Les grands paris sur les infrastructures paraissent souvent évidents une fois qu’ils ont réussi. Les chemins de fer ont créé des fortunes non seulement grâce au transport, mais aussi grâce aux terrains et aux réseaux construits autour d’eux. Les câbles sous-marins en fibre optique furent un temps perçus comme une capacité excédentaire avant de devenir l’épine dorsale d’Internet. Les investisseurs capables d’identifier la couche infrastructurelle avant l’émergence complète des applications arrivent souvent en avance sur la véritable création de valeur. Leopold Aschenbrenner, ancien chercheur en sécurité chez OpenAI sans parcours traditionnel en finance, semble avoir identifié une opportunité de cette nature.

Qui est Leopold Aschenbrenner?

Peu de parcours avancent à cette vitesse. À 25 ans, Leopold Aschenbrenner s’est déjà construit un profil à la croisée de la recherche, de la technologie et de la finance. À 19 ans, il sort major de Columbia University. À 22 ans, il rejoint OpenAI et intègre l’équipe Superalignment, chargée de travailler sur les risques de long terme liés aux systèmes d’IA avancés. La même année, il est écarté après avoir exprimé ses inquiétudes sur la sécurité de l’IA et la gouvernance interne. Quelques mois plus tard, en 2024, il publie un manifeste dans lequel il défend l’idée que l’intelligence artificielle générale (AGI) pourrait arriver bien plus tôt que ne l’anticipent les marchés et les responsables publics.

Porté par cette conviction, Aschenbrenner lance à 23 ans un hedge fund doté de 225 millions de dollars. Le fonds aurait surperformé le S&P 500 de 47% sur ses six premiers mois. Aujourd’hui, les documents réglementaires font état d’environ 5,5 milliards de dollars d’exposition actions après seulement 19 mois d’activité.

Du papier au portefeuille

Situational Awareness LP est d’abord né sur le papier. En 2024, Leopold Aschenbrenner publie Situational Awareness: The Decade Ahead, un essai largement commenté articulé autour d’une conviction simple: l’IA pourrait progresser bien plus vite que prévu, obligeant le monde à investir massivement dans les infrastructures nécessaires pour l’accompagner. Peu après, il lance un hedge fund portant le même nom, transformant cette vision en stratégie d’investissement.

Le véhicule, basé à San Francisco, démarre avec environ 225 millions de dollars de capitaux. Parmi les premiers soutiens figurent des figures de la Silicon Valley comme Patrick Collison et John Collison, cofondateurs de Stripe, ainsi que Nat Friedman et Daniel Gross. Aschenbrenner aurait lui-même investi la quasi-totalité de son patrimoine personnel dans le fonds.

La croissance est rapide. En février 2026, les déclarations 13F font apparaître environ 5,5 milliards de dollars d’exposition actions aux États-Unis. Le fonds aurait par ailleurs surperformé le S&P 500 de 47% sur ses six premiers mois d’existence.

Source: Situational Awareness 13F Filing, T4, 2025, 13f.Info

La stratégie reprend la logique développée dans le texte d’origine. Dans ce manifeste de 165 pages, Aschenbrenner estime que l’intelligence artificielle générale (AGI), c’est-à-dire des machines capables de surpasser l’humain dans la plupart des tâches cognitives, pourrait devenir une réalité dès 2027, bien plus tôt que ne l’anticipent les marchés ou les gouvernements. Il y décrit une course accélérée marquée par des clusters de calcul à plusieurs milliers de milliards de dollars, une flambée de la demande en électricité et une vaste mobilisation industrielle.

Situational Awareness LP traduit cette vision en positions boursières. Il s’agit d’un hedge fund long/short thématique, concentré et fondé sur de fortes convictions. Le fonds prend des positions directionnelles sur les sociétés cotées susceptibles de bénéficier de l’essor rapide de l’IA, tout en utilisant des ventes à découvert, des couvertures ou des options sur les secteurs appelés à décrocher ou à être perturbés. Plutôt que de se concentrer sur les développeurs de modèles ou les applications logicielles, il cible surtout les principaux points de tension physiques de cette révolution: production d’électricité, capacités des data centres, infrastructures de calcul et chaîne d’approvisionnement du calcul haute performance.

