Prix des GPU : une bataille chaotique sans arbitre

Auteur du texte original : David Lopez Mateos

Traduction de l’original : Profondeur TechFlow

Présentation : Les médias aiment résumer l’évolution du prix des capacités de calcul GPU par un seul chiffre, mais la réalité est la suivante : sur Bloomberg Terminal, les devis fournis par quatre fournisseurs d’indices diffèrent de plus de 2 dollars entre eux, et la direction comme le rythme ne sont pas cohérents. L’auteur de l’article est le fondateur de la plateforme de trading de capacités de calcul Compute Desk, David Lopez Mateos ; il décompose la structure réelle de la tarification du H100 et du B200 à partir de ses propres données de trading. Il met en évidence un marché originel : pas de référence consensuelle, pas de contrats standardisés, pas de courbe à terme—un marché où la capacité de calcul est accumulée et sous-louée comme des appartements en courte durée.

Les titres médiatiques vous feraient croire que le prix des capacités de calcul GPU explose. Ce récit est confortable, parfaitement intégré dans le cadre macro « offre sous tension + demande IA sans fond », et sous-entend une chose rassurante : nous avons un marché qui fonctionne bien, avec des signaux de prix clairs et lisibles.

Mais ce n’est pas le cas. Ce récit repose presque entièrement sur un seul indice ; il suggère quelque chose qui ne devrait pas être suggéré : le marché de la location de GPU est déjà si efficace qu’un seul chiffre pourrait représenter l’état global.

La rareté de l’offre est réelle, mais la rareté ressentie par chacun est totalement différente—selon qui vous êtes, où vous vous trouvez, le type de contrat que vous négociez et quel actif de capacité de calcul vous utilisez. Face à ce manque de transparence, la réaction naturelle du marché n’est pas une découverte ordonnée des prix, mais l’accumulation : verrouiller des heures de GPU dont vous n’êtes peut-être pas encore certain d’avoir besoin, car vous ne savez pas si vous pourrez les acheter le mois prochain à n’importe quel prix. Là où il y a de l’accumulation et pas de référence transparente, un marché secondaire fragmenté apparaît. Chez Compute Desk, nous avons déjà fait en sorte que les locataires sous-louent leurs clusters comme des appartements pendant un grand événement sportif. Ce n’est pas une hypothèse : cela se produit.

Les indices ne convergent pas

Sur les marchés matures des matières premières, les indices construits à partir de méthodologies différentes finissent par converger. Le Brent et le WTI, en raison de leurs positions géographiques et de la qualité du pétrole, peuvent avoir quelques dollars d’écart de prix, mais dans l’ensemble ils évoluent de la même manière (figure 1). Cette convergence est le signe d’un marché efficient.

Légende : comparaison des trajectoires de prix du Brent et du WTI, très cohérentes en direction

Sur Bloomberg Terminal, il existe désormais trois fournisseurs d’indices de tarification GPU : Silicon Data, Ornn AI et Compute Desk. SemiAnalysis vient tout juste de publier le quatrième—un indice mensuel du prix d’un contrat H100 sur un an, construit à partir de données d’enquête auprès de plus de 100 acteurs du marché. Silicon Data et Ornn publient des indices de location H100 quotidiens ; Compute Desk agrège des données au niveau de l’architecture Hopper ; SemiAnalysis capture les prix de contrat après négociation, et non les prix affichés ou les prix extraits par crawler. Les méthodologies diffèrent, la fréquence diffère, et l’angle d’analyse du même marché diffère aussi. En les superposant, les divergences sautent aux yeux (figure 2).

Légende : superposition des quatre indices GPU ; niveaux de prix et tendances nettement différents

Où se produit vraiment la hausse

À l’aide des données de Compute Desk, nous pouvons décomposer les variations de prix du H100 selon le type de fournisseur et la structure de contrat, puis superposer l’indice SDH100RT de Silicon Data (figure 3). Tous les indicateurs montrent une hausse des prix, mais le point de départ et l’ampleur varient énormément selon l’indice et le type de contrat.

Légende : trajectoires de prix du H100 ventilées par type de contrat, superposées à l’indice SDH100RT

Les données du H100 « new cloud » (neocloud) de Compute Desk racontent une histoire plus concrète que les indices agrégés. La tarification à la demande reste relativement stable tout au long de l’hiver : environ 3,00 dollars/heure, puis elle grimpe brusquement en mars jusqu’à 3,50 dollars. Le prix spot est plus bruyant et plus bas, avec seulement une légère tendance haussière jusqu’en mars. L’indice SDH100RT de Silicon Data, lui, montre une progression plus lisse et régulière : sur la même période, il passe de 2,00 à 2,64 dollars. Les deux indices restent en continu à des niveaux de prix différents, et décrivent aussi le rythme dans le temps de manière différente : Compute Desk parle d’un saut en mars ; Silicon Data parle d’une montée lente.

Le prix des réservations sur un an est globalement stable avant février, puis fin mars il passe brusquement de 1,90 à 2,64 dollars—pas une poursuite progressive, mais une re-tarification soudaine. Cela ressemble davantage à un ajustement concentré des taux de contrat après un resserrement du marché à la demande, plutôt qu’à une demande structurelle continue qui pousse les prix.

