Qui récoltera les rendements de la construction de l’infrastructure de l’IA?

La course aux capacités de l’intelligence artificielle (IA) devient un réel test économique

L’industrie de l’IA trouve des moyens pour ajouter des puces, de l’énergie et des capacités de centres de données. Mais les rendements peuvent-ils suivre le rythme des dépenses et qui les capturera ?

En 2024, nous nous étions interrogés sur la possibilité que l’énergie et les infrastructures physiques limitent l’expansion de l’IA. Deux ans plus tard, ces contraintes demeurent, mais le déploiement s’est accéléré bien au-delà des processeurs graphiques (GPU). Les premiers signes de monétisation apparaissent. L’attention se déplace désormais de ce qui doit être construit vers ceux qui pourront en tirer des rendements attractifs.

Les gérants de portefeuille Putnam Andy O'Brien, CFA, et Bobby Gray examinent cette opportunité depuis deux angles différents de la chaîne de valeur de l’IA. Andy se concentre sur la technologie et les infrastructures nécessaires pour répondre à une demande croissante. Bobby suit les modèles économiques, la dynamique concurrentielle et la répartition des profits. Leurs points de vue sont complémentaires : l’un s’attaque à la durabilité de la demande liée à l’IA ; l’autre à la durabilité des rendements générés par l’IA.

Un cycle. Deux prismes d’investissement.

Andy O'Brien : Le déploiement pourrait encore être sous-estimé

Je vois de solides raisons pour que les investissements dans l’IA se poursuivent.

Les entreprises dépensent de manière offensive pour rechercher de nouvelles sources de revenus et de manière défensive pour éviter d’être distancées faute de capacités de calcul suffisantes ou de propriété intellectuelle liée à l’IA. Construire trop pourrait conduire à un gaspillage de capital ; construire insuffisamment pourrait menacer la position d’une entreprise sur la prochaine grande plateforme informatique.

L’adoption de l’IA reste à un stade précoce, ce qui laisse potentiellement une marge importante pour une croissance supplémentaire de la demande. De nombreuses entreprises utilisent l’IA pour des tâches isolées, mais peu ont encore reconstruit leurs processus de travail essentiels autour de l’IA à grande échelle. À mesure que les modèles prennent en charge des tâches plus complexes, même une croissance modeste de l’adoption pourrait entraîner une augmentation disproportionnée de la demande d’infrastructures.

L’opportunité s’élargit également. Les GPU restent essentiels, mais le déploiement dépend de plus en plus de la mémoire, des réseaux, des composants optiques, des puces personnalisées (custom silicon) et des équipements de semi-conducteurs. Selon l’analyse de Putnam, les anticipations de bénéfices continuent de s’améliorer dans l’ensemble de la chaîne de valeur de l’infrastructure, avec des gains qui s’étendent au-delà du principal fournisseur de GPU.

Une demande plus large ne garantit pas des bénéfices généralisés. Les goulets d’étranglement peuvent soutenir les prix, mais les pénuries attirent de nouvelles capacités et des solutions de substitution. Ce qui importe davantage est d’identifier quels fournisseurs conserveront leur valeur une fois la rareté dissipée.

L’un des indicateurs que je suis est la monétisation par gigawatt, c’est-à-dire le montant de revenus qu’une quantité donnée de capacité électrique de centre de données peut générer. Le coût de construction de cette capacité a augmenté, mais son potentiel de revenus aussi. Cela pourrait accroître la valeur des capacités informatiques existantes et donner aux fournisseurs de cloud une plus grande confiance pour investir. Le marché pourrait encore sous-estimer à la fois l’ampleur des infrastructures dont l’IA aura besoin et l’attractivité potentielle des rendements associés.

Bobby Gray : Les revenus arrivent. Le débat sur les rendements n’est pas terminé.

J’aborde ce cycle sous l’autre angle de l’équation.

Pendant une grande partie du déploiement, les anticipations de dépenses ont augmenté plus rapidement que les prévisions de revenus ou de bénéfices. Pour Amazon, au début de cette année, les attentes consensuelles en matière de dépenses d’investissement pour 2027 avaient augmenté d’environ 120 % au cours des deux années précédentes, tandis que les estimations de chiffre d’affaires pour cette même année étaient restées pratiquement inchangées, selon l’analyse des gérants.

Plus récemment, cependant, la situation a commencé à évoluer. La croissance du chiffre d’affaires et les carnets de commandes se sont accélérés, ce qui suggère que la monétisation commence peut-être à rattraper les dépenses. Le test essentiel consiste à déterminer si ces gains justifient le niveau beaucoup plus élevé des dépenses.

Les fournisseurs de cloud sont confrontés à une concurrence accrue, alors même que les grands développeurs d’IA deviennent des clients de plus en plus importants en matière de capacité de calcul. Cela pourrait modifier les dynamiques de prix à long terme, les marges et les profils de risque.

Les entreprises peuvent également orienter leurs tâches entre différents modèles en fonction du coût, de la vitesse et des performances, tandis que les modèles à poids ouverts (open-weight models) pourraient intensifier la concurrence.

Ces dynamiques rendent difficile la prévision de la capture de valeur. L’entreprise qui produit le modèle le plus avancé ne conservera pas nécessairement la plus grande part de la valeur ajoutée. Les éditeurs de logiciels établis pourront intégrer l’IA dans des produits que les clients utilisent déjà, tandis que les applications nativement construites autour de l’IA créeront de nouveaux workflows. Les hyperscalers pourraient bénéficier de la propriété de l’infrastructure et de la relation client, même si le modèle privilégié par le marché évolue.

Les performances des modèles sont importantes, mais je pense que la distribution, les données propriétaires, l’intégration dans les workflows, les coûts de changement (switching costs) et le contrôle de la relation client pourraient être encore plus importants.

L’IA peut créer une valeur considérable pour les utilisateurs sans pour autant garantir des profits attractifs à tous les fournisseurs.

Trois questions pour la phase de création de valeur

Les perspectives d’Andy et de Bobby convergent vers trois questions qui permettent aux investisseurs de se projeter au-delà de la simple exposition à l’IA.

1. La demande est-elle durable et en expansion ? Nous pensons que les investisseurs devraient regarder au-delà des dépenses mises en avant dans les gros titres et s’intéresser à l’adoption, à l’intensité d’utilisation des charges de travail et à ce que cela implique pour la demande d’infrastructures.

2. Les caractéristiques économiques s’améliorent-elles avec l’échelle ? La croissance du chiffre d’affaires doit se traduire par des flux de trésorerie, des rendements attractifs sur le capital investi ou de meilleures caractéristiques économiques pour les clients.

3. Qui contrôle le client et conserve la valeur créée ? Il est important d’évaluer le pouvoir de fixation des prix, la distribution, les coûts de changement et, en définitive, dans quelle mesure les modèles et services d’IA pourraient devenir interchangeables.

Être précoce n’est pas une thèse d’investissement

L’IA peut rester une thématique d’investissement puissante sans récompenser de manière égale tous les participants. Le déploiement peut continuer à s’étendre alors que les bénéfices deviennent plus sélectifs.