Manque de capacité en électricité pour les data centers aux États-Unis : 38 GW à l’horizon — Pourquoi Morgan Stanley privilégie Nvidia et Broadcom

Les centres de données d’IA américains constituent une infrastructure essentielle pour entraîner de grands modèles de langage, alimenter les services d’inférence et soutenir les activités de cloud computing. Leur construction exige d’importants volumes de GPU, de puces ASIC, de mémoire, d’équipements réseau et d’une alimentation électrique fiable. Alors que les grandes entreprises technologiques mondiales continuent d’augmenter leurs dépenses d’investissement consacrées à l’IA, la construction des data centers s’étend rapidement. Toutefois, la capacité du réseau, l’infrastructure de transport et la vitesse d’accès à l’électricité ne progresseront peut-être pas au même rythme. La disponibilité de l’énergie devient de plus en plus un facteur clé qui détermine si la puissance de calcul IA peut être déployée dans la pratique.

Dans sa dernière note de recherche, Morgan Stanley a relevé sa prévision du déficit net d’électricité des data centers américains, le faisant passer de 33GW à 38GW pour 2026–2028. Cette révision traduit des préoccupations croissantes du marché concernant la capacité d’alimentation en énergie des infrastructures IA. Dans le même temps, le cabinet continue de mettre en avant Nvidia (NVDA) et Broadcom (AVGO) comme des choix positifs importants dans les semi-conducteurs. Il estime que des facteurs comme la visibilité sur les expéditions de puces, l’expansion sur les marchés à l’étranger et l’efficacité du calcul par unité de puissance peuvent aider certaines entreprises de premier plan à maintenir leur compétitivité dans des environnements où l’électricité est limitée.

Ce changement suggère que la concurrence dans l’industrie des puces IA ne se limite plus à la course à des performances de calcul plus élevées. Elle se focalise désormais de plus en plus sur l’efficacité de calcul, la disponibilité de l’énergie et le rendement des dépenses d’investissement. Pour les investisseurs, un écart électrique de 38GW ne concerne pas seulement les délais de construction des data centers. Il pourrait aussi modifier la relation concurrentielle entre les GPU et les ASIC et influencer la demande future sur différentes parties de la chaîne d’approvisionnement en semi-conducteurs, y compris la mémoire, les communications optiques et la gestion de l’alimentation.

Que signifie le déficit de puissance de 38GW pour les data centers américains ?

Morgan Stanley a relevé sa prévision du déficit net d’électricité des data centers américains, le faisant passer de 33GW à 38GW. Cela signifie que le cabinet s’attend à un décalage plus important entre la demande d’électricité des data centers IA et l’offre de puissance disponible au cours des prochaines années. Ici, 38GW désigne un écart prévisionnel de capacité électrique, et non la taille des pannes réelles déjà survenues. Il ne faut pas non plus l’interpréter comme le fait que, dans l’ensemble, le réseau américain manquerait de 38GW de capacité de production.

Le GW (gigawatts) est une unité de puissance. 1GW équivaut à 1 000MW. Les grands data centers d’IA requièrent généralement des dizaines à des centaines de mégawatts de capacité électrique, tandis que les campus hyperscale peuvent prévoir une demande électrique encore plus élevée. Par conséquent, un écart potentiel de dizaines de gigawatts implique que de nombreux data centers déjà prévus pourraient devoir attendre des mises à niveau du réseau, ajuster leurs lieux de construction ou adopter des solutions énergétiques alternatives.

Il est important de noter que l’alimentation électrique des data centers est influencée par de multiples facteurs, notamment la capacité locale de raccordement au réseau, la construction des postes électriques, les lignes de transport, les ressources de production et les approbations associées. Même si une région dispose globalement d’une production suffisante, cela ne garantit pas qu’un data center spécifique puisse sécuriser assez d’électricité dans le calendrier prévu. Ainsi, le déficit d’électricité reflète principalement un décalage entre l’offre et la demande, à la fois dans le temps et dans l’espace.

