est-il maintenu ?

Sur l’année écoulée, l’appel de momentum est « Stable ». L’EPS et le chiffre d’affaires tendent régulièrement à la hausse. Les taux de croissance du FCF sont forts, même si la « forme » de la croissance trimestre par trimestre a été irrégulière au cours des deux dernières années.

Croissance sur une base TTM (YoY)

• EPS (TTM) 10.182, taux de croissance +34.1%
• Chiffre d’affaires (TTM) env. $385.48bn, taux de croissance +13.4%
• FCF (TTM) env. $73.55bn, taux de croissance +31.8%, marge de FCF env. 19.1%

La croissance du chiffre d’affaires (TTM +13.4%) est un peu en dessous du TCAC du chiffre d’affaires sur 5 ans (env. +16.7%), mais le topline continue de s’étendre. L’EPS et le FCF croissent dans la zone des ~30%, ce qui soutient l’idée que le momentum de type action de croissance reste intact.

Gardez à l’esprit que les marges et ratios peuvent apparaître différemment entre FY (annuel) et TTM (12 derniers mois) (par ex., la marge de FCF est de 20.8% en FY2024 contre 19.1% sur une base TTM). C’est un effet de définition de période, pas une contradiction.

Direction sur les 2 dernières années (env. 8 trimestres) : l’EPS et le chiffre d’affaires sont forts, mais la croissance du FCF est modeste

• EPS : TCAC sur 2 ans env. +31.9%, direction fortement positive
• Chiffre d’affaires : TCAC sur 2 ans env. +12.0%, direction fortement positive
• Résultat net : TCAC sur 2 ans env. +29.8%, direction fortement positive
• FCF : TCAC sur 2 ans env. +2.9%, direction légèrement positive

« Les bénéfices augmentent » et « la trésorerie se constitue au même rythme » ne sont pas toujours la même chose. Pour GOOG en ce moment, le premier est clairement fort, tandis que le second semble plus exposé aux effets de timing trimestriel et d’investissement (sans jugement de valeur—juste une différence à surveiller).

Solidité financière : ce que l’on peut dire du point de vue du risque de faillite

Pour les investisseurs de long terme, la question clé est de savoir si l’entreprise peut traverser des récessions ou des périodes d’investissement plus lourd. Sur la base des indicateurs actuels, GOOG ne semble pas s’appuyer sur l’effet de levier pour croître, et ressort comme une entreprise avec une couverture des intérêts substantielle et une marge de manœuvre de liquidité.

• Dette / Capitaux propres (dernier FY) : env. 0.078
• Dette nette / EBITDA (dernier FY) : env. -0.52 (négatif, effectivement proche d’une position de trésorerie nette)
• Couverture des intérêts (dernier FY) : env. 448x
• Cash ratio (dernier FY) : env. 1.07

Sur cette base, il est raisonnable de qualifier le risque de faillite de relativement faible. Cela dit, à mesure que l’investissement dans l’IA et les data centers s’accélère, il importera non seulement de savoir où se situent ces métriques aujourd’hui, mais aussi dans quelle direction elles évoluent (les coussins de trésorerie s’épaississent-ils ou s’amincissent-ils ?).

Allocation du capital : orientée vers « investissement de croissance + rendement total pour l’actionnaire » plutôt que les dividendes

Le rendement du dividende de GOOG (TTM) est d’env. 0.34%, généralement inférieur à 1%, il est donc peu probable qu’il constitue une thèse centrale pour les investisseurs axés sur les dividendes. Les années consécutives de dividende sont de 1 an récemment, et les payout ratios sont d’env. 8.0% sur une base bénéfices et d’env. 13.5% sur une base cash flow—faibles en termes absolus.

Parallèlement, le nombre d’actions en circulation a diminué de FY2021 à FY2024, et l’image globale est une allocation du capital qui s’appuie moins sur les dividendes et davantage sur une approche plus large de rendement pour l’actionnaire incluant investissement de croissance et rachats. En ce sens, GOOG s’inscrit plus naturellement comme un titre de rendement total (croissance + retours) que comme une action à dividende.

