La prospérité de la puissance de calcul de l'IA pourrait être une illusion soutenue par deux entreprises

Auteur Ed Zitron, critique technologique international, a récemment formulé une analyse incisive : l’économie de la puissance de calcul en IA n’est peut-être pas soutenue par une demande de marché large et saine, mais dépend fortement de deux entreprises, OpenAI et Anthropic. Les fournisseurs de services cloud investissent dans des sociétés d’IA, qui réinvestissent ces fonds pour acheter des services cloud et de la puissance de calcul, créant ainsi une narration de croissance cyclique.

Ce point de vue ne reflète pas nécessairement la totalité des faits, mais il nous rappelle : pour juger de la durabilité de la vague IA, il ne faut pas se limiter aux montants de financement ou à l’ampleur des constructions de centres de données, mais aussi examiner les clients réels, la qualité des flux de trésorerie et la demande finale.

Introduction

Au cours des deux dernières années, la croissance la plus visible dans le secteur de l’IA n’a pas seulement été la progression des capacités des grands modèles, mais aussi la frénésie d’investissements en capital autour des GPU, des services cloud et des centres de données. Microsoft, Amazon, Google, Oracle et autres géants ont continué à renforcer leur infrastructure IA, NVIDIA étant le bénéficiaire le plus éclatant de cette période.

Mais une question plus aiguë émerge : qui utilise réellement ces nouveaux centres de données ? Si les principaux clients sont uniquement OpenAI et Anthropic, alors la prétendue prospérité de la puissance de calcul IA n’est peut-être qu’un récit cyclique alimenté par quelques entreprises, quelques fournisseurs cloud et quelques transactions de capitaux.

L’auteur de critique technologique américain Ed Zitron, dans son article « Premium : AI’s Circular Psychosis », propose une analyse très radicale mais digne d’intérêt : l’économie de l’IA serait en train de développer une « psychose cyclique ». Dans ce cycle, les géants du cloud investissent dans des sociétés d’IA, qui rétrocèdent leur argent pour acheter de la puissance de calcul auprès de ces mêmes géants ; ces derniers, anticipant des revenus futurs, continuent d’étendre leurs centres de données et d’acheter des GPU. Tout semble croître à chaque étape, mais si la demande finale n’est pas suffisante, ce mécanisme pourrait devenir extrêmement fragile.

I. La prétendue prospérité de la puissance de calcul IA pourrait dépendre fortement de deux entreprises

La conclusion centrale de Zitron est simple : une part importante de l’économie de l’IA repose en réalité sur OpenAI et Anthropic. Selon lui, ces deux sociétés occupent non seulement une grande partie de la capacité de puissance de calcul IA d’Amazon, Google et Microsoft, mais génèrent aussi une proportion significative de leurs revenus IA ; plus encore, elles pourraient représenter une part importante des commandes en attente de ces fournisseurs cloud.

Cela signifie que ce que le marché perçoit n’est pas seulement une « croissance de la demande en cloud computing », mais peut-être une structure client très concentrée : les commandes IA des fournisseurs cloud proviennent des sociétés d’IA, dont la capacité de paiement dépend du financement et des investissements cloud. En d’autres termes, l’argent ne circule pas simplement des clients finaux vers les sociétés de modèles, puis vers les fournisseurs cloud ; il tourne en boucle entre investisseurs, fournisseurs de services cloud et sociétés d’IA.

Cette structure n’est pas forcément insoutenable. L’histoire de la technologie a montré que la croissance par financement est une étape courante : le cloud, les véhicules électriques ou la mobilité partagée ont connu des phases similaires. Le problème ici est que l’investissement dans l’infrastructure IA est d’une ampleur si grande que peu d’entreprises peuvent réellement consommer cette puissance de calcul à grande échelle, contrairement aux attentes du marché.

Le graphique montre que les engagements de dépenses d’OpenAI et d’Anthropic envers Microsoft, Oracle, Google et Amazon représentent une part importante des commandes en attente de ces fournisseurs cloud. La couleur rose indique les engagements d’OpenAI, l’orange ceux d’Anthropic, et le gris les autres commandes en attente. Source : The Information, cité dans Where’s Your Ed At ;

Si cette estimation est correcte, une conclusion prudente s’impose : une grande partie des revenus futurs des géants du cloud ne dépend pas seulement de la demande IA, mais aussi de la capacité d’OpenAI et d’Anthropic à continuer de se financer, d’étendre leur activité et de payer leurs factures cloud.

II. La « boucle de facturation » entre Anthropic et les géants du cloud

La critique de Zitron à l’encontre d’Anthropic est particulièrement acerbe. Il estime que le problème ne se limite pas à des pertes financières, mais qu’une relation de type boucle financière s’est formée entre Anthropic et Amazon, Google : les géants du cloud investissent dans Anthropic, qui réinvestit cet argent pour acheter des services cloud et de la puissance de calcul, générant ainsi des revenus anticipés pour ces fournisseurs, qui poursuivent en étendant leur infrastructure.

