vient de donner au « trade » de l’IA une autre raison de rester en vie.
Le PDG Jensen Huang a déclaré que Nvidia s’attend à vendre deux fois plus de puces l’an prochain qu’en cette année, ce qui témoigne d’un investissement accéléré dans l’IA à travers les secteurs et les pays. Point important : cette prévision concerne les volumes de puces, pas le chiffre d’affaires. Nvidia a par ailleurs indiqué viser environ 70% de croissance de son chiffre d’affaires pour son exercice 2028.
Cette distinction compte.
Le pari sur le « trade » lié à l’IA n’est plus simplement de savoir si les entreprises vont dépenser de l’argent pour l’IA. Elles le font clairement. La question plus difficile est de savoir si les retours économiques issus de ces dépenses vont croître assez vite pour justifier l’investissement d’infrastructure colossal déjà en cours.
Et c’est là que la prochaine phase du marché devient intéressante.
La vague d’IA descend dans la pile
La première phase a été dominée par les gagnants évidents : les GPU, les hyperscalers et les entreprises qui construisent les plus grands modèles.
Mais un écosystème d’IA exige bien plus que des GPU.
Il faut :
→ Datacenters
→ Électricité et capacité du réseau
→ Infrastructures de refroidissement
→ Réseautage
→ Mémoire
→ Composants optiques
→ Semi-conducteurs
→ Cybersécurité
→ Infrastructures de données
→ Logiciels et agents d’IA
→ Robotique et automatisation
Cela crée une deuxième question pour les investisseurs :
Si la demande en calcul liée à l’IA continue de croître, quelles parties de la chaîne d’infrastructures capturent le prochain dollar de dépenses ?
La prévision de Nvidia suggère que la demande de calcul n’est pas près de disparaître. Mais elle ne nous dit pas où les rendements les plus élevés se concrétiseront finalement.
Le plus grand risque n’est pas nécessairement la demande en IA
Cela pourrait être une forte intensité en capital.
Les entreprises peuvent dépenser des milliards en GPU et en datacenters bien avant que les produits d’IA qui en résultent ne génèrent des flux de trésorerie équivalents.
C’est là qu’il y a un écart entre :
Utilisation de l’IA → Revenus de l’IA → Profits de l’IA
Le marché essaie actuellement d’évaluer toute la chaîne à la fois.
C’est pourquoi je voudrais séparer la thématique de l’investissement dans l’IA en trois questions :
1. La demande en IA est-elle réelle ?
Les données sur les dépenses et les derniers commentaires de Nvidia suggèrent fortement que la demande en infrastructures de calcul reste importante.
2. Cette demande peut-elle continuer ?
Cela dépend de plus en plus de la capacité des entreprises et des consommateurs à générer réellement assez de valeur économique grâce à l’IA pour justifier la poursuite des dépenses en infrastructures.
3. Qui capte la valeur ?
Il s’agit toujours de la plus grande question sans réponse.
L’entreprise qui vend l’infrastructure ne capte pas nécessairement la majorité de la valeur économique finale.
Et ensuite, il y a Washington
La dimension politique devient donc impossible à ignorer.
Le président Trump a annoncé une « force IA » et a déclaré que l’IA pourrait éventuellement représenter jusqu’à 25 % du PIB américain. Il s’agit d’une projection politique, pas d’une prévision économique établie.
Parallèlement, des dirigeants majeurs de l’IA ont discuté de la question de savoir si certains aspects du développement d’une IA de pointe devraient ralentir en raison de préoccupations liées à la sécurité. Des informations récentes décrivent un désaccord au sein de l’industrie sur le niveau de réglementation ou de supervision approprié.
Donc le débat sur l’investissement n’est plus seulement :
« L’IA va-t-elle croître ? »
Elle devient :
« De quelle quantité d’infrastructures l’économie peut-elle s’accommoder, avec quelle rapidité ces dépenses peuvent-elles générer des rendements, et qui capte la valeur ? »
Mon cadre
Je ne pense pas que la réponse soit simplement « acheter des actions d’IA ».
L’opportunité la plus intéressante pourrait donc être d’identifier les goulots d’étranglement que l’expansion de l’IA ne peut pas éviter.
Si la puissance de calcul double, l’électricité devient plus importante.
Si les datacenters se multiplient, la production d’électricité, le refroidissement et le réseautage deviennent plus importants.
Si les agents d’IA sont largement déployés, les logiciels, la cybersécurité et l’automatisation deviennent plus importants.
Et si l’IA devient une part plus importante du PIB, les entreprises qui permettent cette transition pourraient aller bien au-delà des noms d’IA les plus évidents d’aujourd’hui.
L’histoire de l’IA pourrait donc entrer dans une deuxième phase.
La première phase consistait à construire l’intelligence.
La prochaine étape pourrait concerner la construction de l’infrastructure physique et économique qui l’entoure.
C’est là que je regarde ensuite.
NFA. Faites vos propres recherches.
