Auparavant, dans un tweet du 27/6, je n’ai pas seulement avancé l’idée que le secteur du stockage arrivait à un sommet, mais j’ai aussi prédit clairement que, dans la suite, les flux de capitaux du marché passeraient des fabricants de matériel pour l’IA (les « vendeurs de pelles ») vers les grandes entreprises de cloud technologique comme MSFT, GOOG, META, etc., ainsi que vers des sociétés logicielles de qualité telles que NOW et CRM (les « récupérateurs d’or »). Le 29/7, lors d’un live sur OKX, j’ai de nouveau souligné ce point de vue.
À première vue, en seulement un mois, tout a déjà été validé : MSFT est passé de 370 à 500, META de 540 à 590, NOW de 90 à 124 et CRM de 158 à 192.
Aujourd’hui, j’ai à nouveau longuement discuté de ce point de vue avec GPT, et cela a amené l’IA à fournir des données plus complètes pour l’étayer, ce qui a permis de constituer l’article suivant, afin que chacun puisse l’étudier davantage.
Un
Au cours des trois dernières années, la logique d’investissement la plus centrale sur le marché des capitaux de l’IA peut se résumer en une phrase :
À cause d’un manque de puissance de calcul en IA, les profits se concentrent d’abord sur la chaîne matérielle qui « vend des pelles ».
Hyperscaler, NeoCloud et AI Lab investissent massivement en CapEx à grande échelle, et les fonds circulent rapidement vers NVIDIA, Broadcom, HBM, les serveurs, le réseau et l’infrastructure des centres de données. Comme l’offre en amont est contrainte, les maillons comme GPU, HBM, advanced packaging disposent d’un pouvoir de négociation très fort ; par conséquent, ce sont eux qui réalisent d’abord les revenus et les profits.
Mais à partir de 2026, le problème central des investissements en IA est en train de changer.
Le marché doit répondre à présent à autre chose que :
« Encore combien de GPU faut-il acheter ? »
et de plus en plus :
« La puissance de calcul générée par ces GPU, au final, combien de revenus et de profits peut-elle créer ? »
ce qui signifie que l’industrie de l’IA passe de la première phase :
Infrastructure Build-out
Entrant progressivement dans la deuxième phase :
Monetization & validation du ROI.
Sur la base de ce changement, je pense que dans les 6 à 12 prochains mois, les capitaux en IA pourraient passer progressivement : d’une forte concentration passée sur la chaîne industrielle du matériel vers :
Plateformes technologiques de grande taille comme Microsoft, Alphabet, Amazon, Meta, ainsi que des entreprises logicielles disposant réellement d’une base de clients, de verrous de données, de workflow et de capacités de fixation des prix pour l’IA, se diffusent.
le jugement central ici n’est pas que « le marché haussier du matériel est terminé », mais plutôt :
À l’avenir, la marge d’augmentation du capital sur le marché récompensera plus probablement les entreprises capables de prouver que les investissements en IA génèrent des revenus et des profits.
Ainsi, Big Tech et certaines entreprises logicielles auront, pendant une période à venir, la possibilité d’une réévaluation de valorisation par rapport au matériel d’IA.
Deuxième : flux de capitaux IA sur les trois dernières années — pourquoi les profits se concentrent d’abord sur le matériel
Les flux de capitaux de la chaîne industrielle de l’IA sont globalement les suivants :
entreprises, consommateurs, annonceurs
↓
Microsoft / Google / Amazon / Meta / applications d’IA
↓
Cloud / modèle d’IA / NeoCloud
↓
GPU / ASIC / Serveur / Networking
↓
NVIDIA / Broadcom / AMD
↓
HBM / Fonderie / Advanced Packaging
↓
SK Hynix / Micron / Samsung / TSMC
Le plus gros problème des trois dernières années était :
Le modèle commercial en aval n’est pas encore totalement mature, mais l’infrastructure IA en amont doit être construite en avance.
Ainsi, les flux de capitaux présentent clairement un caractère de « concrétisation en amont d’abord ».
