Citadel : La rareté de la puissance de calcul reste le principal obstacle de l’IA, les grands fournisseurs de cloud pourraient devenir les ultimes gagnants

La structure concurrentielle de l'industrie de l'IA connaît une accélération de sa différenciation, et le véritable facteur clé pour déterminer le vainqueur n'est pas la capacité des modèles, mais la disponibilité physique de la puissance de calcul.

Selon la dernière analyse de Citadel Securities, la demande en puissance de calcul ne cesse de dépasser la croissance de l'offre, les actifs réellement rares ne sont pas les puces stockées en entrepôt, mais la puissance de calcul déjà alimentée et immédiatement prête à l'emploi.

Ce goulot d'étranglement structurel est difficile à éliminer à court terme — l'accès au réseau électrique et les délais d'approbation des projets se comptent en années. Même des plans d'investissement massif ne peuvent combler rapidement ce déficit, ce qui implique que le flux de trésorerie actuel des hyperscalers pourrait sous-estimer le véritable potentiel de rentabilité de leurs infrastructures existantes.

Du point de vue des signaux du marché, les prix de location de la puissance de calcul, y compris pour les GPU anciens modèles, restent fermes, indiquant que la capacité existante continue d’être absorbée, et que la tension entre l’offre et la demande ne s’est pas sensiblement relâchée malgré les investissements de grande envergure dans la construction. Parallèlement, l'essor des agents d'IA amplifie la consommation de puissance de calcul — une seule instruction humaine peut déclencher des dizaines, voire des centaines d'appels de modèles, ce qui accroît la consommation unitaire de puissance de calcul et soutient davantage la demande.

La nature du goulot d'étranglement de la puissance de calcul : il ne s'agit pas seulement des puces

Nohshad Shah, analyste chez Citadel Securities, souligne que la "puissance de calcul" ne se limite pas aux GPU, mais qu’il s’agit d’un ensemble comprenant GPU, électricité, espace dans les centres de données, mémoire, réseau, systèmes de refroidissement et expertise opérationnelle. Ce qui est vraiment rare, c’est la "puissance de calcul déjà alimentée et disponible à tout moment", et non le matériel dormant dans un entrepôt.

La courbe à terme de la puissance de calcul montre que l’offre augmente, mais que la demande progresse encore plus vite. Étant donné que l’accès au réseau électrique et les délais d’approbation de projets s’étalent sur des années, même des investissements massifs ne sauraient combler à court terme ce déficit. Le frein actuel de l’IA n’est pas le manque d’utilisateurs, mais l’insuffisance de puissance de calcul réellement exploitable.

Il est à noter qu’une part importante de la capacité de calcul actuelle est engagée par des contrats signés en 2024-2025, à une époque où l’intensité de la demande n’était pas encore pleinement apparente. Au fur et à mesure de l’expiration de ces contrats, l’infrastructure existante devrait pouvoir être revalorisée via une meilleure utilisation, tandis que la base de coûts reste relativement fixe, laissant progressivement s’exprimer l’effet de levier opérationnel. L’analyse estime que le marché a actuellement tendance à prendre immédiatement en compte les coûts d’investissement, mais pourrait sous-estimer le potentiel de hausse de la rentabilité future.

De plus, une baisse du prix des tokens n'est pas forcément une mauvaise nouvelle. Un coût d’intelligence moindre rendra économiquement viables davantage de cas d’applications et, combiné à la consommation démultipliée de puissance de calcul par les agents d'IA, la demande globale en puissance de calcul pourrait continuer de s’étendre. La variable clé réside dans l’élasticité de la demande : si l’utilisation croît plus vite que la baisse des prix unitaires, un prix bas élargira le marché au lieu de le restreindre ; le véritable scénario négatif serait une baisse des tokens sans croissance significative de l’utilisation.

Polarisation accrue du secteur, les hyperscalers occupent une double position de force

L'analyse de Citadel Securities esquisse une polarisation croissante du secteur de l’IA : d'un côté, des laboratoires de pointe purs tels que OpenAI et Anthropic, proposant l’intelligence comme produit ; de l'autre, des hyperscalers diversifiés comme Google ou Microsoft, qui peuvent monétiser via une couverture full stack, quel que soit le modèle qui l’emporte à terme.

Dans ce schéma, les modèles de pointe se concentreront sur des tâches à forte valeur ajoutée, telles que la planification, le raisonnement, la programmation ou l’orchestration de tâches — générant des marges sur une petite base de tokens ; tandis que les modèles plus abordables ou open source s’occuperont de l’exécution à haut volume. Les laboratoires avancés préserveront un pouvoir de tarification sur les tâches sophistiquées, mais les hyperscalers et fournisseurs de services d'inférence bénéficieront aux deux niveaux — puces, mémoire, réseau et électricité restant indispensables quelle que soit la charge de travail.

Cet argument aboutit à la conclusion suivante : les modèles de pointe assurent la planification, les modèles abordables l’exécution, tandis que les détenteurs de "puissance de calcul alimentée" récoltent la valeur économique de chaque côté. Pour les investisseurs, alors que le chemin de la commercialisation de l'IA reste incertain, les hyperscalers maîtrisant les infrastructures physiques de puissance de calcul pourraient bien s’avérer être la cible avec le ratio rendement/risque le plus solide dans cette nouvelle course.