Pour l’industrie IA, les contraintes d’alimentation peuvent retarder certains déploiements de capacité de calcul. Cela pourrait affecter les achats de GPU, les livraisons de serveurs et le calendrier de lancement des services cloud. Les investisseurs doivent distinguer la capacité prévue des data centers, la capacité électrique effectivement approuvée et la capacité de calcul déjà en opération. Ces indicateurs ne sont pas identiques.

Pourquoi une pénurie d’électricité pourrait-elle modifier la dynamique concurrentielle GPU vs. ASIC ?

Les GPU et les ASIC sont deux catégories de puces importantes pour le calcul IA. Les GPU disposent de capacités solides de calcul parallèle à usage général et peuvent prendre en charge l’entraînement des modèles, l’inférence et un large éventail de tâches de calcul. Les ASIC sont des circuits intégrés spécifiques à une application, conçus pour des cas d’usage particuliers. Ils améliorent généralement la performance et l’efficacité en optimisant l’architecture des puces et les flux de calcul.

Lorsque l’alimentation électrique est relativement suffisante, les opérateurs de data centers peuvent arbitrer entre le prix d’achat des puces, les performances de calcul, la compatibilité logicielle et les coûts d’exploitation à long terme. Mais lorsque la capacité électrique devient une contrainte rigide, les entreprises doivent davantage se concentrer sur le nombre de tâches de calcul qu’une unité de puissance donnée peut accomplir. Pour les entreprises d’inférence IA, cela peut se traduire par le nombre de Tokens traités par watt d’électricité.

Morgan Stanley estime que Nvidia bénéficie d’un avantage concurrentiel en termes d’efficacité de sortie de tokens par watt. Dans des environnements contraints en énergie, certains produits ASIC peuvent subir une pression sur la part de marché. Le cœur de cette thèse est que les clients des data centers peuvent privilégier des plateformes de calcul produisant un volume de sortie réel plus élevé dans une enveloppe de puissance limitée, plutôt que de se focaliser uniquement sur les coûts d’approvisionnement en puces.

Cependant, il n’est pas exact de conclure que l’ensemble des ASIC sont moins efficaces que les GPU. Google TPU, Amazon Trainium et d’autres accélérateurs IA sur mesure peuvent aussi offrir de solides avantages d’efficacité pour certains modèles et charges de travail. La performance réelle de différentes puces dépend de l’architecture du modèle, de la précision d’inférence, des tailles de batch, de la configuration mémoire, de l’optimisation logicielle et de l’utilisation du système.

Il n’existe donc pas de conclusion fixe applicable à tous les scénarios de la concurrence GPU vs. ASIC. La vision de Morgan Stanley se comprend comme suit : dans les conditions actuelles de produit et de déploiement, l’efficacité au niveau système de certaines plateformes de calcul de Nvidia pourrait recevoir davantage d’attention. La compétitivité des ASIC doit toujours être évaluée sur la base de charges de travail spécifiques.

Pourquoi Morgan Stanley continue-t-il de privilégier Nvidia (NVDA) ?

Nvidia (NVIDIA, NVDA) est un fournisseur majeur sur le marché mondial du calcul d’accélération IA. Son avantage concurrentiel ne provient pas seulement des puces GPU elles-mêmes, mais aussi de l’écosystème logiciel CUDA, des interconnexions réseau, des systèmes serveurs et des outils de développement associés. À mesure que la demande d’entraînement et d’inférence de modèles IA augmente, Nvidia déploie continuellement de nouvelles plateformes de calcul pour améliorer les performances de calcul, la bande passante mémoire et l’efficacité globale du système.