Les grandes entreprises technologiques financent d’abord leurs investissements en IA via les flux de trésorerie générés par leurs activités existantes :
Google utilise les profits publicitaires de recherche pour construire des clusters TPU et GPU ;
Meta investit dans des systèmes de recommandation d’IA et Llama en utilisant ses profits publicitaires ;
Microsoft utilise les flux de trésorerie générés par Office, Azure et Windows pour investir dans l’infrastructure d’IA ;
Amazon utilise les flux de trésorerie du e-commerce pour augmenter les investissements dans les centres de données.
NeoCloud passe davantage par :
financement par la dette, Private Credit, financement GPU et financement par fonds propres
acheter des GPU.
Résultat :
NVIDIA, Broadcom et les fournisseurs de HBM ont d’abord obtenu de l’argent réel, tandis que les acheteurs de puissance de calcul supportent le risque de savoir s’ils peuvent récupérer l’investissement.
C’est aussi l’une des raisons majeures pour lesquelles les valeurs du secteur matériel ont surperformé nettement celles des logiciels ces dernières années.
Troisième : mais ces flux de capitaux ne peuvent pas rester indéfiniment concentrés sur le matériel
Un secteur IA sain doit finalement parvenir à :
investissement en capital
→ Matériel
→ puissance de calcul
→ services d’IA
→ achats des entreprises / consommateurs
→ Revenus
→ profit
→ Réinvestissement
Une boucle fermée complète comme celle-ci.
Si cette boucle ne peut pas être établie, alors, à terme, le gigantesque CapEx en IA finira inévitablement par baisser.
Dans son dernier scénario de base, Goldman Sachs estime que les dépenses mondiales en capital pour l’IA seront d’environ 765 milliards de dollars en 2026 et pourraient atteindre 1,6 trillion de dollars par an en 2031.
Cela signifie que tout le récit de l’IA est passé de :
« Y a-t-il assez d’argent pour construire ? »
se transforme en :
« Après avoir construit, y a-t-il assez de flux de trésorerie pour tenir ? »
Pour des dépenses d’investissement annuelles proches voire supérieures à 1 000 milliards de dollars, prouver simplement qu’il existe une demande de GPU ne suffit pas.
Au final, il faut prouver :
les revenus et la valeur économique générés par l’IA peuvent soutenir l’amortissement de ces actifs, les factures d’électricité, les coûts de financement et le rendement du capital.
Ainsi, la variable la plus importante de toute la chaîne de l’IA dans les prochaines années passera progressivement : de :
CapEx
Changement de direction :
Revenus IA, bénéfice brut IA et ROIC IA.
Cela favorise naturellement les plateformes et les entreprises de logiciels situées plus en aval de la chaîne de valeur.
Quatre : un changement important est déjà apparu — le Cloud commence vraiment à générer des profits
C’est une preuve importante à mon avis que le stade des investissements en IA est en train de se transformer.
Google Cloud est actuellement le cas le plus typique.
Au T2 2026, le profit opérationnel du Google Cloud atteint 8,8 milliards de dollars, en hausse de plus de trois fois ; et la marge opérationnelle s’améliore nettement.
C’est totalement différent de la situation d’il y a deux ou trois ans.
Ce que le marché a vu dans le passé :
Google augmente le CapEx
→ acheter des GPU/TPU.
Aujourd’hui, le marché commence à voir :
Google augmente le CapEx
→ croissance du revenu GCP
→ croissance rapide du profit opérationnel du Cloud.
Autrement dit :
l’infrastructure d’IA commence à former des profits.
Microsoft montre aussi une tendance similaire.
Au 1er FY2026 T4 le plus récent, le chiffre d’affaires du Cloud de Microsoft sur un seul trimestre atteint déjà 59,3 milliards de dollars, en hausse de 27% ; et le commercial RPO atteint 678 milliards de dollars, en hausse de 84%.
Auparavant, Azure conservait encore environ une croissance d’environ 40%.
Du côté d’Amazon, le chiffre d’affaires du dernier trimestre d’AWS a augmenté de 37% en glissement annuel, un niveau de croissance très solide ces dernières années.
