C’est exactement pourquoi je reste optimiste quant à l’infrastructure de l’IA.
Regardez l’évolution des tarifs de location des GPU par rapport au prix des jetons d’IA depuis juillet. Le coût des jetons s’est effondré. Et la location des H100 ? Elle reste élevée, autour de 2,70 $/heure.
C’est le paradoxe classique de Jevons. Quand quelque chose devient moins cher, on en utilise beaucoup plus. Des tâches d’IA dont le déploiement à grande échelle était trop coûteux deviennent soudainement viables. Si l’exécution d’un agent d’IA coûte moins cher, les entreprises en déploient des milliers plutôt que des centaines. Assistants de programmation, recherche, service client — tous les cas d’usage gourmands en inférences prennent de l’ampleur.
Plus d’utilisation = plus de demande en GPU, mémoire, réseau, centres de données et énergie.
Même si le prix des jetons s’est effondré, celui de la location des H100 est resté stable. Cela montre que la demande en puissance de calcul reste forte, malgré les gains d’efficacité. Oui, la dynamique de l’offre et les nouvelles générations de GPU comptent. Mais la résistance des prix du calcul alors que ceux des jetons baissent ? C’est un signal.
Je pense que le marché sous-estime l’ampleur de la demande supplémentaire en IA que la baisse des prix va libérer au cours des prochaines années. Nous n’en sommes qu’au début. La plupart des entreprises ont à peine commencé à intégrer l’IA dans leurs activités quotidiennes.
C’est pourquoi je privilégie les fournisseurs d’infrastructures plutôt que d’essayer de deviner quel fournisseur de modèles l’emportera. Qu’il s’agisse d’OpenAI, d’Anthropic, de Google ou de solutions open source, quelqu’un devra toujours fournir la puissance de calcul. Tant que l’utilisation de l’IA progressera plus vite que les gains d’efficacité ne réduisent les besoins en calcul, le déploiement des infrastructures se poursuivra.
Je suis optimiste quant au calcul, à la mémoire, au réseau et à l’énergie.
Regardez l’évolution des tarifs de location des GPU par rapport au prix des jetons d’IA depuis juillet. Le coût des jetons s’est effondré. Et la location des H100 ? Elle reste élevée, autour de 2,70 $/heure.
C’est le paradoxe classique de Jevons. Quand quelque chose devient moins cher, on en utilise beaucoup plus. Des tâches d’IA dont le déploiement à grande échelle était trop coûteux deviennent soudainement viables. Si l’exécution d’un agent d’IA coûte moins cher, les entreprises en déploient des milliers plutôt que des centaines. Assistants de programmation, recherche, service client — tous les cas d’usage gourmands en inférences prennent de l’ampleur.
Plus d’utilisation = plus de demande en GPU, mémoire, réseau, centres de données et énergie.
Même si le prix des jetons s’est effondré, celui de la location des H100 est resté stable. Cela montre que la demande en puissance de calcul reste forte, malgré les gains d’efficacité. Oui, la dynamique de l’offre et les nouvelles générations de GPU comptent. Mais la résistance des prix du calcul alors que ceux des jetons baissent ? C’est un signal.
Je pense que le marché sous-estime l’ampleur de la demande supplémentaire en IA que la baisse des prix va libérer au cours des prochaines années. Nous n’en sommes qu’au début. La plupart des entreprises ont à peine commencé à intégrer l’IA dans leurs activités quotidiennes.
C’est pourquoi je privilégie les fournisseurs d’infrastructures plutôt que d’essayer de deviner quel fournisseur de modèles l’emportera. Qu’il s’agisse d’OpenAI, d’Anthropic, de Google ou de solutions open source, quelqu’un devra toujours fournir la puissance de calcul. Tant que l’utilisation de l’IA progressera plus vite que les gains d’efficacité ne réduisent les besoins en calcul, le déploiement des infrastructures se poursuivra.
Je suis optimiste quant au calcul, à la mémoire, au réseau et à l’énergie.