Goldman Sachs : l'investissement dans l'IA passe du hype aux centres de données et à l'infrastructure

Goldman Sachs estime que le marché de l'investissement dans l'IA sort de la phase d'engouement général et devient nettement plus sélectif. L'attention se déplace des applications d'IA très médiatisées vers les centres de données, l'alimentation électrique, les réseaux et les autres infrastructures sans lesquelles les modèles ne fonctionnent tout simplement pas.

Où se déplace le capital

Selon la banque, les investisseurs regardent de moins en moins les entreprises qui ont simplement ajouté de l'IA à leur présentation, et de plus en plus les acteurs qui contrôlent la base physique du secteur. Il s'agit des propriétaires et exploitants de grands centres de données, des fournisseurs de capacité de calcul, de puces et d'équipements réseau. La logique est simple : quelle que soit l'interface ou le service d'IA qui s'imposera, l'entraînement des modèles et l'inférence exigeront toujours du matériel, des liaisons de communication et une alimentation électrique stable.

Lors de la première vague de l'IA générative, le marché faisait grimper la capitalisation de nombreuses entreprises pour la simple mention de l'IA. Cet effet s'estompe. Goldman Sachs décrit ce mouvement comme une « fuite vers la qualité » : l'argent va là où il y a des actifs d'infrastructure, des revenus lisibles et une chance de gagner sur le long cycle d'adoption de l'IA, et pas seulement sur le hype autour d'une énième application. Pour les investisseurs, c'est le passage de paris sur des promesses à des paris sur le socle déjà opérationnel de l'économie de l'IA.

«

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

Pourquoi les centres de données comptent davantage

Goldman Sachs Research s'attend à ce que, dès les deux prochaines années, les charges de travail d'IA puissent occuper environ 30 % de la capacité totale des centres de données. La raison tient à la nature même des tâches d'IA. L'entraînement de grands modèles requiert des milliers de puces fonctionnant en parallèle pendant des semaines sans interruption. L'inférence n'est pas gratuite non plus : une fois le service lancé pour des utilisateurs ou des entreprises, il a besoin d'une puissance de calcul constante, et non de pics brefs comme pour une partie des charges cloud classiques.

La charge augmente simultanément sur plusieurs fronts :

• de nouveaux clusters de GPU et de CPU pour entraîner les modèles
• une capacité permanente pour l'inférence dans les produits et les systèmes d'entreprise
• l'extension de l'infrastructure réseau entre clusters, stockage et cloud
• de nouveaux sites dotés de refroidissement, d'alimentation de secours et de sécurité physique

C'est pourquoi les plus grands fournisseurs de cloud et développeurs d'IA investissent des dizaines de milliards de dollars dans de nouveaux centres de données et du matériel de calcul. Pour le marché, cela signifie un déplacement simple : la couche la plus solide se retrouve de nouveau au bas de la pile. Les applications peuvent encore apparaître et disparaître vite, mais la demande de calcul, de réseaux et d'hébergement de capacité reste un besoin de base dans presque tous les scénarios de développement de l'IA. Dans cette logique, les exploitants de centres de données comme les fabricants de composants clés sortent gagnants.

Les principales limites à la croissance

La prochaine étape de la course à l'IA se heurte non seulement aux modèles, mais aussi à la réalité des infrastructures d'énergie. Goldman Sachs Research estime que la demande mondiale d'électricité des centres de données pourrait augmenter d'environ 175 % d'ici 2030 par rapport au niveau de 2023, avec les charges d'IA comme principal moteur. Le document compare cela à l'ajout au système électrique mondial d'un pays supplémentaire parmi les dix premiers consommateurs d'électricité. Pour les gouvernements, les gestionnaires de réseaux et les fournisseurs eux-mêmes, ce n'est plus de la théorie, mais un enjeu d'investissement.

Cela influe déjà sur les lieux d'implantation des nouvelles installations. Les grands clusters d'IA exigent non seulement des salles de serveurs, mais aussi des sources d'énergie stables, de puissantes lignes de communication, des systèmes de refroidissement et suffisamment de terrain. C'est pourquoi une partie des nouveaux sites est envisagée dans des régions reculées, où l'accès à l'électricité et au foncier est plus simple. Les chercheurs notent aussi que la consommation d'énergie et d'eau dépend non seulement des puces, mais aussi de la géographie et de l'architecture de refroidissement. Autrement dit, la question de l'efficacité devient de plus en plus une question de localisation.

Il existe aussi des obstacles plus prosaïques. Construire de grands centres de données prend des années et dépend d'une longue chaîne d'approvisionnement : il faut régler la question du terrain, se raccorder aux réseaux électriques, négocier des fournitures d'énergie à long terme, acheter l'équipement électrique et attendre l'extension de l'infrastructure réseau. Les pénuries de composants et les retards de modernisation des réseaux électriques ralentissent les projets ; les investisseurs apprécient donc particulièrement les entreprises qui disposent déjà d'un vaste réseau de centres de données. Une infrastructure prête devient non seulement un actif, mais un avantage concurrentiel de grande valeur.

Ce que cela signifie

Pour le marché de l'IA, c'est un signe de maturité. L'époque où il suffisait d'ajouter le sigle IA à un pitch touche progressivement à sa fin. Le prochain round de la concurrence ne sera pas remporté seulement par celui qui a le meilleur modèle ou la meilleure interface, mais par celui qui est capable d'assurer le calcul, l'énergie et une fourniture stable du service à grande échelle. Pour le dire simplement, l'avenir de l'IA dépend de plus en plus non seulement des algorithmes, mais aussi du béton, des câbles et des mégawatts.