Ainsi, il existe actuellement trois signaux très importants :
les revenus Cloud augmentent plus vite que le budget IT total des entreprises ;
amélioration de la marge bénéficiaire du Cloud ;
Croissance rapide du carnet de commandes Cloud / RPO.
Ces données montrent que la capacité des acheteurs en aval n’a pas encore manifesté de rupture évidente.
Cinq : le plus grand avantage des grandes technos à l’étape suivante — elles occupent simultanément plusieurs poches de profit dans la chaîne de l’IA
Un énorme avantage des grandes entreprises technologiques, c’est qu’elles ne sont pas seulement des acheteurs de GPU.
Par exemple, pour Microsoft :
écosystème Azure+OpenAI + Microsoft 365+Copilot+GitHub+Dynamics+Security
ce qui signifie que Microsoft peut à la fois :
vendre de la puissance de calcul d’IA
On peut aussi :
vendre des applications IA.
donc Microsoft peut aussi obtenir :
Marge de l’Infrastructure + marge des applications.
Alphabet suit aussi une structure similaire :
TPU
→ Google Cloud
→ Gemini
→ Workspace
→ Recherche
→ Publicité.
Amazon :
Trainium
→ AWS
→ Bedrock
→ Entreprise IA.
Meta :
GPU
→ Recommandation
→ Engagement
→ Publicité.
Cette intégration verticale signifie que les grandes technos supportent non seulement le CapEx en IA, mais contrôlent aussi de nombreuses entrées pour la monétisation de l’IA.
Cela leur donne une position beaucoup meilleure dans la chaîne de l’IA que celle d’un simple NeoCloud.
Six : Meta prouve un autre mode de monétisation de l’IA — l’IA n’a pas forcément besoin d’être facturée séparément
L’une des erreurs les plus faciles à commettre lors de l’analyse des revenus de l’IA consiste à ne compter que :
ChatGPT Subscription, Copilot, AI API, etc. : revenus clairement étiquetés « IA ».
Meta démontre un autre modèle économique.
Au T2 2026, le revenu de Meta atteint 60,8 milliards de dollars, en hausse de 28% sur un an.
Les systèmes de recommandation d’IA ne font pas payer les consommateurs.
Mais l’IA peut améliorer :
efficacité des recommandations
→ Engagement
→ clics publicitaires
→ Conversion
→ ROI des annonceurs
→ prix de la publicité.
Ainsi :
La valeur économique créée par l’IA peut finalement se refléter dans les revenus publicitaires, plutôt que dans une « AI Revenue ».
Google Search suit aussi cette logique.
Cela signifie que la capacité de monétisation de l’IA des grandes technos pourrait en réalité être sous-estimée par le marché, via le suivi traditionnel de la « revenue d’IA ».
Sept : l’industrie logicielle commence pour la première fois à avoir des revenus d’IA quantifiables
Au cours des deux dernières années, la plupart des sociétés logicielles racontaient l’histoire de l’IA, mais il y en a peu qui ont réellement généré des revenus additionnels.
En 2026, cette situation commence à changer.
les revenus d’abonnement du dernier trimestre de ServiceNow atteignent 3,877 milliards de dollars, en hausse de 24,5% sur un an.
L’Agentforce de Salesforce commence à former une échelle de revenus évidente.
FY2027 T1 :
L’ARR d’Agentforce atteint 1,2 milliard de dollars, en hausse de 205% sur un an.
Agentforce + Data 360 ARR approche 3,4 milliards de dollars, en hausse de plus de 200%.
L’ARR « AI-first » d’Adobe dépasse déjà :
5 milliards de dollars
Et en hausse d’environ trois fois d’une année sur l’autre.
Palantir est même un cas extrême :
Au T2 2026, le chiffre d’affaires atteint 1,94 milliard de dollars, en hausse de 93% sur un an.
Ainsi, il se produit un changement très important au niveau des logiciels :
Dans le passé :
Démo IA
À présent, on voit progressivement que :
ARR d’IA.