Morgan Stanley continue à privilégier Nvidia principalement en raison de facteurs tels qu’une guidance prudente des résultats, une meilleure visibilité sur les expéditions de puces, l’expansion sur les marchés à l’étranger et l’efficacité du calcul par unité de puissance. Pour les investisseurs, la visibilité sur les expéditions signifie que les livraisons de produits et la demande des clients sur la période à venir pourraient être plus claires, ce qui peut réduire une partie de l’incertitude dans les prévisions de revenus. Néanmoins, les commandes et les attentes de livraison peuvent évoluer si les clients ajustent leurs dépenses d’investissement ou si la chaîne d’approvisionnement change.

Dans un contexte de contraintes d’alimentation, l’efficacité au niveau système de Nvidia pourrait devenir un avantage concurrentiel important. Les opérateurs de data centers doivent comparer non seulement les performances d’un GPU unique, mais aussi l’efficacité des serveurs, des systèmes réseau, du refroidissement et de l’exécution logicielle. Si une plateforme de calcul peut accomplir davantage de tâches d’inférence avec la même capacité électrique, elle peut augmenter le potentiel de revenus d’un data center.

Parallèlement, Nvidia fait face à une pression concurrentielle à long terme. Les grandes entreprises de cloud computing développent en continu des puces IA sur mesure afin de réduire les coûts de calcul et d’améliorer l’autonomie de la chaîne d’approvisionnement. Même si les revenus de Nvidia continuent de croître, sa part de marché, ses marges brutes et son niveau de valorisation pourraient ne pas évoluer en synchronie. Par conséquent, lors de l’analyse de l’action NVDA, les investisseurs doivent encore se concentrer sur les revenus des data centers, les marges brutes produits, les dépenses d’investissement des clients et la concurrence des puces sur mesure.

Pourquoi Broadcom (AVGO) attire-t-il aussi l’attention de Morgan Stanley ?

Broadcom (Broadcom, AVGO) est une société majeure de semi-conducteurs et de logiciels d’infrastructure, avec une exposition à des domaines tels que les accélérateurs IA sur mesure, les puces de commutation réseau et les interconnexions à haut débit. Alors que les grandes entreprises de cloud computing étendent la construction de data centers IA, la demande en puces sur mesure et en infrastructure réseau devient une opportunité de croissance importante pour Broadcom.

À la différence de Nvidia, dont l’activité clé est principalement centrée sur la fourniture de plateformes GPU généralistes, l’une des orientations importantes de Broadcom consiste à aider de grands clients technologiques à développer des puces sur mesure adaptées à des charges de travail spécifiques. Pour les fournisseurs de cloud qui gèrent beaucoup de tâches de calcul répétitives, des ASIC personnalisés peuvent réduire certains coûts de calcul grâce à une optimisation ciblée. En outre, de grands clusters IA nécessitent des puces de commutation à haut débit et des équipements réseau pour connecter les nœuds de calcul, ce qui crée également des opportunités de marché pour Broadcom.

La position positive simultanée de Morgan Stanley sur Nvidia et Broadcom indique qu’il ne considère pas les GPU et les ASIC comme des orientations d’investissement totalement opposées. Même si certains produits ASIC subissent une pression sur la part de marché dans des environnements contraints en puissance, les puces sur mesure pourraient continuer de croître chez certains clients et dans certains scénarios de calcul. Broadcom n’est pas non plus uniquement dépendant d’une activité ASIC. Son activité de semi-conducteurs réseau peut participer à l’expansion de l’échelle des clusters IA.

Cela dit, l’activité de puces sur mesure de Broadcom peut être affectée par les calendriers de projets des grands clients. Si les clients modifient leurs plans de R&D de puces, les calendriers de construction des data centers ou leurs dépenses d’investissement, la croissance des revenus associée pourrait fluctuer. En conséquence, la thèse d’investissement sur AVGO doit prendre en compte simultanément la demande en puces IA sur mesure, la croissance du secteur réseau et le risque de concentration des clients.

Pourquoi les attentes de capex des data centers 2027–2028 font-elles l’objet de doutes ?