Où se situe la valorisation aujourd’hui : sa position par rapport à son propre historique

Ici, sans comparaisons avec des pairs, nous plaçons simplement les métriques de GOOG à un cours de $317.32 par rapport à son propre historique (principalement 5 ans, avec 10 ans comme contexte). Notez que les métriques basées sur le prix comme le PER utilisent le TTM, tandis que le ROE utilise le FY, de sorte que la présentation peut différer en raison des définitions de période FY/TTM.

PEG (valorisation relative à la croissance)

• PEG : 0.9129
• Dans la fourchette des 5 ans mais orienté vers le haut (autour du top ~31%), en tendance haussière sur les 2 dernières années
• Dans la fourchette des 10 ans et quelque peu en dessous de la médiane (1.2357)

PER (valorisation relative aux bénéfices)

• PER (TTM) : 31.16x
• Au-dessus de la fourchette normale sur 5 ans (21.52–26.95x), en tendance haussière sur les 2 dernières années
• Également au-dessus de la fourchette normale sur 10 ans (23.30–29.20x)

Rendement du free cash flow (TTM)

• Rendement du FCF : 4.29%
• Au-dessus de la fourchette normale sur 5 ans (3.21–4.04%), en tendance haussière sur les 2 dernières années
• Également au-dessus de la fourchette normale sur 10 ans (3.10–4.13%)

Au même cours, le PER peut apparaître « élevé versus l’historique », tandis que le rendement du FCF peut aussi apparaître « élevé versus l’historique » (c.-à-d. sur une base de rendement, cela implique typiquement que la valorisation penche plus bas). Les deux peuvent être vrais en même temps. Cela reflète simplement qu’il existe des périodes où l’image des bénéfices (EPS) et l’image des flux de trésorerie (FCF) ne s’alignent pas proprement.

ROE (FY)

• ROE : 30.8%
• Proche de la borne supérieure à légèrement au-dessus de la fourchette normale sur 5 ans (22.35–30.34%), en tendance haussière sur les 2 dernières années
• Au-dessus de la fourchette normale sur 10 ans (13.93–26.88%)

Marge de free cash flow (TTM)

• Marge de FCF : 19.08%
• En dessous de la fourchette normale sur 5 ans (21.13–23.98%), avec une trajectoire incluant des baisses sur les 2 dernières années
• Également en dessous de la fourchette normale sur 10 ans (20.46–23.98%)

Ainsi, alors que le ROE se situe dans le haut de la fourchette même par rapport à l’historique de l’entreprise, le FCF en pourcentage du chiffre d’affaires (marge de FCF) est dans une zone historique plus basse. L’idée est que même au sein de la « rentabilité », le positionnement d’aujourd’hui diverge entre l’efficacité du capital et la conversion en cash.

Dette nette / EBITDA (levier financier)

Dette nette / EBITDA fonctionne comme un indicateur inverse : plus le chiffre est petit (plus il est négatif), plus la trésorerie dépasse la dette—ce qui implique une plus grande flexibilité financière.

• Dette nette / EBITDA : -0.52 (négatif, effectivement proche d’une position de trésorerie nette)
• Au-dessus de la fourchette normale sur 5 ans (-1.23 à -0.79) (c.-à-d. moins négatif)
• Également au-dessus de la fourchette normale sur 10 ans (-2.45 à -0.96) (c.-à-d. moins négatif)

Autrement dit, c’est toujours « proche de la trésorerie nette », mais au sein de sa propre distribution historique cela se situe plus près du côté où « la dominance de la trésorerie s’est amincie » (pas une conclusion bon/mauvais—juste les mathématiques).

Tendances de cash flow : l’EPS et le FCF sont-ils à la même « température » ?

Sur le long terme, le FCF de GOOG s’est aussi étendu (TCAC sur 10 ans env. +20.3%). À court terme, alors que la croissance du FCF TTM est forte à +31.8%, le FCF sur les 2 dernières années n’est que d’env. +2.9% sur une base de TCAC sur 2 ans, avec davantage de volatilité trimestrielle dans le mix.

