Selon des chercheurs, les États-Unis ont obtenu 72 % de la puissance de calcul mondiale dédiée à l’IA depuis 2022, contre 10 % pour la Chine, ce qui donne à l’Amérique une longueur d’avance considérable dans la création des outils d’IA utilisés par les particuliers et les entreprises.
À retenir
Selon Epoch AI Research, 72 % de la puissance de calcul mondiale dédiée à l’IA depuis 2022 se sont retrouvés aux États-Unis, tandis que la Chine en a représenté environ 10 %
Les États-Unis ont capté environ 60 % de la nouvelle puissance de calcul dédiée à l’IA ajoutée chaque année entre 2022 et 2025, selon Epoch
Epoch n’a pas publié la méthodologie complète dans son message sur X ; ces chiffres doivent donc être considérés comme des estimations indicatives
Oracle, Amazon et Microsoft investissent massivement dans des systèmes complets, et pas seulement dans des processeurs, pour prendre en charge l’entraînement et l’inférence de grands modèles
Epoch AI Research a indiqué que les États-Unis ont également capté environ 60 % de la nouvelle capacité de calcul de l’IA ajoutée chaque année entre 2022 et 2025. Ce groupe de recherche étudie les tendances à long terme de l’entraînement des modèles, de la demande en matériel et des infrastructures d’IA.
Ces chiffres comptent, car la capacité de calcul de l’IA — les puces et les serveurs utilisés pour entraîner et exécuter les modèles — détermine désormais qui peut construire des systèmes de pointe à grande échelle.
Un laboratoire peut améliorer les données et les algorithmes, mais il lui faut toujours des milliers d’accélérateurs, des contrats d’approvisionnement en énergie et des équipements réseau pour passer du prototype à la production.
Epoch n’a pas publié la méthodologie complète dans sa publication sur X ; ces chiffres doivent donc être considérés comme une estimation indicative plutôt que comme un recensement de tous les GPU en service. Ils concordent néanmoins avec les évolutions récentes du secteur, notamment les vastes déploiements d’infrastructures cloud aux États-Unis et les contrôles à l’exportation qui ont freiné l’accès de la Chine aux accélérateurs de pointe.
La capacité de calcul de l’IA se concentre dans les clouds américains
Cette concentration aide également à comprendre pourquoi tant de développeurs de modèles se sont associés à des fournisseurs d’infrastructures américains.
Lorsque la majeure partie de la capacité de calcul de l’IA se trouve dans des clouds américains et des campus de colocation, l’accès devient une négociation commerciale avant même d’être une question de recherche.
Cette dynamique a creusé l’écart entre les laboratoires capables de garantir une capacité à long terme et ceux qui ne le peuvent pas. Elle pousse également les pays hors des États-Unis à subventionner leur capacité de calcul nationale, à courtiser les fabricants étrangers de puces ou à se contenter de matériel plus ancien, ce qui augmente les coûts d’entraînement et allonge les cycles de déploiement.
Pour les lecteurs du secteur des cryptomonnaies, ce schéma est familier.
La rareté de la capacité de calcul de l’IA fonctionne désormais un peu comme la rareté de l’espace dans les blocs ou de la capacité de minage. Ceux qui contrôlent l’offre peuvent facturer l’accès, donner la priorité aux charges de travail qu’ils privilégient et façonner l’économie de tous les acteurs en aval.
À lire aussi : une jeune pousse de la recherche pharmaceutique lève 215 millions de dollars pour construire des laboratoires de chimie aux États-Unis
Quatre années de politiques et d’approvisionnement
Ce déséquilibre n’est pas apparu du jour au lendemain.
Depuis 2022, les hyperscalers américains ont signé des engagements pluriannuels pour les puces, loué de nouvelles capacités électriques à l’échelle industrielle et absorbé une grande partie de la production mondiale d’accélérateurs haut de gamme.
La Chine, en revanche, a dû composer avec les règles à l’exportation, les limites de sa production nationale de puces et un accès plus restreint au packaging avancé et à la mémoire. Cela n’empêche pas les entreprises chinoises de construire des modèles performants, mais modifie la courbe des coûts et ralentit la mise en service de nouvelles capacités de calcul de l’IA.
Le dernier chiffre intervient également après une année durant laquelle les investisseurs ont considéré l’accès à la capacité de calcul comme un indicateur de la pérennité de l’IA.
Les annonces de revenus comptent moins lorsque la question la plus difficile est de savoir si une entreprise pourra encore réserver suffisamment de machines dans six mois.
Ce que la capacité de calcul de l’IA change pour tous les autres
Il faut maintenant voir si la part des États-Unis continue d’augmenter, alors même que d’autres régions dépensent davantage. Si l’Europe, le Golfe et certaines parties de l’Asie ajoutent des capacités importantes en 2027, le marché pourrait être moins concentré sans pour autant être véritablement équilibré.
Pour les startups, la question pratique est plus simple.
Si la capacité de calcul de l’IA continue de se concentrer dans quelques régions et quelques clouds, les fabricants de modèles devront peut-être choisir entre des marges plus élevées, une latence plus faible ou une indépendance stratégique. Peu pourront obtenir les trois.
Comment la capacité de calcul de l’IA se transforme en puissance
Les chiffres d’Epoch AI Research vont au-delà du simple décompte des puces.
En pratique, la capacité de calcul de l’IA désigne la capacité d’entraînement et d’inférence utilisable au sein de clusters constitués d’accélérateurs, de commutateurs réseau, de mémoire et d’alimentation électrique. Une entreprise disposant de 10 000 GPU avancés, mais d’interconnexions peu performantes, peut avoir une capacité de calcul IA effective inférieure à celle d’un concurrent doté de moins de puces et d’un réseau plus rapide.
C’est pourquoi Oracle, Amazon et Microsoft investissent massivement dans des systèmes complets, et pas seulement dans des processeurs.
L’entraînement de grands modèles exige que les données circulent entre les racks avec un faible temps de latence, tandis que l’inférence nécessite suffisamment de serveurs disponibles pour répondre aux demandes des utilisateurs à un coût stable. Quand Epoch affirme que les États-Unis détiennent 72 % de la capacité de calcul de l’IA, cela renvoie au contrôle de l’ensemble de la chaîne : terrains, électricité, refroidissement, puces et logiciels cloud.
Pour les laboratoires et les entreprises cloud chinois, ce chiffre compte parce que chaque maillon manquant accentue la contrainte suivante.
Une pénurie de puces haut de gamme peut imposer des clusters plus petits. Des clusters plus petits peuvent allonger les cycles d’entraînement.
Des cycles plus longs peuvent retarder les lancements de produits et accroître les besoins de financement. Voilà l’effet domino qui se cache derrière une statistique.
À lire ensuite : la SEC inscrit trois entreprises sur une liste publique pour le trading d’actions tokenisées