Il y a quelques semaines, le succès de Muse, le nouvel agent d’IA personnel de Meta, a redonné de l’élan au segment des semi-conducteurs, en ravivant les attentes autour de la demande de puissance de calcul que pourrait générer l’essor de l’IA agentique.

Quelques jours plus tôt pourtant, plusieurs chercheurs notamment d’Anthropic évoquaient la nécessité de ralentir le développement de modèles d’IA toujours plus puissants.

Ce contraste illustre bien le bruit auquel les investisseurs sont confrontés. Plutôt que de réagir à chaque nouvelle, nous préférons revenir à l’essentiel: qu’est-ce qui pourrait réellement freiner la dynamique du hardware, ces semi-conducteurs, composants et infrastructures qui rendent l’IA possible, et que le marché pourrait-il encore sous-estimer?

Selon nous, deux risques dominent aujourd’hui le débat.

Risque #1: le ralentissement de la course aux modèles d’IA

Les appels récents de plusieurs chercheurs à ralentir la course aux modèles d’IA toujours plus puissants ont d’abord inquiété le secteur des semi-conducteurs. L’idée est assez intuitive: si les nouvelles générations de modèles se succèdent moins vite, les besoins liés à leur entraînement pourraient eux aussi ralentir.

Mais cette lecture nous paraît incomplète.

Plus fondamentalement, un ralentissement de la course aux modèles les plus avancés ne signifie pas nécessairement un ralentissement de la demande de calcul. Il pourrait simplement en modifier la destination: moins de ressources consacrées à entraîner en permanence de nouveaux modèles, mais davantage pour déployer ceux qui existent déjà, multiplier les usages, faire tourner les agents et accompagner une adoption plus large de l’IA.

Risque #2: un ralentissement des investissements des hyperscalers

C’est probablement, à nos yeux, la question la plus importante.

Le cycle d’investissement a pris une ampleur exceptionnelle: les dépenses d’investissement des hyperscalers et des acteurs du cloud pourraient dépasser 1200 milliards de dollars en 2027, contre moins de 200 milliards en 2023. Dans le même temps, les investisseurs deviennent plus exigeants: les flux de trésorerie disponibles sont sous pression, le coût du financement a augmenté et le marché attend désormais davantage de preuves que ces centaines de milliards de dollars investis pourront générer des rendements suffisants.

Le rythme actuel de croissance des investissements ne pourra évidemment pas durer indéfiniment. Mais il faut distinguer un ralentissement de leur croissance d’une véritable baisse des dépenses. Même en cas de forte décélération, les montants investis resteraient historiquement élevés et continueraient de soutenir fortement les entreprises qui fournissent les infrastructures nécessaires.

Opportunité #1: l’IA ne se contente plus de répondre, elle agit.

Autrement dit, l’IA agentique élargit considérablement les besoins en hardware. Muse n’en est encore qu’un premier exemple, mais il donne au marché quelque chose qu’il attendait: un cas d’usage grand public concret, susceptible de générer davantage d’inférence, sur des périodes plus longues et sur une gamme de composants beaucoup plus large.

Opportunité #2: les goulets d’étranglement se multiplient, ils ne disparaissent pas.

Et lorsqu’un goulet d’étranglement disparaît, un autre tend à apparaître. Davantage de GPU nécessitent davantage de mémoire; davantage de mémoire suppose plus de capacités de packaging; des clusters plus importants exigent des réseaux plus rapides; et une densité accrue crée de nouveaux besoins en refroidissement et en alimentation électrique. Les contraintes se déplacent donc progressivement le long de la chaîne de valeur.

Opportunité #3: le hardware est déjà dans la phase de monétisation.

Pour de nombreuses entreprises du hardware, l’équation est plus directe: leurs clients dépensent déjà aujourd’hui. Les commandes se transforment en chiffre d’affaires, puis en bénéfices et, pour les sociétés que nous privilégions, en flux de trésorerie disponible. Associée aux goulets d’étranglement et aux délais de production parfois longs, cette dynamique peut offrir à certains acteurs du hardware une meilleure visibilité sur leurs résultats que celle dont disposent les entreprises qui financent elles-mêmes le déploiement de l’IA.

Mais notre conclusion reste la même. Les deux principaux risques qui pèsent aujourd’hui sur le hardware lié à l’IA sont bien réels: le développement des modèles les plus avancés pourrait ralentir et la croissance des investissements des hyperscalers finira par se normaliser. Pour autant, aucun de ces scénarios n’implique nécessairement une chute de la demande de puissance de calcul.

Au contraire, la prochaine phase de l’IA pourrait élargir cette demande: davantage d’usages, davantage de composants sollicités et davantage de segments de la chaîne de valeur concernés. Pour le hardware, nous pensons donc que l’histoire est encore loin d’être terminée.