Cette approche présente aussi certains avantages perçus. Beaucoup d’investisseurs suivent l’IA à travers les publications trimestrielles, les notes de recherche ou les conférences téléphoniques. Aschenbrenner, lui, a construit sa vision beaucoup plus près de l’écosystème. Son passage au sein de l’équipe Superalignment de OpenAI lui a donné une exposition directe aux feuilles de route technologiques, aux contraintes de calcul et à la manière dont les laboratoires de pointe envisagent la prochaine étape. Le réseau compte également. Soutenu par plusieurs figures majeures de la Silicon Valley, le fonds évolue au plus près des discussions sur les plans de capex, les contrats énergétiques, les infrastructures et les mouvements de talents que les marchés ne valorisent parfois que plus tard.

Thèmes d’investissement du fonds

Si le manifeste d’Aschenbrenner en exposait la vision, ses déclarations 13F en offrent la traduction concrète. Situational Awareness LP ne cherche ni à se couvrir sectoriellement, ni à se diversifier. Le portefeuille est pensé comme un ensemble cohérent, où chaque ligne répond à une même conviction directrice. Pris dans leur globalité, les investissements dessinent les zones où les tensions liées à l’IA pourraient se manifester le plus fortement, et où les marchés semblent encore les moins ajustés. Le portefeuille s’organise autour de trois piliers.

Le premier concerne la production d’énergie destinée aux data centres, un pari sur le carburant plutôt que sur l’étincelle. L’électricité constitue aujourd’hui la contrainte centrale du déploiement de l’IA. L’entraînement des modèles de pointe et l’inférence à grande échelle exigent des volumes d’énergie que les réseaux actuels n’ont jamais été dimensionnés pour absorber. Situational Awareness LP se positionne directement sur cette réalité.

La principale position du fonds est Bloom Energy, qui représente environ 16% du portefeuille. La participation correspond à près de 875 millions de dollars et aurait dépassé 2,2 milliards après une progression de 60% en une semaine, à la suite de l’extension d’un contrat de fourniture avec Oracle en avril 2026. Les piles à combustible de Bloom permettent de produire l’électricité directement sur site, contournant ainsi les limites du réseau. Dans un système électrique américain où le raccordement de nouveaux datacenters peut nécessiter trois à cinq ans, un délai de déploiement d’environ 90 jours constitue un avantage structurel évident.

Source: Goldman Sachs

À ses côtés figure EQT Corporation, premier producteur de gaz naturel aux États-Unis. En juillet 2025, EQT a conclu un accord d’approvisionnement de 15 milliards de dollars spécifiquement destiné à alimenter des data centres, s’insérant directement dans la chaîne d’infrastructure de l’IA. Goldman Sachs estime que 51% des capacités électriques additionnelles nécessaires aux data centres américains d’ici 2030 proviendront du gaz naturel. EQT occupe la position amont de ce mouvement. Ensemble, Bloom et EQT traduisent une conviction simple: à l’ère de l’IA, la maîtrise des électrons devient un avantage concurrentiel majeur.

Source: Goldman Sachs

Le deuxième pilier vise une nouvelle génération de fournisseurs de calcul située entre les hyperscalers et les utilisateurs finaux. Là où Amazon, Microsoft et Google exploitent des clouds généralistes conçus pour une grande variété d’usages, les néoclouds sont spécialisés dans le calcul intensif en GPU et les charges IA à haut débit. Le fonds détient des positions sur plusieurs acteurs de ce segment, dont CoreWeave, IREN, Cipher Mining, Applied Digital et Core Scientific.

CoreWeave, le plus emblématique du groupe, était à l’origine un mineur de cryptomonnaies avant de se repositionner sur les infrastructures GPU de Nvidia. L’entreprise est depuis devenue l’un des principaux fournisseurs indépendants de capacité de calcul pour les laboratoires d’IA de pointe. Son contrat avec Microsoft et l’ampleur de ses infrastructures en font un acteur central de la chaîne de valeur de l’IA.

IREN, Applied Digital, Cipher Mining et Core Scientific ont développé de vastes sites énergivores durant le cycle du bitcoin, aujourd’hui progressivement réorientés vers l’IA. Ils exploitent désormais des data centres ou des campus de calcul haute performance, souvent installés dans des régions où l’énergie est abondante et compétitive.

Leur principal atout reste la rapidité d’exécution. Ils peuvent déployer des clusters de GPU plus vite que les grands fournisseurs de cloud traditionnels, souvent freinés par des cycles d’investissement plus lourds. Pour un fonds misant sur la poursuite des dépenses liées à l’IA, les néoclouds offrent une exposition plus directe et plus sensible que les hyperscalers eux-mêmes.