Cet écart n’est pas suffisant pour conclure que « l’entreprise se détériore », mais il soutient un cadrage différent : pendant des périodes d’investissement plus lourd dans l’IA, le cloud et les data centers, les capex, les coûts d’exploitation et l’allocation du capital peuvent accroître les sorties de trésorerie. Comme point de référence pour l’intensité des capex, les capex / operating cash flow récents sont d’env. 0.495 (environ 50%).

Pourquoi cette entreprise a gagné (le cœur de l’histoire de succès)

La valeur centrale de GOOG est qu’il possède, à grande échelle, un bundle de points d’entrée qui capte « le moment où l’intention est créée ». Search, YouTube, Maps, le navigateur et l’OS mobile ne sont pas seulement forts individuellement—ils sont connectés, et ensemble ils contrôlent la « découverte » tout en haut du funnel utilisateur.

Plus ces points d’entrée deviennent grands, plus les boucles de mesure et d’optimisation peuvent tourner, créant des effets de réseau qui tendent à améliorer l’efficacité publicitaire. Côté entreprise, Google fournit une infrastructure de niveau industriel—calcul et stockage de données pour exécuter l’IA—via le cloud et des plateformes IA. Posséder à la fois les points d’entrée (ads) et la couche d’infrastructure (cloud/IA) ajoute une autre dimension à son avantage concurrentiel.

Ce que les clients valorisent (Top 3)

• La force de l’habitude autour de produits « à utiliser quand on en a besoin » comme la recherche, les cartes et la vidéo (le caractère indispensable des points d’entrée)
• Une acquisition client mesurable pour les annonceurs (plus susceptible de se traduire en actions comme des clics et des achats)
• Une pile IA + cloud intégrée pour les entreprises (attentes autour du passage à l’échelle après adoption et de l’adéquation avec les exigences opérationnelles)

Ce qui insatisfait les clients (Top 3)

• Un impact important des changements de spécifications et de politiques (précisément parce qu’il contrôle des points d’entrée clés)
• Les opérations en entreprise peuvent devenir complexes (la conception, les permissions, la sécurité et la gestion des coûts peuvent être difficiles)
• Des pannes majeures peuvent avoir un impact disproportionné sur l’activité (en 2025, des pannes affectant plusieurs régions et plusieurs produits ont été rapportées, soulignant l’importance de la qualité opérationnelle)

L’histoire est-elle toujours intacte ? Ce qui s’aligne avec les mouvements récents / où la friction augmente

Le récit produit évolue de « posséder les points d’entrée » vers « reconstruire et renforcer le bundle de points d’entrée avec l’IA ». Search, les navigateurs, l’OS, les cartes et la vidéo sont tous des domaines où l’IA peut naturellement étendre le parcours utilisateur de « rechercher → comparer → décider → exécuter », et l’intégration de Gemini sur ces surfaces est cohérente avec le playbook historique de Google (contrôle des points d’entrée).

En même temps, plus l’IA fait passer la recherche d’une « machine à envoyer du trafic » à une « machine à réponses », plus il est probable que les incitations de Google entrent en collision avec les opérateurs de sites externes et les éditeurs. Équilibrer une meilleure expérience utilisateur avec l’économie des contenus tiers devient plus difficile, et les procès et enquêtes rapportés peuvent être organisés comme des preuves que « les coûts de relation externe pour l’activité de points d’entrée augmentent ».

Côté cloud, la confiance et l’exécution opérationnelle deviennent aussi importantes que la croissance. Parce que les pannes peuvent arrêter directement les opérations des clients, la base de la concurrence peut passer de « fonctionnalités » à « opérations et rétablissement », et les cas de pannes de 2025 s’inscrivent dans ce changement structurel.

Financièrement, une autre tension apparaît : « les profits sont forts, mais la génération de cash en part du chiffre d’affaires est plus faible (la marge de FCF est dans le bas de la fourchette de l’entreprise) », ce qui fait entrer la « gestion du fardeau d’investissement » dans le récit de croissance.

