Les contraintes physiques restent déterminantes pour l’IA

Marco Barresi, Banque Lombard Odier

5 minutes de lecture

Tandis que la demande sous-jacente ne cesse de s'accélérer, l'accès aux données, la main-d'œuvre qualifiée, la puissance de calcul et l'énergie électrique sont autant de goulets d'étranglement.

Points clés

  • La récente faiblesse boursière reflète des inquiétudes portant sur la réglementation et la construction de centres de données; la demande sous-jacente en IA ne cesse, pour sa part, de s'accélérer
  • Pour le secteur, le principal défi est désormais davantage physique que numérique: l'accès aux données, la main-d'œuvre qualifiée, la puissance de calcul et l'énergie électrique sont autant de goulets d'étranglement
  • En matière d’IA, la force de la Chine réside plus dans sa capacité à déployer des technologies, ses compétences en ingénierie et son potentiel de production électrique que dans son accès aux semi-conducteurs de pointe 
  • Nous favorisons toujours les marchés boursiers exposés à l'IA, ainsi que les secteurs des technologies de l’information, des services publics et de la finance, qui bénéficient du développement et de l'adoption croissante de l'IA. Au sein du secteur technologique, nous privilégions les entreprises détenant des ressources ou des infrastructures limitées.

Suite aux élections de mi-mandat aux Etats-Unis, des investisseurs ont exprimé leur inquiétude concernant l'impact d'une réglementation plus stricte sur le rythme de développement des infrastructures d'IA américaines. Pourtant, les perspectives de l'IA dépendent peut-être moins d’une telle réglementation que du fossé grandissant entre la demande de puissance de calcul et l’aptitude du secteur à y répondre. Dans un marché où les capacités physiques sont rares et s’ajustent lentement, les infrastructures existantes prennent de la valeur, et les décisions politiques pourraient influencer les choix futurs de localisation des investissements.

La récente faiblesse des actions liées à l'IA reflète les craintes qu'un durcissement réglementaire, associé à des contraintes en matière de permis de construction et des oppositions politiques locales ne ralentissent la construction de centres de données, chacun de ces facteurs influençant différemment le rythme, le coût et la localisation des investissements. Cependant, alors que les marchés boursiers se concentrent sur le risque législatif pesant sur l'offre, les entreprises qui construisent les infrastructures d'IA n'investissent plus en prévision d'une hypothétique demande future mais répondent à la demande déjà existante.

Pour les investisseurs, la question n'est donc pas de savoir si la demande d'IA existe, mais si l'offre pourra suivre. Les fournisseurs de cloud font état d'une forte demande et l'adoption par les entreprises s'étend (voir graphique 1). A mesure que les dernières passent de l'expérimentation à la mise en œuvre, la consommation de tokens, un indicateur fiable de l'activité liée à l'IA et de la demande de calcul, a fortement augmenté au cours des deux dernières années. Le terme «calcul» se réfère à la puissance de traitement nécessaire pour entraîner et faire fonctionner les modèles d'IA.


Les tokens constituent l'unité de base de texte lu ou généré par les modèles d’IA. La demande est de plus en plus portée par les modèles «d’IA agentique» capables de raisonner, de planifier et d’exécuter des tâches avec une intervention humaine limitée. Comparativement à une requête conventionnelle adressée à un chatbot, ces processus consomment beaucoup plus de ressources de calcul, en raison de centaines d'étapes générées par l'IA, et jusqu'à 1000 fois plus de tokens, selon la tâche et le modèle. L'adoption de l'IA progresse donc à la fois en nombre d'utilisateurs et de ressources de calcul par tâche. Parallèlement, l'«amélioration récursive» (RSI), où les modèles d'IA participent à la conception de générations successives, accélère le rythme de l'innovation et accentue la pression sur la demande en ressources de calcul.

L'actualité de Nvidia, le plus grand fournisseur mondial de semi-conducteurs, illustre cette distinction. Le départ de son CEO a créé de l’incertitude autour de sa succession et de la capacité de l’entreprise à identifier ou à influencer les futures tendances de l'IA. Cependant, bien que Nvidia joue un rôle central dans l'écosystème de l'IA, les inquiétudes des investisseurs concernant la succession du CEO sont largement spécifiques à l'entreprise et ne remettent pas en cause la vigueur de la demande sous-jacente en IA.