Le troisième groupe se situe plus en aval de la chaîne de valeur, du côté des composants nécessaires au fonctionnement des infrastructures de calcul haute performance à grande échelle. Deux segments y jouent un rôle central: les fabricants de mémoire et les fournisseurs de communications optiques.

La mémoire est un élément critique des infrastructures d’IA. La mémoire à haute bande passante (HBM), essentielle aux GPU comme les H100 et B200 de Nvidia, est produite par un nombre limité d’acteurs. Depuis l’essor des grands modèles de langage en 2023, la demande dépasse durablement l’offre, sans retour à l’équilibre visible. Investir dans ce segment revient à parier sur la poursuite de la croissance de la demande en calcul, contrainte par une ressource physique rare.

Les communications optiques jouent un rôle complémentaire. Avec la montée en taille et en densité des centres de données, les besoins en transfert de données explosent. Les limites des interconnexions électriques rendent nécessaire le recours à l’optique, qui transmet les données par la lumière. Ces technologies permettent d’atteindre les débits requis par les futurs clusters d’IA.

Source: Situational Awareness 13F Filing, Q4, 2025, 13f.Info

Risque de concentration du portefeuille

Aschenbrenner ne peut pas réellement être comparé à Warren Buffett, il ne gère pas un fonds value fondé sur les flux de trésorerie ou la marge de sécurité, mais une stratégie où les principales positions de Situational Awareness se négocient autour de 14x le ratio valeur d’entreprise/chiffre d’affaires. Dans un marché dominé par les récits et le momentum, cette approche a fortement surperformé en six mois. Elle reste toutefois fragile, car sa performance dépend entièrement de la continuité du récit sous-jacent, tant qu’il tient, les résultats sont excellents, mais sa rupture entraîne souvent des corrections rapides et désordonnées. L’histoire d’Amaranth Advisors en 2006 illustre ce risque: après avoir concentré 80% de son portefeuille sur le gaz naturel, le fonds a perdu 6,6 milliards de dollars en une semaine lorsque le marché s’est retourné.

Source: Bloomberg News

Le fonds Situational Awareness repose aujourd’hui sur une idée centrale: la rareté persistante de la capacité de calcul dans un contexte de forte demande liée à l’intelligence artificielle, ce qui bénéficie aux entreprises d’énergie et d’infrastructure. Ses positions, notamment Bloom Energy, CoreWeave, EQT ou Cipher Mining sont cependant peu diversifiées et fortement corrélées.

Le portefeuille, composé de 29 lignes, reflète essentiellement une seule conviction. Cela implique que les positions ont tendance à évoluer ensemble: si la thèse centrale se fragilise, l’ensemble du portefeuille est susceptible d’être revalorisé simultanément.

Des signes de tension apparaissent déjà. La croissance des revenus d’OpenAI aurait ralenti à environ 17%, ce qui rend plus difficile l’atteinte d’un objectif de 280 milliards de dollars d’ici 2030. Par ailleurs, l’adoption de l’IA en entreprise reste limitée: près de 90% des entreprises n’ont pas encore intégré ces technologies dans leurs opérations principales. L’écart entre le déploiement massif d’infrastructures et la génération de revenus reste donc une incertitude majeure.

Source: Epoch AI

Goldman Sachs souligne cela à travers le paradoxe de Jevons, les gains d’efficacité en IA pourraient réduire le besoin global en calcul, malgré des modèles plus performants et moins coûteux (comme DeepSeek). Dans ce cas, la demande d’infrastructures serait inférieure aux attentes, rendant les investissements prématurés et comprimant les valorisations.

Conclusion

Ceci ne signifie pas nécessairement qu’Aschenbrenner a tort. Cela indique plutôt qu’il accepte un niveau d’exposition très élevé, ce qui est probablement voulu. Il aurait investi la quasi-totalité de sa fortune personnelle dans son fonds. Cette forte exposition comporte aussi un avantage que peu de gérants possèdent, il n’est pas seulement investi sur le marché, il est directement immergé dans l’écosystème qui façonne la prochaine phase du développement de l’IA. Cette proximité peut devenir déterminante dans un environnement encore incertain, où les trajectoires technologiques et les futurs leaders ne sont pas encore clairement établis.