Résumé du contenu principal
L’essentiel de cette nouvelle est le suivant : L’industrie de l’intelligence artificielle (IA) passe d’une phase de pénurie de puces graphiques (GPU) en termes d’approvisionnement technologique à une phase de manque de capital pour son expansion, caractérisée par des investissements importants. Nvidia, en collaboration avec des institutions financières mondiales, a lancé une plateforme de financement de la puissance de calcul IA, dans le but d’attirer 50 milliards de dollars de capitaux tiers. En somme, elle transforme les GPU, les data centers, l’électricité et les contrats de puissance à long terme en actifs financiables, permettant ainsi à davantage de clients qui ne peuvent pas se permettre de gros projets d’accéder à ces ressources. Cela marque l’entrée de l’IA dans une phase « financiarisée » : la puissance de calcul n’est plus simplement une question technique, mais devient une infrastructure nécessitant un soutien financier, ce qui soulève de nouveaux défis tels que le dépréciement des technologies, l’instabilité de la demande et la diffusion des risques.
Analyse détaillée
1. Le problème du financement dans l’industrie de l’IA : de la pénurie de GPU à la pénurie de fonds
Au cours des trois dernières années, les entreprises IA se plaignaient de ne pas pouvoir acheter suffisamment de GPU ; aujourd’hui, le problème est qu’elles n’ont pas les moyens d’acquérir autant de puces. Pourquoi ? Parce que les projets IA deviennent de plus en plus complexes : il suffisait auparavant d’acheter quelques serveurs, tandis qu’aujourd’hui, la construction d’un data center coûte des milliards de dollars (terres, électricité, refroidissement, GPU, etc.). De nombreuses entreprises de modèles ou de fournisseurs de services cloud de petite et moyenne taille n’ont pas les ressources financières pour soutenir de tels projets. Par exemple, les revenus des data centers d’Nvidia ont augmenté de 92 % en un an, ce qui indique une demande continue, mais les clients manquent de fonds. Ainsi, ce n’est plus la capacité de production de puces qui limite l’expansion de l’IA, c’est la capacité de financement.
2. Les 50 milliards de dollars d’Nvidia ne sont pas ses propres : elle agit en tant que « médiateur de capitaux**
Nvidia affirme vouloir mobiliser 50 milliards de dollars, mais ces fonds proviennent de tiers. Son rôle est de transformer les projets de puissance de calcul IA en actifs acceptables pour les institutions financières, afin que des banques, des compagnies d’assurance et des investisseurs puissent y investir. Goldman Sachs, par exemple, négocie avec des institutions financières américaines pour diviser ces projets en produits à différents niveaux de risque (dettes prioritaires ou subordonnées) et les vendre à des investisseurs aux préférences variées. Nvidia ne contribue que pour une petite partie du montant total (par exemple, un plafond de perte de 2,3 milliards de dollars), utilisant sa crédibilité technologique et ses relations dans l’industrie pour attirer davantage de capitaux externes – ce qui revient à aider les clients à trouver des fonds tout en vendant plus de puces.
3. Pourquoi Wall Street reconnaît-elle ces actifs liés à la puissance de calcul ?
Les institutions financières ne sont pas naïves : pourquoi investiraient-elles dans la puissance de calcul IA ? L’élément clé est le « flux de trésorerie à long terme ». Par exemple, une centrale électrique peut être financée car elle dispose d’accords d’achat d’électricité à long terme, garantissant des revenus stables ; un avion peut également être financé car il peut être loué même en cas de faillite de la compagnie aérienne. Pour que la puissance de calcul IA soit reconnue comme un actif financier, trois conditions doivent être remplies :
- Demande à long terme : l’IA ne disparaîtra pas soudainement et aura constamment besoin de puissance de calcul ;
- Transferabilité des actifs : en cas de défaut de paiement d’un client, les GPU et les data centers peuvent être loués à un autre ;
- Flux de trésorerie suffisant pour rembourser la dette : les contrats de puissance à long terme doivent assurer que le projet génère des revenus suffisants pour rembourser les prêts.
Les institutions financières ne s’intéressent donc pas aux GPU seuls, mais plutôt au flux de revenus stable résultant de la combinaison de GPU, data centers et électricité – ce qui ressemble plus à un financement de projet de construction de centrale électrique qu’à une simple commande d’ordinateurs.
4. Quels sont les risques ?
Ce modèle présente trois grands risques :
- Dépréciement rapide des technologies : les GPU se renouvellent très rapidement (de nouvelles puces ont souvent un meilleur rendement que les anciennes), et si les modèles financiers sous-estiment la valeur résiduelle des anciennes puces, cela peut entraîner des pertes pour les prêts ;
- Instabilité de la demande : les projets IA sont conçus pour durer 10 ans, mais les besoins des clients peuvent changer en quelques mois ; si l’IA n’est pas commercialisée avec succès, les contrats à long terme ne peuvent pas être renouvelés, empêchant le projet de générer des revenus ;
- Diffusion des risques : auparavant, les entreprises IA cherchaient du financement auprès des investisseurs en capital-risque (VC), et en cas d’échec, ces derniers assumaient les pertes ; aujourd’hui, elles s’adressent à des banques et des compagnies d’assurance, diffusant ainsi les risques dans l’ensemble du système financier. Par exemple, si la demande en IA diminue et que l’utilisation des data centers est faible, ces institutions financières pourraient subir des pertes.
5. Le calcul d’Nvidia : la capacité de financement = capacité de vente, le coût du capital devient un nouveau champ de bataille
Pour Nvidia, aider les clients à se financer n’est pas une question de charité, mais plutôt une opportunité de vendre plus de puces. C’est comme une entreprise de vente d’avions qui aide les compagnies aériennes à obtenir des prêts : seulement si les clients ont les moyens d’acheter, les ventes augmentent. Nvidia se positionne désormais en tant qu’organisateur de technologies et de capitaux : elle utilise son écosystème CUDA (système logiciel) pour améliorer la portabilité des GPU (par exemple, permettant aux anciennes puces d’être réutilisées par d’autres clients), augmentant ainsi la valeur de ses actifs. En même temps, elle réduit les coûts de financement pour ses clients et élargit sa base clientèle.
L’avenir de la concurrence dans le domaine de l’IA reposera sur le « coût du capital » : celui qui parviendra à obtenir des fonds à des taux d’intérêt plus bas et sur des périodes plus longues pourra construire plus de data centers et supporter des frais de location de puissance plus bas, ce qui lui donnera un avantage concurrentiel. La concurrence entre OpenAI et CoreWeave ne se limitera pas seulement aux qualités de leurs modèles, mais aussi à leur capacité à obtenir des GPU, de l’électricité et du capital à bas coût.
En conclusion
La financiarisation des GPU signifie que l’IA est passée d’une révolution technologique en laboratoire à une révolution infrastructurelle nécessitant un soutien financier. Cela peut accélérer la diffusion de l’IA, mais cela transfère également les risques des entreprises technologiques vers le système financier. L’avenir dépendra de la façon dont le capital sera valorisé et des risques seront gérés.
(Fin du texte)