C’est la raison pour laquelle le marché des capitaux pourrait réévaluer les entreprises de logiciels.
Huit : pourquoi l’élasticité bénéficiaire des logiciels d’IA peut être très élevée
Le modèle économique du matériel a un problème intrinsèque :
la croissance des revenus a souvent besoin d’augmenter simultanément les actifs ou les investissements de production.
Les logiciels d’IA, eux, sont différents.
Une entreprise logicielle qui possède déjà :
clients
données
workflow
distribution
canal de vente
Après ajout de l’IA, vous pouvez directement augmenter :
ARPU
Revenus de consommation (Consumption Revenue)
Usage
Rétention
Upsell.
par exemple, une entreprise payait initialement 1 million de dollars par an de frais CRM.
Si la fonction Agent peut réduire les employés du service client, des ventes ou des opérations, l’entreprise pourrait être disposée à payer en plus :
200 000 $
Pour Salesforce, ces 200 000 $ de revenus supplémentaires nécessiteraient des coûts supplémentaires de vente et de produit, qui pourraient être très inférieurs à 200 000 $.
ce qui signifie :
une fois que le logiciel d’IA franchit le tournant de la commercialisation, la croissance des profits pourrait nettement surpasser celle des revenus.
Ainsi, le marché des capitaux pourrait commencer à réévaluer ces entreprises.
Neuf : le vrai TAM de l’IA d’entreprise n’est pas le budget logiciel, mais le coût de la main-d’œuvre
C’est la logique long terme la plus importante qui soutient le modèle économique des logiciels d’IA.
les dépenses IT mondiales en 2026 devraient atteindre environ :
6,15 billions de dollars, +10,8% sur un an.
Mais lorsqu’une entreprise achète de l’IA, elle n’a pas forcément besoin de financer cela à partir de la croissance du budget IT existant.
elle peut aussi remplacer :
coût des employés
sous-traitance
conseil
BPO
service client
production de contenu
R&D
logiciel traditionnel
Prenons un exemple simple.
Pour les entreprises dans le passé :
100 employés × 100 000 $ = 10 M $ de coûts.
À l’avenir :
80 employés
1 M $ de logiciel IA
Si l’on peut encore accomplir le volume de travail d’origine :
Économies pour les entreprises :
1 M $.
Ainsi, même si les revenus propres d’une entreprise ne progressent que de 5%, le budget IA peut tout à fait augmenter de 50%, 100% voire davantage.
Le capital est en fait :
Budget de travail → Budget IA.
Donc, la concurrence finale des logiciels d’IA ne sera pas seulement :
budget global SaaS
mais plutôt :
les dizaines de milliers de milliards de dollars de coûts de main-d’œuvre dans le monde et les budgets opérationnels des entreprises.
C’est la base économique la plus importante permettant aux applications d’IA d’entretenir durablement des investissements massifs dans l’infrastructure.
Dix : pourquoi, à l’avenir, les capitaux pourraient se diffuser de « vendre des pelles » vers « utiliser des pelles »
En général, le marché des capitaux n’accorde pas toujours des récompenses au même niveau de l’industrie.
phase précoce du cycle industriel :
la valeur de la ressource rare est la plus élevée.
donc :
GPU
HBM
advanced packaging
Le plus rentable.
Après l’entrée du cycle industriel dans la deuxième phase :
l’offre s’élargit progressivement ;
Le marché commence à s’intéresser à :
Qui peut utiliser ces ressources pour générer le ROIC le plus élevé.
l’industrie de l’IA est pareil.
Première phase :
Qui possède les GPU ?
Deuxième étape :
Qui peut faire gagner de l’argent aux GPU ?
les gagnants de ces deux phases sur le marché des capitaux ne seront pas forcément les mêmes.
Je pense que 2026—2027 est en train de passer de la première phase à la deuxième phase.
Onze : le plus grand risque du matériel n’est pas une baisse des profits, mais une baisse d’abord des valorisations
Il faut souligner ici :
Je ne pense pas que les fondamentaux du matériel d’IA aient atteint un pic.
tout le contraire.