Invisible Fragility : des problèmes faciles à manquer précisément parce que l’entreprise est forte

Cette section n’a pas pour but de suggérer une « crise imminente ». L’objectif est d’exposer, structurellement, les types de faiblesses que les investisseurs de long terme peuvent manquer précisément parce que l’activité est si forte.

1) Risque de concentration lié à la dépendance à la publicité (peut devenir le plus grand risque structurel)

Plus les points d’entrée sont forts, plus le moteur publicitaire devient grand. Mais la publicité est une dépense des entreprises, et il existe des périodes structurelles où elle est sous pression à cause de l’économie ou de la concurrence. Même si le cloud continue de croître, la réalité que la publicité reste une grande part de la base de bénéfices ne change pas—et plus la dépendance est élevée, plus l’impact est grand quand les conditions changent.

2) Risque que la définition des « points d’entrée » change (l’IA générative peut déstabiliser le point de départ)

L’IA générative change ce qu’est même une expérience de point d’entrée—si la recherche est des liens, des réponses ou des agents. Si Google exécute bien la transition, c’est un positif majeur ; s’il ne le fait pas, le contrôle des points d’entrée pourrait s’affaiblir.

3) Perte de différenciation (premiers signes de commoditisation)

Dans l’IA d’entreprise, à mesure que la performance des modèles converge, la concurrence se déplace souvent vers le prix, les opérations et l’intégration. Plus la différenciation passe de la capacité de recherche à la capacité de déploiement (données/opérations/ventes/partenaires), plus la concurrence peut s’intensifier et potentiellement rendre la défense des marges plus difficile.

4) Contraintes physiques telles que les ressources de calcul et l’électricité (dépendance à la chaîne d’approvisionnement)

L’IA est contrainte par des semi-conducteurs comme les GPU/la mémoire et par la disponibilité de l’électricité. Les défis d’approvisionnement, l’inflation des coûts et les retards dans la montée en charge peuvent devenir une friction réelle pour la croissance. L’infrastructure IA est une compétition full-stack qui inclut non seulement le logiciel, mais aussi les data centers, l’électricité et l’approvisionnement en puces.

5) Dégradation de la culture organisationnelle (maladie des grandes entreprises à l’ère de l’IA)

Il est difficile de conclure à une dégradation culturelle à partir d’informations primaires à haute confiance seulement, mais en principe général, les grandes organisations peuvent ralentir la prise de décision ; des changements fréquents de priorités peuvent user les équipes ; et les priorités de recherche peuvent entrer en conflit avec les priorités business—chacun pouvant réduire l’exécution. Parce que c’est l’une des fragilités les plus difficiles à voir de l’extérieur, cela vaut la peine d’être surveillé.

6) « Premiers signes » de détérioration de la rentabilité (comme signaux avant qu’ils n’apparaissent dans les chiffres)

De fait, la marge de FCF (TTM 19.08%) est en dessous de la fourchette normale historique de l’entreprise. Dans des périodes menées par l’investissement IA et cloud, cela peut apparaître comme « les profits sont là, mais la rétention de cash ne suit pas le rythme ». Si cela persiste, il peut devenir plus difficile de poursuivre simultanément l’investissement de croissance, l’investissement dans les talents et les retours aux actionnaires (c’est un ensemble de possibilités, pas une affirmation définitive).

7) Détérioration de la charge financière (capacité à payer les intérêts)

Aujourd’hui, la couverture des intérêts est d’env. 448x et la Dette nette / EBITDA est négative—proche d’une position de trésorerie nette—donc ce n’est pas un cas de « s’étirer avec de la dette ». En conséquence, il est plus cohérent de traiter cela non comme un risque primaire, mais comme un facteur de durabilité si d’autres risques se matérialisent.

8) Réglementation, droits et relations de plateforme (changement de structure de l’industrie)

À mesure que la recherche devient plus pilotée par l’IA, la friction avec les éditeurs et les fournisseurs de contenu augmente, en parallèle des procès et des enquêtes réglementaires. Cela reflète une structure où des points d’entrée plus forts peuvent créer des conflits de distribution, et un durcissement de l’application—en particulier dans l’UE—reste un risque qui pourrait imposer des coûts d’exploitation plus élevés et des changements de conception produit.