Contraintes relatives à l'infrastructure physique

Jusqu'à présent, le débat sur les investissements dans l’IA a été largement dominé par les semi-conducteurs, et plus particulièrement par les unités de traitement graphique (GPU) de pointe et la mémoire à large bande passante (HBM). Mais leur pénurie s'inscrit dans un défi bien plus vaste. En d'autres termes, ce qui compte de plus en plus, c'est la capacité du secteur de l'IA à orchestrer ses quatre ingrédients essentiels, à savoir les données, la main-d'œuvre qualifiée, la puissance de calcul et l’énergie électrique, au sein d'un écosystème unique. Chaque modèle d'IA, aussi sophistiqué soit-il, dépend d’infrastructures énergétiques, de refroidissement et de réseau, et l'IA demeure une technologie numérique avec de profondes exigences industrielles.

Les centres de données, par exemple, nécessitent bien plus que du terrain et de l'électricité. Ils dépendent également d'équipements réseau spécialisés, d'électriciens, d'ingénieurs, de chefs de projet et d'ouvriers du bâtiment. Ces goulots d'étranglement ne peuvent être résorbés par des solutions logicielles, et nombre d'entre eux sont antérieurs à l’engouement des investisseurs pour l’IA. En 2023, alors que les taux d'intérêt étaient plus élevés qu'aujourd'hui, de nombreuses entreprises ont reporté des projets d’augmentation de leurs capacités. Lorsque la demande en IA a ensuite bondi, elles y ont répondu dans la précipitation. La construction d'une nouvelle usine de semi-conducteurs, l’accroissement de la production de mémoire ou la création d'un centre de données nécessitent cependant plusieurs années avant que les installations ne soient finalisées, testées et mises en service.

Ce délai explique pourquoi une grande partie de l'écosystème affiche encore des capacités saturées. Les fabricants de puces HBM annoncent des carnets de commandes pleins, les fabricants d'équipements sont débordés et les hyperscalers se disputent les capacités disponibles. L'écart entre l'offre et la demande reste considérable et fournit une protection contre les fluctuations à court terme du sentiment ou les décisions politiques. Sur tout marché caractérisé par une forte demande et une offre limitée, les infrastructures existantes et celles dont la mise en service est imminente prennent de la valeur, renforçant ainsi la rentabilité des investissements.

La prochaine étape de la course à l'IA entre les Etats-Unis et la Chine

Les contraintes physiques déterminent non seulement la rentabilité des infrastructures de l'IA, mais aussi le lieu où elles sont construites. Si les réglementations des Etats américains venaient à ralentir le développement de l'IA, en raison de préoccupations liées aux ressources et aux impacts locaux sur la santé ou la consommation d'eau, la demande de services d'IA ne s'arrêterait pas. Elle augmenterait simplement la probabilité que l'entraînement, l'inférence et le déploiement ne soient délocalisés vers un autre marché. Dès lors, une question se pose: quelles économies disposent des infrastructures nécessaires pour déployer l'IA à large échelle?


Cette distinction est importante dans le contexte de la concurrence stratégique entre la Chine et les Etats-Unis. Bien qu’elle soit souvent présentée comme une «course» où la «victoire» consisterait à développer les modèles d’IA les plus puissants, la valeur économique naît de leur déploiement à grande échelle, et non de la seule innovation.

Nous pensons que le débat politique américain finira par refléter la détermination des deux partis à conserver l’avance technologique des Etats-Unis sur la Chine (voir graphique 2). Pour les Etats-Unis, la menace stratégique se résume au risque de devenir un «importateur de tokens» plutôt qu’un «producteur de tokens». Après s’être disputé le leadership industriel, les économies pourraient désormais rivaliser pour dominer la production et le déploiement de services d’IA.

Si l’accès de la Chine aux semi-conducteurs les plus avancés risque d’être davantage restreint, le pays demeure compétitif en termes de compétences en ingénierie et bénéficie de volumes considérables de données générées par l’une des économies consommatrices les plus vastes et les plus numérisées au monde. La Chine a par ailleurs consacré des années à l’extension de sa capacité électrique nationale au moyen de multiples technologies, créant ainsi un système électrique doté d’une capacité de production nettement supérieure à celle des Etats-Unis.