Morgan Stanley indique que le marché tente d’aligner la prévision 2027 d’environ $1,5 trillion et la prévision 2028 d’environ $1,6 trillion en dépenses d’investissement des data centers avec la capacité réelle d’alimentation électrique. Ces chiffres correspondent à des prévisions de marché sur l’ampleur des investissements futurs, et non à des dépenses d’investissement déjà approuvées, signées ou réellement réalisées. Le périmètre statistique exact doit également être confirmé à partir de la note de recherche sous-jacente.

Les dépenses d’investissement des data centers IA incluent généralement des projets tels que les puces de calcul, les serveurs, les équipements réseau, la construction d’installations, ainsi que les infrastructures d’alimentation et de refroidissement. Même si les entreprises technologiques ont une forte intention d’investissement, une partie du matériel pourrait ne pas être déployée à temps si le réseau ne peut pas fournir une capacité suffisante dans le calendrier prévu.

Ce problème peut affecter les décisions d’allocation de capital des entreprises. Par exemple, si un data center prévoit de commencer ses opérations en 2027 mais que la livraison d’électricité est retardée jusqu’en 2029, un opérateur pourrait choisir de reporter l’achat de GPU et de serveurs afin d’éviter une longue période d’inactivité une fois l’équipement arrivé en avance. Pour les puces IA qui évoluent rapidement, un approvisionnement anticipé pourrait aussi accroître le risque de dépréciation du matériel.

Par conséquent, le marché doit distinguer trois étapes différentes : premièrement, les entreprises annoncent leurs plans de capex ; deuxièmement, elles achètent et construisent effectivement l’infrastructure ; et enfin, les équipements de calcul sont officiellement mis en service et commencent à générer des revenus. Seule la dernière étape se transforme réellement en flux de trésorerie opérationnels récurrents issus de ces actifs de calcul.

Pourquoi un ralentissement de la construction des data centers pourrait-il toucher les puces de stockage et les modules optiques ?

La chaîne industrielle des data centers d’IA comporte depuis longtemps des cycles d’approvisionnement et de production. Les fabricants de puces, les fournisseurs de mémoire et les sociétés d’équipements réseau planifient généralement leur production en fonction des besoins anticipés par leurs clients sur plusieurs trimestres à venir. Lorsque le marché s’attend à une croissance rapide des investissements dans l’infrastructure IA, les clients peuvent acheter certains composants à l’avance pour garantir la disponibilité du matériel futur.

Mais si la construction des data centers est retardée en raison de pénuries d’électricité, certains composants prévus pourraient ne pas être déployés à temps. En conséquence, les entreprises peuvent retarder leurs achats, ajuster leurs stocks ou reprogrammer les livraisons. Ces changements peuvent soudainement exposer des produits auparavant en tension sur l’offre à un rythme de demande plus lent.

Les puces de stockage font partie des domaines à surveiller de près. La demande en HBM et en DRAM de serveurs est étroitement liée à l’ampleur et au rythme de déploiement des accélérateurs IA. Si la mise en service des nouveaux clusters GPU ralentit, le calendrier d’approvisionnement pour la mémoire associée pourrait également être affecté. Parallèlement, l’industrie des puces de stockage est cyclique. Les expansions des entreprises et le fait que les clients constituent des stocks à l’avance peuvent accentuer davantage les variations entre l’offre et la demande.

Les modules optiques et les composants d’interconnexion à haut débit dépendent également de la construction de grands clusters de calcul. Si les déploiements de data centers sont retardés, les commandes d’équipements réseau associés peuvent être repoussées. Pour les entreprises de gestion de l’alimentation et de puces analogiques, l’avancement réel de la construction des serveurs et des systèmes d’alimentation influencera aussi la demande produit.

Cependant, un retard de construction ne signifie pas nécessairement que la demande finale disparaît. Certaines commandes peuvent simplement être décalées en livraison plutôt que définitivement annulées. L’impact réel dépend encore des stocks des fournisseurs, des accords d’achat des clients et de la croissance de la demande dans d’autres régions. Par conséquent, les investisseurs doivent distinguer les fluctuations de commandes à court terme des changements de taille de marché à long terme.