L’histoire de mars pour le B200 est encore plus marquée (figure 4). L’indice à la demande de Compute Desk fait exploser le prix en quelques semaines, passant de 5,70 dollars à plus de 8,00 dollars. L’indice SDB200RT de Silicon Data passe de 4,40 dollars à 6,11 dollars, puis redescend à 5,47 dollars. Les deux indices enregistrent ce mouvement, mais le point de départ est séparé de plus de 2 dollars, et les formes de la hausse comme de la baisse sont différentes. Le B200 n’a moins de cinq mois de données, moins de fournisseurs, et un écart de prix plus important : les deux indices observent le même événement à travers des lentilles très différentes.

Légende : trajectoires à la demande et de réservation pour B200 ; données superposées de Compute Desk et Silicon Data

Un problème d’infrastructure, pas seulement une différence géographique

Les marchés des matières premières ont un « basis differential » (écart de base). Le cas des gaz naturels des Appalaches est l’exemple type : de gigantesques réserves sont stockées sur des capacités de transport de conduites structurellement limitées ; l’utilisation du couloir Pennsylvanie–Ohio dépasse souvent 100 % ; des nouveaux projets comme Borealis Pipeline ne seront mis en service qu’à la fin des années 2020.

Le marché des GPU a une situation similaire : un H100 à Virginia et un H100 à Francfort ne sont pas le même bien économique. Mais se limiter aux différences géographiques ne suffit pas à expliquer pourquoi les indices qui mesurent le même marché divergent autant. Le désalignement du marché GPU est plus profond que celui du gaz naturel des Appalaches. Le problème du gaz naturel tient à un seul maillon manquant : les capacités de pipeline reliant l’offre et la demande. Sur le marché de la capacité de calcul, les manques d’infrastructure existent des deux côtés de l’offre et de la demande. L’infrastructure physique—un réseau cohérent pour distribuer de manière fiable la capacité de calcul, une configuration prévisible, une disponibilité prévisible—n’est pas mûre, et parfois ne fonctionne tout simplement pas. L’infrastructure financière—des contrats standardisés qui réduisent les écarts de prix malgré les différences physiques, une référence transparente, des mécanismes d’arbitrage—n’existe pas non plus.

Les données racontent une histoire. L’expérience réelle d’une tentative d’achat de capacité de calcul au début de 2026 raconte une histoire encore plus poignante. La capacité disponible à la demande de tous les types de GPU est en réalité épuisée. Trouver 64 H100 est difficile : Compute Desk montre que 90 % des fournisseurs ont une disponibilité de clusters à la demande égale à zéro ; le marché des réservations n’est pas beaucoup mieux. Dans un marché qui fonctionne bien, ce degré de rareté pousserait déjà les prix vers un nouvel équilibre. Mais ce n’est pas le cas. Cela signifie que les fournisseurs eux-mêmes ne disposent pas d’informations de tarification en temps réel pour s’ajuster. Les prix montent, mais ils montent trop lentement, insuffisamment pour écouler le marché. L’écart entre les prix affichés et la volonté réelle de payer est en train d’être comblé par l’accumulation, la sous-location et des transactions de marché secondaire non formel.

Ce qui doit changer

Le marché actuel des capacités de calcul GPU présente sept problèmes fondamentaux :

Absence de référence consensuelle. Plusieurs indices existent en parallèle, avec des méthodologies différentes, et des conclusions contradictoires entre elles.

Le récit agrégé masque la structure. Un chiffre « prix du H100 » dissimule les énormes différences entre types de fournisseurs et durées de contrat.

Manque de données au niveau des transactions. Dans un marché bilatéral, l’écart entre les prix affichés et les prix réellement conclus est très important.

Pas de standardisation des contrats. La majorité des locations de GPU relèvent de négociations bilatérales, avec des modalités différentes. Des durées de contrat plus courtes et plus standardisées peuvent améliorer la liquidité et la découverte des prix.

La qualité de livraison n’est pas garantie. Les différences sont énormes : topologie d’interconnexion, appariement CPU, pile réseau et durée d’exécution. Avant de s’engager, les acheteurs doivent savoir de quelle qualité est la capacité de calcul qu’ils achètent.

Les contrats n’ont pas de liquidité. Si la demande change pendant la période de réservation, les options sont très limitées : soit absorber les coûts, soit sous-louer de manière informelle. Le marché a besoin de mécanismes de cession ou de revente de la capacité de calcul déjà engagée, afin que la capacité aille vers ceux qui en ont le plus besoin.

Pas de courbe à terme. Si on ne peut pas tarifer les contrats à terme, on ne peut pas se couvrir. C’est pourquoi les prêteurs appliquent une décote de 40 %-50 % aux garanties en GPU, et pourquoi les coûts de financement restent élevés.

Construire un marché qui fonctionne normalement pour la matière première la plus importante de ce siècle ne peut pas se faire seulement en faisant avancer une seule ligne. La mesure, la standardisation, la structure des contrats, la qualité de livraison, la liquidité—tout doit progresser en même temps. Tant que cela n’est pas fait, personne ne peut vraiment expliquer combien vaut une heure de GPU.