Les incertitudes entourant la succession à la tête de Nvidia soulèvent également des questions relatives à la course à l'IA. Si les avancées de la Chine dans le domaine de l’IA dépendent de l’accès aux semi-conducteurs conçus aux Etats-Unis à travers des canaux inofficiels, ou de la «distillation», une technique permettant à des modèles d'IA plus simples d'apprendre de modèles plus complexes, un renforcement des contrôles américains à l'exportation pourrait creuser l'écart technologique entre les deux pays. En revanche, si les récentes avancées chinoises reflètent l'innovation nationale, des restrictions américaines supplémentaires pourraient ralentir le développement et non y mettre un point d’arrêt.

Des trajectoires divergentes

La Chine a déjà démontré qu’une autre approche était possible. Jusqu’à présent, l’accès restreint de la Chine aux semi-conducteurs les plus sophistiqués a conduit les développeurs chinois à privilégier l’efficacité, l’optimisation et le déploiement rapide, plutôt que de miser sur des modèles toujours plus volumineux ou basés sur les technologies les plus avancées. Partant, la Chine n'est pas à la pointe du développement des modèles les plus puissants, mais elle pourrait parvenir à intégrer l'IA dans l'ensemble de son économie rapidement et à moindre coût. DeepSeek, entreprise chinoise spécialisée dans le développement de l’IA, et Huawei, le premier opérateur de télécommunications du pays, travaillent ainsi à la mise en place d’un écosystème conjuguant différentes capacités nationales – et permettant de s’affranchir du matériel de Nvidia. On ignore encore si la Chine pourra rattraper son retard grâce à ces techniques et si elle parviendra à perfectionner ses technologies d'impression de circuits intégrés. Le changement de leadership chez Nvidia amène les investisseurs à repenser la manière dont l’innovation progresse lorsque l’accès aux technologies, aux capitaux ou aux capacités de calcul est limité.


L’épisode de faiblesse des valeurs liées à l'IA début novembre a traduit le débouclement de positions très saturées ainsi que les craintes relatives à l'évolution des politiques à court terme, plutôt qu'une détérioration fondamentale de la demande en IA. L'adoption par les entreprises continue de progresser, la consommation de tokens est toujours en forte hausse et les dépenses d'investissement suivent une trajectoire ascendante, même si les taux de croissance se modèrent (voir graphique 3). En parallèle, les entreprises de l’ensemble de la chaîne d'approvisionnement de l'IA restent confrontées à des contraintes de capacité.

Au sein de nos allocations en actions, nous favorisons les marchés exposés à l'IA, notamment les Etats-Unis, le Japon, la Corée du Sud et Taïwan. Les technologies de l'information demeurent un secteur que nous privilégions, auc côtés des services publics, où les entreprises bénéficient des investissements dans la production d'électricité, les réseaux et l'électrification, et du secteur financier, bien positionné pour tirer profit de l'adoption de l'IA. Dans le secteur technologique, une part croissante de la valeur générée par l'IA revient aux entreprises qui détiennent des infrastructures rares et contrôlent les goulets d'étranglement des chaînes d'approvisionnement. Notre préférence va donc aux hyperscalers dotés de modèles d’affaires résilients, ainsi qu'aux fabricants de semi-conducteurs et de composants qui contrôlent des ressources dont l’offre est limitée. Ceci en conservant une grande sélectivité à l’égard des valeurs des secteurs des logiciels et du matériel informatique.

La révolution numérique de l’IA repose sur des fondations physiques. Les centres de données, la production et les réseaux de transport d'électricité, les usines de fabrication de semi-conducteurs et la main-d'œuvre spécialisée sont des ressources limitées. Ces dernières semaines, les marchés financiers ont illustré la rapidité avec laquelle le sentiment peut évoluer, alors même que les infrastructures se développent beaucoup plus lentement. Pour les investisseurs souhaitant tirer profit des opportunités offertes par l'IA sur le long terme, cette distinction demeure essentielle.

A lire aussi...