Paysage concurrentiel : contre qui il se bat, et ce qui détermine les gagnants et les perdants

GOOG ne concurrence pas sur un seul marché. Il mène une bataille en couches où « points d’entrée (search/browser/OS/video/maps) × monétisation (ads) × IT d’entreprise (cloud/outils de productivité/IA) » se chevauchent. Les résultats sont souvent moins déterminés par des checklists de fonctionnalités que par l’échelle, la technologie, la distribution (par défaut et bundling) et la force de l’écosystème.

Séparément, les remèdes antitrust américains en septembre 2025 (restrictions sur les accords de distribution exclusifs, fourniture de l’index de recherche et des données d’interaction utilisateur, etc.) sont une variable structurelle qui pourrait remodeler les conditions concurrentielles autour des points d’entrée. Il s’agit moins d’un catalyseur boursier de court terme que de la possibilité que « les règles du jeu » changent.

Principaux concurrents (compris par couches)

• Microsoft : Concurrence à la fois sur les points de départ de la découverte et les funnels entreprise via Bing/Copilot/Edge/ads/Azure
• OpenAI : Pousse la découverte conversationnelle dans la couche navigateur, mettant sous pression le point de départ pour se déplacer « loin de la boîte de recherche »
• Apple : Influence l’économie de distribution de la recherche via des expériences par défaut comme iOS/Safari
• Meta et ByteDance : Concurrencent pour le temps utilisateur dans la vidéo et la découverte, et pour l’inventaire publicitaire (temps)
• Amazon : Possède le point de départ de la recherche de produits, servant de destination publicitaire alternative dans des catégories à forte intention commerciale
• AWS/Azure (+ Oracle, etc.) : Concurrencent sur l’endroit où les workloads IA d’entreprise sont exécutés

Une nuance : les relations concurrentielles ne sont pas toujours nettes. Il a été rapporté qu’OpenAI a ajouté Google Cloud comme fournisseur de calcul, impliquant une structure où il peut être à la fois un concurrent et, côté infrastructure, une contrepartie.

Principaux enjeux par domaine (haut niveau)

• Search : À mesure qu’elle passe des liens aux réponses/agents, la définition du « point de départ » se déplace, et la distribution (par défaut) et la réglementation comptent davantage
• Navigateur : À mesure que des workflows de type agent progressent, l’importance relative de la boîte de recherche peut changer
• Infrastructure cloud/IA : Les contraintes d’offre (calcul, électricité, data centers) et les opérations en entreprise (permissions/audit/rétablissement/SLA) sont susceptibles d’être des différenciateurs clés
• Outils de productivité : Plus le produit est profondément ancré dans les workflows quotidiens, plus le coût de changement est élevé—alimentant une concurrence directe avec Microsoft 365

Quel est le moat, et combien de temps est-il susceptible de durer ?

Le moat de GOOG est construit sur son « bundle de points d’entrée », son « moteur de mesure et d’optimisation publicitaires », et une structure multi-couches qui s’étend aux plateformes d’entreprise (cloud/outils de productivité). Parce qu’il possède plusieurs points d’entrée, il est moins exposé aux chocs dans un seul funnel qu’une entreprise dépendante d’un seul chemin.

Cela dit, à l’ère de l’IA, le moat est moins un actif statique et dépend davantage de l’exécution—spécifiquement, la capacité à redessiner les expériences (search → réponses → agents). Et selon la manière dont les remèdes antitrust sont mis en œuvre, les termes de distribution et l’accès aux données pourraient changer la base concurrentielle, créant des périodes où des parties du moat deviennent imbriquées avec des règles et des institutions.

