Goldman Sachs : les investissements dans l'AI se déplacent du hype vers les centres de données et l'infrastructure

Goldman Sachs considère que le marché des investissements en IA sort de la phase de battage général et devient nettement plus sélectif. L'accent se déplace des applications d'IA fracassantes vers les centres de données, l'alimentation électrique, les réseaux et autres infrastructures sans lesquelles les modèles ne fonctionnent simplement pas.

Vers Où Se Déplace le Capital

Selon l'évaluation de la banque, les investisseurs regardent de moins en moins les entreprises qui ont simplement ajouté IA à leur présentation, et de plus en plus les acteurs qui contrôlent la base physique de l'industrie. Il s'agit des propriétaires et opérateurs de grands centres de données, des fournisseurs de puissance de calcul, de puces et d'équipements réseau. La logique est simple : quelle que soit l'interface ou le service d'IA qui gagne sur le marché, la formation des modèles et l'inférence nécessitent toujours du matériel, des canaux de communication et un approvisionnement en électricité stable.

Pendant la première vague d'IA générative, le marché augmentait la capitalisation de nombreuses entreprises rien que pour avoir mentionné l'IA. Maintenant, cet effet s'affaiblit. Goldman Sachs décrit le changement comme une « fuite vers la qualité » : l'argent afflue vers les actifs d'infrastructure, les revenus compréhensibles et la chance de profiter du long cycle d'adoption de l'IA, plutôt que du simple battage autour de la prochaine application. Pour les investisseurs, il s'agit d'une transition de parier sur des promesses à parier sur la base déjà fonctionnelle de l'économie de l'IA.

«

Fuite vers la qualité » — c'est ainsi que Goldman Sachs décrit la nouvelle phase du marché de l'IA.

Pourquoi les Centres de Données Sont Plus Importants

Goldman Sachs Research s'attend à ce que déjà dans les deux prochaines années, les charges de travail d'IA pourraient occuper environ 30 % de la capacité totale des centres de données. La raison réside dans la nature même des tâches d'IA. L'entraînement de grands modèles nécessite des milliers de puces travaillant en parallèle et fonctionnant sans interruption pendant des semaines. L'inférence n'est pas gratuite non plus : quand un service est lancé pour les utilisateurs ou les entreprises, il a besoin d'une puissance de calcul continue, pas des pics courts comme certaines charges de travail cloud classiques.

La charge augmente sur plusieurs fronts simultanément :

• nouveaux clusters GPU et CPU pour l'entraînement des modèles
• puissance de calcul continue pour l'inférence dans les produits et systèmes d'entreprise
• expansion de l'infrastructure réseau entre les clusters, le stockage et le cloud
• nouvelles installations avec refroidissement, alimentation de secours et sécurité physique

C'est exactement pourquoi les principaux fournisseurs de cloud et développeurs d'IA investissent des dizaines de milliards de dollars dans de nouveaux centres de données et équipements informatiques. Pour le marché, cela signifie un changement simple : au bas de la pile, la couche la plus stable est de retour. Si les applications peuvent toujours apparaître et disparaître rapidement, la demande de calcul, de réseaux et d'hébergement reste un besoin fondamental pour presque tous les scénarios de développement de l'IA. Avec cette logique, les opérateurs de centres de données et les fabricants de composants clés en bénéficient.

Les Principales Limites de la Croissance

La phase suivante de la course à l'IA dépend non seulement des modèles mais aussi de réalités d'infrastructure. Goldman Sachs Research estime que la demande mondiale de centres de données en électricité d'ici 2030 pourrait augmenter d'environ 175 % par rapport aux niveaux de 2023, les charges de travail d'IA étant le principal moteur. Le rapport compare cela à l'ajout d'un autre pays parmi les 10 plus grands consommateurs d'électricité au système énergétique mondial.

Pour les gouvernements, les sociétés de services publics et les fournisseurs, ce n'est plus de la théorie mais une tâche d'investissement. Cela affecte déjà l'endroit où de nouvelles installations sont construites. Les grands clusters d'IA nécessitent non seulement des salles de serveurs mais des sources d'électricité stables, des lignes de communication puissantes, des systèmes de refroidissement et suffisamment de terrain. C'est pourquoi certaines nouvelles installations sont envisagées dans des régions éloignées, où il est plus facile d'accéder à l'électricité et aux terres.

Les chercheurs notent également que la consommation d'électricité et d'eau sont influencées non seulement par les puces mais aussi par la géographie et l'architecture de refroidissement. En d'autres termes, la question de l'efficacité devient de plus en plus une question de localisation. Il y a aussi des obstacles plus prosaïques.

La construction de grands centres de données prend des années et dépend d'une longue chaîne d'approvisionnement : il faut traiter les permis de terrain, se connecter aux réseaux électriques, négocier les contrats de fourniture d'électricité à long terme, acheter des équipements électriques et attendre l'expansion des infrastructures réseau. La rareté des composants et les retards de modernisation des réseaux électriques ralentissent les projets, c'est pourquoi les investisseurs apprécient particulièrement les entreprises qui ont déjà un grand réseau de centres de données aujourd'hui. L'infrastructure existante devient non seulement un actif mais un avantage concurrentiel de haut valeur.

Ce Que Cela Signifie

Pour le marché de l'IA, c'est un signal de maturation. L'ère où il suffisait d'ajouter l'abréviation IA à votre présentation se termine progressivement. Le prochain tour de compétition sera remporté non seulement par celui qui a le meilleur modèle ou interface, mais par celui qui peut fournir le calcul, l'électricité et la prestation de service fiable à l'échelle. En d'autres termes, l'avenir de l'IA dépend de plus en plus non seulement des algorithmes mais aussi du béton, des câbles et des mégawatts.