IA : l’utilisation des modèles représente déjà 10 % des coûts de certaines entreprises

18 novembre 2026

IA : l’utilisation des modèles représente déjà 10 % des coûts de certaines entreprises

Photo: Audun Wickstrand Iversen © DNB

Par Audun Wickstrand Iversen, gérant chez DNB Asset Management

Les vingt entretiens que notre équipe de gestion vient de mener auprès d’entreprises de la Silicon Valley révèlent une nouvelle physionomie de l’essor de l’IA. La demande de puissance de calcul reste élevée. Mais, pour les investisseurs, ce qui se joue autour des puces devient de plus en plus déterminant : l’inférence, la mémoire, les réseaux et les technologies optiques gagnent en importance, tandis que l’intelligence artificielle commence à quitter le monde numérique.

Quiconque parcourt actuellement la Silicon Valley constate peu de signes indiquant que la vague d’investissements dans l’intelligence artificielle aurait déjà atteint son sommet. Nos échanges avec ces vingt entreprises de la chaîne de valeur technologique ont plutôt fait apparaître une autre tendance : pour de nombreux fournisseurs, le problème n’est pas aujourd’hui la demande, mais la capacité à y répondre.

Nvidia nous a expliqué que, dans un avenir prévisible, sa croissance resterait limitée par la disponibilité des composants et les capacités de production. Applied Materials a déjà relevé à trois reprises cette année ses prévisions de croissance pour les équipements de fabrication de semi-conducteurs, les portant dernièrement à près de 40 %. Seagate, de son côté, a pratiquement vendu toute sa production et demande à ses clients de fixer leurs volumes plusieurs années à l’avance. Pour les investisseurs, une autre évolution est toutefois au moins aussi intéressante : la chaîne de valeur de l’IA s’élargit.

Les équipementiers de réseaux et les spécialistes de l’optique au premier plan

Lors de la première phase de l’essor de l’IA, une grande partie des investissements était consacrée à l’entraînement de modèles toujours plus performants. L’accent se déplace désormais vers l’inférence, c’est-à-dire l’utilisation effective des modèles. Selon Nvidia, le point de bascule a été atteint il y a environ un an à un an et demi. La majorité des achats des clients servirait déjà à l’inférence.

Les conséquences économiques sont considérables. Les agents d’IA et les modèles de raisonnement nécessitent beaucoup plus de puissance de calcul que de simples agents conversationnels. Parallèlement, l’inférence impose d’autres exigences aux infrastructures : au-delà des processeurs graphiques (GPU), la mémoire rapide, les processeurs classiques (CPU), le stockage et les réseaux performants prennent une importance croissante.

Le nombre d’entreprises susceptibles de bénéficier de ces investissements s’élargit donc lui aussi. Aux côtés des fabricants de puces, les équipementiers de réseaux comme Arista Networks, les spécialistes de l’optique comme Lumentum et les fournisseurs de solutions de stockage comme Seagate et NetApp retiennent davantage l’attention.

L’IA devient elle-même un poste de coûts

Dans le même temps, l’IA représente un poste de dépenses significatif pour les entreprises. Certains de nos interlocuteurs nous ont indiqué que les jetons, les unités servant à facturer l’utilisation des modèles d’IA, représentent déjà environ 10 % de leurs coûts. Les budgets consacrés à l’IA augmentent, tandis que les effectifs progressent plus lentement.

Les entreprises sont ainsi amenées à examiner de plus près la rentabilité de leurs infrastructures d’IA. Nutanix a par exemple investi environ 20 millions de dollars dans ses propres serveurs Nvidia afin d’exécuter des modèles à code source ouvert sur ses infrastructures. L’objectif est de couvrir ainsi environ 80 % de ses besoins en interne. Selon les calculs de l’entreprise, l’investissement devrait être amorti en un an.

L’IA quitte les écrans

Une autre évolution pourrait être encore plus fondamentale. L’IA commence à sortir des centres de données pour investir le monde physique. À San Francisco, les véhicules autonomes font désormais visiblement partie du quotidien. Depuis avril 2025, Aurora fait circuler des camions sans conducteur sur les autoroutes texanes. L’entreprise vise 200 camions autonomes d’ici la fin de l’année et indique que, grâce à la suppression des temps de repos, ses véhicules pourraient parcourir chaque année environ deux fois plus de kilomètres que des camions conduits par des humains.

Nous observons des évolutions similaires dans l’industrie et la médecine. Lam Research utilise des robots assistés par l’IA pour des tâches de maintenance. Intuitive Surgical recourt déjà à l’apprentissage automatique lors d’opérations chirurgicales robotisées.

Pour les investisseurs, cette évolution déplace les enjeux. La question déterminante n’est plus seulement de savoir qui développe le modèle d’IA le plus performant. Il s’agit de plus en plus d’identifier où apparaissent les goulets d’étranglement lorsque l’IA est effectivement déployée à grande échelle. À l’issue de nos échanges dans la Silicon Valley, nous retenons donc surtout une idée : le champ des opportunités d’investissement dans l’IA ne se réduit pas. Il s’élargit.

Retrouez l’ensemble de nos article Strategic Case

 

Recommandé pour vous