Positionnement structurel à l’ère de l’IA : un endroit où vents favorables et vents contraires arrivent simultanément

Vents favorables potentiels

• Effets de réseau : Plus Search/YouTube/Maps/Chrome/Android sont utilisés, plus les boucles d’optimisation tournent—et l’intégration de l’IA peut augmenter cette cadence
• Profondeur des données : Il détient à la fois des données d’intention des consommateurs et des fondations de données opérationnelles d’entreprise, ce qui peut soutenir l’entraînement et l’inférence
• Degré d’intégration de l’IA : Rendre l’IA standard dans Search, Chrome, Workspace et le cloud peut augmenter les coûts de changement
• Barrières à l’entrée renforcées : Un approvisionnement fiable en calcul d’inférence devient plus important, et l’investissement d’infrastructure comme les cycles de renouvellement TPU devient une partie de la durabilité

Vents contraires potentiels

• Friction avec les contenus externes : Les résumés IA dans la recherche peuvent réduire l’envoi de trafic, augmentant les coûts de licence et de réglementation
• Poids du caractère mission-critical : Les temps d’arrêt ont de grandes conséquences, rendant la qualité opérationnelle et la conception du rétablissement plus susceptibles de devenir des différenciateurs clés (cohérent avec les cas de pannes de 2025)
• Fragmentation des points de départ : Si les points de départ de la découverte se fragmentent entre l’IA conversationnelle et les navigateurs IA, les fondations des search ads (clics, envoi de trafic, mesure) peuvent être déstabilisées
• Contraintes physiques : L’électricité, l’offre de semi-conducteurs et les contraintes de construction deviennent plus centrales pour la compétitivité

Positionnement par couche structurelle (OS / middle / app)

GOOG est un hybride qui possède à la fois le haut de la pile des points de contact utilisateur (une couche app proche de l’OS : Search, navigateur, cartes, vidéo, Android) et une couche orientée entreprise plus proche du middle (cloud/calcul/gestion). À mesure que l’IA se diffuse, le côté points d’entrée exige de plus en plus une refonte des expériences, tandis que le côté infrastructure voit une importance croissante du calcul, des opérations et de l’intégration à mesure que la demande d’inférence augmente—ainsi, posséder les deux couches ajoute de la profondeur stratégique.

Leadership et culture d’entreprise : dans une bataille IA totale, « qu’est-ce qui est une force et qu’est-ce qui est une friction »

Le CEO Sundar Pichai a été constant en positionnant l’IA non comme un produit autonome, mais comme une fonctionnalité standard à travers la recherche, les outils de productivité et le cloud—l’intégrant dans les habitudes des utilisateurs et les opérations des entreprises. Il a aussi été rapporté que sa vision de l’environnement externe (surchauffe du marché, contraintes énergétiques, réglementation) est mesurée plutôt que purement optimiste.

En interne, la communication a de plus en plus mis l’accent sur la productivité dans la phase IA et sur le fait de « faire plus avec moins de ressources », reflétant la nécessité d’équilibrer la discipline des coûts avec la vitesse d’exécution pendant une période d’investissement lourd dans l’infrastructure IA. Le fondateur Sergey Brin aurait souligné la vitesse et la concentration en périodes concurrentielles, et culturellement cela a été présenté comme une source potentielle de tension—comme une plus grande emphase sur le travail en présentiel et des attentes de charge de travail plus élevées.

Comment la culture affecte l’entreprise (vue causale)

• Une culture qui relie recherche, produit et infrastructure peut s’adapter plus efficacement à une compétition IA intégrée (incluant l’électricité, les data centers et les puces)
• L’efficacité et la concentration sont logiques pendant des cycles d’investissement lourds, mais peuvent créer de la tension via des arbitrages de priorisation et des variations de moral
• Dans le cloud, la « qualité opérationnelle » devient une variable de décision plus lourde, augmentant l’importance de la confiance et de la responsabilité

Patterns généralisés qui tendent à apparaître dans les avis d’employés (variables observées)

• Positif : défis techniques à grande échelle, fort talent, investissement continu dans des thèmes de long terme
• Négatif : prise de décision lente, fatigue due aux changements de priorités, insatisfaction quand la flexibilité du style de travail se resserre

Ce ne sont pas des conclusions « bonnes » ou « mauvaises ». Il vaut mieux les traiter comme des points de suivi fixes pour surveiller la santé culturelle dans le temps.