Le dernier revenu des Data Centers publié par NVIDIA atteint :
75,2 milliards de dollars, en hausse de 92% sur un an.
Revenus de semi-conducteurs IA de Broadcom au T2 :
10,8 milliards de dollars, en hausse de 143% sur un an.
Ce n’est manifestement pas des données typiques d’un sommet de cycle.
Donc, dans les six prochains mois, il est tout à fait possible que :
La croissance des bénéfices du matériel continue.
Mais la performance du cours de l’action dépend de deux facteurs :
EPS × valorisation
Hypothèse :
EPS de NVIDIA :
100 → 140
+40%.
mais en PE :
35× → 28×.
Cours de l’action :
3500 → 3920.
environ +12%.
En même temps, Google :
EPS :
100 → 120
ne croît que de 20%.
Mais le marché pense que les investissements en IA commencent enfin à être concrétisés :
PE :
20× → 25×.
Cours de l’action :
2000 → 3000.
+50%.
et c’est ainsi qu’apparaît :
Le cours de Google surperforme NVIDIA,
même si :
Le taux de croissance des profits de NVIDIA reste encore nettement supérieur à celui de Google.
C’est l’un des changements que je pense les plus probables pour les investissements en IA à l’avenir :
Le matériel continue de croître, mais l’expansion des valorisations s’arrête ;
Le profit Cloud/Logiciels commence à croître, tout en obtenant une réévaluation de valorisation.
Douze : ce n’est pas une simple rotation « matériel → logiciels »
Par conséquent, mon jugement central ne peut pas être compris simplement comme :
SELL NVDA
BUY Software.
plus précisément :
Le trading d’IA, passant d’Infrastructure-only à deux axes : Infrastructure + Monetization.
Dans le passé :
Infrastructure >>> Monetization.
Maintenant :
Infrastructure > Monetization.
Si l’industrie de l’IA se développe sainement à l’avenir :
Infrastructure > Monetization.
doit finalement devenir :
Monetization > Infrastructure.
sinon, toute la boucle d’investissement en IA ne pourrait pas durer.
Treize : pourquoi les « cinq grandes technos » sont potentiellement le meilleur premier arrêt pour cette rotation
par rapport aux logiciels ordinaires, les grandes technos ont un avantage important :
Elles ont à la fois une défense et une croissance IA.
par exemple, même si la vitesse de commercialisation de l’IA chez Google n’est pas assez rapide :
la recherche génère toujours d’énormes flux de trésorerie.
Microsoft possède :
Office
Windows
Enterprise Software
Sécurité.
Amazon détient :
AWS
e-commerce
Publicité.
Meta détient :
Advertising.
Ainsi, les grandes entreprises technologiques peuvent :
d’un côté, utiliser les flux de trésorerie de l’activité traditionnelle pour construire l’IA ;
d’un côté, attendre que les revenus d’IA deviennent progressivement matures.
ce qui fait que :
Le risque de monétisation de l’IA est nettement plus faible que celui des pures sociétés d’IA.
si à l’avenir le marché passe de :
« Qui connaît la croissance d’IA la plus rapide ? »
progressivement vers :
« Qui arrive à générer de manière stable un AI FCF ? »
alors l’attrait relatif des grandes plateformes technologiques augmente nettement.
Quatorze : les logiciels doivent avoir des douves, et pas juste apposer une étiquette « IA »
En même temps, nous ne pensons pas que tout le secteur logiciel en bénéficiera.
L’IA pourrait même détruire d’importantes douves (avantages compétitifs) de beaucoup d’éditeurs de logiciels.
À l’avenir, les entreprises logicielles peuvent être grossièrement classées en trois types.
Premier type : disposer d’un pouvoir de fixation des prix de l’IA
Caractéristique typique :
beaucoup de clients existants
Workflow important
coûts de changement élevés
données uniques
Distribution forte.
L’IA peut directement augmenter :
ARPU
Consommation
prix de la place (Seat Price)
Rétention.
Par exemple :
Microsoft
ServiceNow
Salesforce
Adobe.
C’est le type le plus digne d’attention.