Quelles valeurs de semi-conducteurs pourraient être affectées par des goulets d’étranglement d’alimentation électrique des data centers IA ?

Différentes entreprises de semi-conducteurs occupent des positions différentes dans la chaîne d’approvisionnement IA, de sorte que l’impact des contraintes d’alimentation varie selon leurs activités.

Pour NVDA et AVGO, des goulets d’étranglement de puissance peuvent créer à la fois des opportunités et des défis. D’un côté, les clients peuvent mettre davantage l’accent sur l’efficacité énergétique, ce qui pourrait augmenter la demande pour des plateformes de calcul haute performance et des puces optimisées. De l’autre, si la construction des data centers ralentit, les livraisons réelles de puces pourraient aussi être affectées.

Pour MU et d’autres fournisseurs de mémoire, la question clé est de savoir si les achats de serveurs IA pourront continuer de croître et si un approvisionnement anticipé conduit à une accumulation de stocks. Pour les entreprises d’infrastructure électrique comme VRT et ETN, la croissance de la demande en électricité des data centers pourrait créer un nouveau marché d’équipements, mais les projets concernés restent encore contraints par les calendriers de construction, les approbations et les budgets d’investissement.

Par conséquent, il n’est pas exact de supposer que les pénuries d’électricité bénéficieront automatiquement aux valeurs d’équipements électriques, ou qu’elles nuiront automatiquement à toutes les entreprises de semi-conducteurs. Le mix de commandes, les forces techniques et le niveau de valorisation de chaque entreprise déterminent encore dans quelle mesure elle bénéficiera réellement.

Comment utiliser Gate Stock pour suivre la chaîne d’approvisionnement IA en puces et en alimentation des data centers ?

Pour les investisseurs qui souhaitent suivre le cycle d’investissement dans l’infrastructure IA, ils peuvent utiliser Gate Stock pour suivre des sociétés de semi-conducteurs telles que Nvidia (NVDA), Broadcom (AVGO) et Micron Technology (MU). Ils peuvent aussi associer cela à des ETF du secteur des technologies liées à la gestion de l’énergie des data centers, au refroidissement et à d’autres domaines connexes afin d’observer comment différents segments de la chaîne d’approvisionnement se comportent sur le marché.

Gate Stock offre un moyen d’utiliser des USDT pour trader des actions et des ETF américains. Les tickers spécifiques négociables, les frais de transaction et les règles produit dépendent des pages réelles de la plateforme.

Lors de l’analyse des valeurs concernées, les investisseurs devraient examiner trois dimensions en même temps : d’abord, si la demande de calcul IA continue de croître ; ensuite, si les data centers peuvent sécuriser suffisamment d’électricité et se mettre en service dans les délais ; et enfin, si les entreprises peuvent convertir les commandes et les avantages techniques en profits et en flux de trésorerie. S’appuyer uniquement sur les prévisions de capex des data centers ne suffit pas à juger la valeur à long terme d’une valeur.

Résumé

Morgan Stanley a relevé sa prévision du déficit net d’électricité des data centers américains en 2026–2028, le faisant passer de 33GW à 38GW. Cela reflète des contraintes énergétiques de plus en plus clairement identifiées dans l’expansion de l’infrastructure IA. Même si les grandes entreprises technologiques continuent d’augmenter leurs dépenses d’investissement, le fait que les data centers puissent sécuriser l’électricité comme prévu continuera d’affecter l’ampleur réelle du déploiement des GPU, des ASIC, des puces mémoire et des équipements réseau.

Dans ce contexte, la concurrence sur les puces pourrait accorder encore davantage d’importance à l’efficacité de calcul par unité de puissance. Morgan Stanley continue de privilégier Nvidia et Broadcom, ce qui reflète une confiance de long terme dans les plateformes de calcul haute performance, les puces sur mesure et la demande en réseaux à haut débit. Néanmoins, la concurrence GPU vs. ASIC dépend de la charge de travail spécifique. On ne peut pas juger les parts de marché futures sur la base d’un seul indicateur d’efficacité.