Arbre de KPI que les investisseurs devraient comprendre (la structure causale de la valeur d’entreprise)

Résultats finaux (Outcome)

• Expansion soutenue des profits et génération soutenue de free cash flow
• Maintien et amélioration de l’efficacité du capital (ROE, etc.)
• Durabilité du portefeuille (maintenir un état qui n’est pas excessivement biaisé vers la publicité)
• Durabilité concurrentielle qui reste en usage à la fois côté points d’entrée et côté infrastructure

KPI intermédiaires (Value Drivers)

• Expansion de l’échelle des revenus (la base croît à mesure que les ads + plateformes d’entreprise s’étendent)
• Maintien et amélioration de la rentabilité (marges)
• Force de la conversion en cash (le degré auquel les profits restent sous forme de cash)
• Poids des capex et de l’investissement d’infrastructure (fardeau d’investissement)
• Rétention des points d’entrée et profondeur d’usage ; cadence de mesure et d’optimisation publicitaires
• Profondeur de l’adoption en entreprise (adhérence du cloud/Workspace), qualité opérationnelle (résilience et rétablissement)
• Gestion des coûts de réglementation et de relations externes (liberté de conception et charge opérationnelle)

Contraintes et hypothèses de goulots d’étranglement (Monitoring Points)

• Si le fardeau d’investissement et les contraintes d’offre (ressources de calcul, électricité, installations) créent une friction de croissance
• Si les changements d’expériences de recherche et de navigateur peuvent coexister avec sa position de point de départ (si la fragmentation des points de départ progresse)
• Si la définition des résultats publicitaires est cohérente avec des évolutions s’éloignant des prémisses de clic/envoi de trafic
• Si la génération de cash en part du chiffre d’affaires (marge de FCF) reste stable même pendant des phases d’investissement
• Si la qualité opérationnelle (incidents, rétablissement, confiance) peut être atteinte simultanément pendant l’expansion des investissements
• Si les coûts de friction avec les contenus externes (contentieux, réglementation, distribution) deviennent de type coûts fixes
• Dans une structure de forte dépendance à la publicité, si le pilier entreprise s’épaissit

Two-minute Drill (résumé pour les investisseurs de long terme) : comment comprendre et détenir ce titre

La manière la plus nette de comprendre GOOG à long terme est via sa structure à deux niveaux. D’abord, il capte le moment où l’intention est créée via des points d’entrée (Search, YouTube, Maps, Chrome, Android) et monétise cette intention via la publicité. Ensuite, il cible le cœur de l’adoption de l’IA en entreprise—calcul, données, opérations et gestion—via la pile cloud.

Sur de longues périodes, les chiffres montrent une croissance à deux chiffres sur le chiffre d’affaires, l’EPS et le FCF, avec un ROE dans la zone des 30%—cohérent avec des caractéristiques de Fast Grower. Mais le modèle fortement publicitaire intègre aussi un comportement Cyclical, où les conditions macro et les cycles budgétaires peuvent créer de la volatilité. Dans le dernier TTM, l’EPS et le FCF croissent dans la zone des ~30% et le chiffre d’affaires progresse à un rythme à deux chiffres, suggérant que le « pattern » sous-jacent reste intact. Néanmoins, avec une marge de FCF située dans le bas de sa fourchette historique, les investisseurs devraient surveiller comment l’intensité d’investissement et les coûts d’exploitation se répercutent sur la génération de cash.

À l’ère de l’IA, le résultat ne sera pas déterminé simplement par « avoir une IA forte ». Il dépendra de la capacité de Google à exécuter à la fois « la refonte des points d’entrée (search → réponses → agents) » et « la refonte de la monétisation (mesure, distribution, réponse réglementaire) » en même temps. Le bon tableau de bord inclut la rétention des points de départ, la définition des résultats publicitaires, la qualité opérationnelle du cloud, et la « température » de la génération de cash.