En voyant ces données compilées par J.P. Morgan, on constate que les arriérés de commandes à livrer des quatre géants du cloud—Microsoft, Oracle, Google et Amazon—atteignent déjà 2,1 trillions de dollars. Le plus intéressant, c’est que les engagements d’achat de puissance de calcul d’OpenAI et d’Anthropic représentent à eux deux presque 1 trillion—soit près de la moitié.
Cette structure explique très bien la situation : la vitesse et l’ampleur des dépenses de pointe des laboratoires d’IA en brûlage de liquidités ont désormais atteint un niveau capable de soutenir à lui seul une bonne partie des services cloud. Du point de vue de l’allocation du capital, il s’agit d’un pari cyclique classique—on parie que le récit de l’AGI pourra se traduire en valeur commerciale dans les prochaines années.
Dans l’histoire, des cas similaires ne manquent pas : le déploiement de la fibre optique à la fin des années 1990, les achats d’équipements télécoms au début des années 2000, les dépenses d’investissement en capital liées au pétrole de schiste dans les années 2010. À chaque fois, il s’agit de lourds investissements en amont, pariant que la demande future absorbera la capacité. Certains paris se réalisent ; d’autres aboutissent à une surcapacité et à des créances douteuses.
Aujourd’hui, ces 1 trillion de commandes de calcul représentent, en essence, un verrouillage anticipé des flux de trésorerie pour les prochaines années. Pour les fournisseurs de services cloud, c’est une perspective de revenus stable ; pour les laboratoires d’IA, c’est une pression indispensable pour faire fonctionner le modèle économique. Celui qui réussit à développer des applications à l’échelle, et rapidement, peut absorber ces coûts ; sinon, c’est typiquement un problème de mauvaise allocation du capital.
D’un point de vue macroéconomique, ce niveau de concentration extrêmement élevé des dépenses d’investissement (moitié pour deux laboratoires) comporte des risques. Si la monétisation de l’IA avance moins vite que prévu, ou si un laboratoire rencontre des difficultés de financement, toute la chaîne de valeur—ainsi que la logique d’évaluation—sera réestimée. Ce n’est pas un problème technique, mais celui du cycle des capitaux et de la gestion de la liquidité.
Comme le dit si bien l’adage : les carnets de commandes sont une bonne chose, mais à condition que les clients paient continuellement. Dans ce jeu, la question est donc de savoir qui parviendra le premier à transformer les applications d’IA en argent bien réel.
Cette structure explique très bien la situation : la vitesse et l’ampleur des dépenses de pointe des laboratoires d’IA en brûlage de liquidités ont désormais atteint un niveau capable de soutenir à lui seul une bonne partie des services cloud. Du point de vue de l’allocation du capital, il s’agit d’un pari cyclique classique—on parie que le récit de l’AGI pourra se traduire en valeur commerciale dans les prochaines années.
Dans l’histoire, des cas similaires ne manquent pas : le déploiement de la fibre optique à la fin des années 1990, les achats d’équipements télécoms au début des années 2000, les dépenses d’investissement en capital liées au pétrole de schiste dans les années 2010. À chaque fois, il s’agit de lourds investissements en amont, pariant que la demande future absorbera la capacité. Certains paris se réalisent ; d’autres aboutissent à une surcapacité et à des créances douteuses.
Aujourd’hui, ces 1 trillion de commandes de calcul représentent, en essence, un verrouillage anticipé des flux de trésorerie pour les prochaines années. Pour les fournisseurs de services cloud, c’est une perspective de revenus stable ; pour les laboratoires d’IA, c’est une pression indispensable pour faire fonctionner le modèle économique. Celui qui réussit à développer des applications à l’échelle, et rapidement, peut absorber ces coûts ; sinon, c’est typiquement un problème de mauvaise allocation du capital.
D’un point de vue macroéconomique, ce niveau de concentration extrêmement élevé des dépenses d’investissement (moitié pour deux laboratoires) comporte des risques. Si la monétisation de l’IA avance moins vite que prévu, ou si un laboratoire rencontre des difficultés de financement, toute la chaîne de valeur—ainsi que la logique d’évaluation—sera réestimée. Ce n’est pas un problème technique, mais celui du cycle des capitaux et de la gestion de la liquidité.
Comme le dit si bien l’adage : les carnets de commandes sont une bonne chose, mais à condition que les clients paient continuellement. Dans ce jeu, la question est donc de savoir qui parviendra le premier à transformer les applications d’IA en argent bien réel.