Parallèlement, si la construction des data centers ralentit faute d’une alimentation électrique suffisante, les composants de stockage, les modules optiques et les éléments de gestion de l’alimentation qui avaient été avancés en raison de tensions d’offre pourraient devoir ajuster leurs stocks et faire face à une volatilité des commandes. Pour les investisseurs, l’attention à l’avenir devrait porter sur la capacité réellement déployée, les taux de concrétisation des capex des entreprises, l’efficacité énergétique des puces et les stocks de la chaîne d’approvisionnement — et pas seulement sur le montant total dans les plans de construction des data centers.

À la prochaine étape des investissements dans l’infrastructure IA, l’enjeu n’est plus seulement le nombre de puces qui peuvent être achetées. Il s’agit de la quantité de calcul effectif que des ressources électriques limitées peuvent soutenir — et de la mesure dans laquelle ces capacités de calcul génèrent finalement des revenus commerciaux.

FAQ

Que signifie le déficit d’électricité de 38GW pour les data centers américains ?

Il s’agit de la prévision de Morgan Stanley concernant l’écart offre-demande net d’électricité des data centers américains sur la période 2026–2028. Elle reflète le risque qu’il existe une différence importante entre la demande d’électricité prévue et la capacité électrique disponible. Cela ne veut pas dire que les États-Unis ont déjà subi 38GW de pannes réelles.

Pourquoi une pénurie d’électricité pourrait-elle avantager les GPU Nvidia ?

Lorsque l’électricité disponible pour les data centers est contrainte, les opérateurs peuvent accorder plus d’importance au nombre de tâches de calcul IA pouvant être réalisées par watt. Si les plateformes de calcul de Nvidia offrent une meilleure efficacité énergétique au niveau système pour des charges de travail spécifiques, Nvidia pourrait gagner un avantage concurrentiel. Toutefois, le résultat réel dépend des configurations de puces, des optimisations logicielles et des scénarios d’application.

Les puces ASIC perdront-elles des parts de marché à cause d’une pénurie d’électricité ?

Certains produits ASIC peuvent subir une pression concurrentielle, mais on ne peut pas généraliser. Les ASIC sur mesure peuvent aussi atteindre une forte efficacité énergétique pour des tâches IA spécifiques. Les parts de marché futures dépendront des performances des puces, de leur coût, de l’écosystème logiciel et des stratégies de déploiement des clients.

Pourquoi Morgan Stanley favorise-t-il à la fois NVDA et AVGO ?

Nvidia dispose d’avantages dans les GPU, les systèmes de calcul accéléré et les écosystèmes logiciels. Broadcom participe au marché des puces IA sur mesure et des réseaux à haut débit. Les deux sociétés bénéficient des investissements dans l’infrastructure IA de manières différentes, et cela ne signifie pas que seuls les GPU ou seuls les ASIC peuvent croître.

Pourquoi une construction plus lente des data centers pourrait-elle affecter les puces de stockage ?

Si les data centers retardent le déploiement des serveurs en raison de contraintes d’alimentation, les clients pourraient reporter en conséquence l’achat de HBM, de DRAM et d’autres composants. S’il y a eu un approvisionnement anticipé auparavant, des ajustements de stocks à court terme pourraient encore amplifier la volatilité des commandes et des prix.

Un déficit d’électricité de 38GW fera-t-il cesser les investissements IA partout ?

Pas nécessairement. Les entreprises peuvent atténuer certaines contraintes en ajustant les sites de construction, en déployant par phases, en améliorant l’efficacité énergétique du calcul ou en ajoutant des infrastructures énergétiques. Cependant, ces mesures prennent généralement du temps et de l’argent, donc elles ne garantissent pas que tous les projets prévus seront achevés dans les délais prévus.