Deuxième type : l’IA remplace directement la main-d’œuvre
par exemple :
Coding
Sécurité
Customer Service
Analytics
Automatisation des workflows.
L’avantage le plus important de ces produits IA est :
Le ROI des clients se calcule très facilement.
Si vous dépensez un an :
frais d’IA de 1 M $
peut réduire :
3 M $ de coûts de personnel,
Les décisions d’achat sont très faciles à prendre.
La durabilité de ces revenus d’IA peut être assez forte.
troisième type : AI Wrapper
simplement appeler les modèles d’OpenAI/Anthropic, puis ajouter une UI.
Pas :
données uniques
relations clients
Workflow
Distribution
coût de changement (Switching Cost).
ces entreprises pourraient finalement devenir les plus grands perdants de l’ère de l’IA.
Ainsi, la vraie logique d’investissement n’est pas :
Buy Software.
mais plutôt :
Acheter les douves de la Monetization de l’IA.
Quinze : cinq raisons essentielles qui soutiennent que les grandes technos/logiciels peuvent surperformer relativement
Premier :
Le cycle du capital en IA est déjà entré dans une phase de validation commerciale.
À l’avenir, le marché doit voir non seulement des commandes de GPU, mais aussi des revenus et des profits liés à l’IA.
Deuxième :
la monétisation du Cloud commence à s’accélérer.
Les profits de Google Cloud augmentent rapidement, et Azure et AWS continuent de maintenir un rythme de croissance élevé.
Troisième :
Les logiciels d’IA commencent à produire de vrais ARR.
L’Agentforce de Salesforce, l’ARR « AI-first » d’Adobe et la croissance de ServiceNow indiquent que les entreprises sont progressivement passées des essais d’IA à la phase de paiement.
Quatrième :
En général, la marge incrémentale des logiciels est supérieure à celle du matériel.
Une fois que l’échelle de facturation de l’IA s’étend, les profits des logiciels peuvent connaître un levier opérationnel plus important.
Cinquième :
Le matériel est déjà dans un état de très forte rentabilité et de très fortes anticipations.
NVIDIA Data Center +92%, Broadcom AI +143%.
Cela signifie que :
les seuils dépassant les attentes ne feront que devenir de plus en plus élevés.
alors que les profits IA des logiciels/Cloud sont encore à un stade relativement précoce :
La révision des estimations de bénéfices (Earnings Estimate Revision) ne fait peut-être que commencer.
Seize : l’indicateur le plus important à observer à l’avenir
Pour juger si mon point de vue est correct, lors des prochains trimestres, il faut surtout observer les données suivantes, plutôt que de regarder uniquement les commandes de NVIDIA.
1. croissance du revenu : Azure / AWS / Google Cloud
Si cela continue à rester :
30%—50%+
Cela indique que la demande en aval reste saine.
2. marge opérationnelle du Cloud
C’est l’un des indicateurs les plus importants.
croissance des revenus d’IA, mais baisse des marges bénéficiaires :
ce n’est pas un bon investissement.
croissance des revenus d’IA tout en améliorant les marges :
Cela montre que le modèle commercial de l’IA commence à produire des économies d’échelle.
3. AI Software ARR
À surveiller en priorité :
Microsoft Copilot
Salesforce Agentforce
ServiceNow AI
Adobe IA
Palantir.
Lorsque l’ARR d’IA commence à atteindre 5%, 10% puis 20% du chiffre d’affaires de l’entreprise, l’impact sur l’EPS devient réellement significatif.
4. Hyperscaler CapEx / croissance des revenus Cloud
C’est un indicateur avancé très solide pour juger de l’efficacité du capital en IA.
si :
CapEx +50%
Cloud +40%
L’écart peut encore être rattrapé.
Si à l’avenir :
CapEx +50%
Cloud +15%,
Le risque augmente rapidement.
5. AI Backlog / RPO
Tant que le RPO continue à croître très vite, cela prouve que beaucoup de puissance de calcul en IA a déjà des clients prêts à acheter.
2e dérivée de la croissance des revenus de NVIDIA/AVGO
Ce n’est pas une question de savoir si les revenus baissent : mais plutôt :
+100%
→ +70%
→ +50%
→ +30%.
même si les revenus continuent de croître très vite :
le momentum des résultats (Earnings Momentum) a commencé à décliner.
Les capitaux cherchent souvent en avance des secteurs où la dérivée seconde est plus élevée.
Dix-sept, un possible parcours de rotation des capitaux en IA
Si le marché haussier de l’IA continue, je pense que l’ordre le plus logique serait :
Première phase : 2023—2025
GPU / HBM / AI Networking
↓
NVIDIA
Broadcom
SK Hynix
Micron.
Deuxième phase : 2026—2027
Plateformes Cloud
↓
Microsoft
Alphabet
Amazon
Meta.
Troisième phase : 2026—2028
Monetization Software de l’IA
↓
ServiceNow
Salesforce
Adobe
Palantir
et les futures entreprises Agent qui émergeront réellement.
phase finale
L’IA améliore l’efficacité économique globale de l’entreprise
↓
finance
médical
fabrication
publicité
e-commerce
Internet
bénéfices complets en productivité IA
C’est l’état final lorsque l’IA devient une technologie générale.
Dix-huit, conclusion d’investissement
Je pense que la logique centrale des investissements en IA sur les 6—12 prochains mois est en train de changer.
Auparavant, le marché récompensait surtout :
Qui peut fournir des infrastructures rares pour l’IA.
Le marché à venir commencera progressivement à récompenser :
Qui est capable d’exploiter cette infrastructure pour générer les revenus, profits et ROIC les plus élevés.
Ainsi :
Le matériel d’IA n’implique pas automatiquement l’entrée dans un marché baissier.
Les revenus IA de NVIDIA et de Broadcom restent pour l’instant exceptionnellement solides ; le cycle de conjoncture du matériel n’a pas de signal clair de fin pour le moment.
Mais en termes de rendement relatif :
Les grandes technos et les éditeurs de logiciels disposant d’un pouvoir de fixation des prix via l’IA entrent dans une position plus favorable.
La raison n’est pas :
les profits du matériel baissent.
mais plutôt :
La croissance rapide de la rentabilité du matériel est déjà pleinement reconnue par le marché, tandis que l’actualisation de la concrétisation des profits du Cloud et des logiciels ne fait que commencer à être reconsidérée.
Ainsi, ce qui est le plus probable à l’avenir n’est pas :
Chute du matériel → Hausse des logiciels.
plus probablement vers :
Les profits du matériel continuent d’atteindre des sommets, mais les multiples de valorisation se stabilisent progressivement, voire se contractent ; parallèlement, le Cloud et les logiciels de qualité voient leurs prévisions de profit se relever + expansion des valorisations.
Au final :
rendement relatif Big Tech / logiciels IA > matériel IA.
C’est aussi le changement le plus digne d’attention dans l’évolution des flux de capitaux liés à l’IA à l’heure actuelle.
La phrase la plus centrale
que tout le marché haussier de l’IA puisse continuer dépend finalement de la quantité de GPU que NVIDIA peut encore vendre.
mais tout dépend de :
Les personnes qui ont acheté ces GPU peuvent-elles gagner assez d’argent ?
Si Microsoft, Google, Amazon, Meta et les logiciels d’IA en aval commencent à prouver de manière continue :
AI CapEx → AI Revenue → AI Profit → AI FCF
Si cette boucle fonctionne, alors seulement les dépenses d’investissement en IA peuvent maintenir durablement.
Et dès que cette boucle est confirmée par le marché des capitaux, la plus grande opportunité à la marge des investissements en IA provient naturellement de :
« ceux qui vendent l’infrastructure IA »
Transition progressive vers :
« Ceux qui gagnent de l’argent grâce à l’infrastructure IA ».
C’est précisément la logique centrale selon laquelle, dans la période à venir, les grands fournisseurs de cloud technologiques et les entreprises de logiciels disposant réellement de douves pourraient surperformer relativement les valeurs du matériel.