D’un point de vue financier, cela semble être une situation gagnant-gagnant : la société d’IA obtient la puissance nécessaire pour l’entraînement et l’inférence, le fournisseur cloud obtient un gros client, et le marché financier voit une histoire de croissance. Mais si Anthropic ne dispose pas de revenus ou de marges suffisantes, sa capacité à payer ses factures cloud dépend fortement de financements externes.

C’est là que réside la clé de cette « circularité » : le futur revenu d’un fournisseur cloud pourrait dépendre de la capacité de l’IA qu’il finance à continuer de se financer elle-même ; et la croissance de l’IA repose aussi sur la capacité des fournisseurs cloud à fournir en continu puissance, investissements et remises. Sur le papier, cela ressemble à une chaîne de croissance rapide ; sous un autre angle, c’est une chaîne de risques mutuels.

Pour les lecteurs chinois, cette situation n’est pas étrangère. Toute industrie à forte intensité d’investissement, en phase d’expansion rapide, tend à suivre la logique « construire d’abord l’infrastructure, puis attendre que la demande se concrétise ». La différence ici est que le coût unitaire de la puissance de calcul IA est extrêmement élevé, avec une dépréciation technologique rapide. Si la demande réelle est inférieure aux attentes, le coût irrécupérable sera lourd.

III. xAI transfère Colossus-1 : un signal de demande ignoré

Un autre cas à surveiller est celui de Anthropic reprenant la capacité de 300 MW du centre de données Colossus-1, appartenant à SpaceX, xAI et Elon Musk. Musk a qualifié Colossus-1 de « système d’entraînement IA le plus puissant au monde », destiné à entraîner Grok. Mais aujourd’hui, cette capacité a été transférée à Anthropic.

Zitron voit dans cette opération un signal très particulier : si même de grandes sociétés de modèles comme xAI n’ont pas besoin de construire leur propre capacité, alors combien d’autres acheteurs de GPU à grande échelle existent sur le marché ?

Ce point est crucial. L’année dernière, la narration dominante voulait que « la puissance de calcul IA ne soit jamais suffisante ». Mais cette affirmation suppose l’existence de clients concrets, capables de payer sur le long terme. Qui achète durablement ? Qui a la capacité de payer ? Qui a des revenus suffisants pour couvrir les coûts d’inférence et d’entraînement ? Ces questions ne peuvent pas être répondues uniquement par « la demande future ».

Zitron cite Sightline Climate, qui indique que 15,2 GW de capacité sont en cours de construction, avec une finalisation prévue d’ici 2027. Si ces capacités doivent être absorbées par des milliers d’entreprises louant massivement des GPU, il faut que le marché prouve où elles se trouvent, quels sont leurs modèles économiques, et si elles ont des revenus suffisants pour couvrir ces coûts.

IV. Où va l’argent des startups IA ?

Un autre point clé est la relation entre revenus logiciels IA et revenus de puissance de calcul. Beaucoup de startups IA semblent générer des revenus, mais pour fournir leurs services, elles doivent utiliser des modèles d’OpenAI ou d’Anthropic, ou louer des GPU via des fournisseurs cloud. En fin de compte, leurs financements et revenus finissent par alimenter un petit nombre de sociétés de modèles et d’infrastructures cloud.

Ce schéma entraîne deux conséquences : premièrement, la concentration croissante des revenus dans les acteurs dominants ; deuxièmement, même si les startups ont des revenus en croissance, elles peinent à dégager des profits sains, car les coûts d’appel aux modèles et de puissance de calcul absorbent une part importante de leur trésorerie.

C’est aussi la raison pour laquelle la prospérité des applications IA ne reflète pas forcément la santé globale du secteur. Si beaucoup d’applications ne font que transformer du financement en coûts d’API, sans pouvoir fixer leurs prix ou générer des marges, elles ne sont souvent que des canaux pour les sociétés de modèles, plutôt que des entités commerciales autonomes et durables.

Pour les acteurs chinois, cela doit alerter : la dépendance à l’égard des modèles de base et des ressources cloud à coûts élevés pourrait limiter la viabilité à long terme des startups, si elles ne parviennent pas à développer leur propre base de clients, données et scénarios.

V. Les géants du cloud, les fabricants de GPU et les nouveaux cloud sont tous entraînés dans la même narration

Zitron souligne que l’impact d’OpenAI et d’Anthropic ne se limite pas aux fournisseurs cloud. Leur demande en puissance de calcul se diffuse aussi via NVIDIA, les fabricants de serveurs ODM, les nouveaux acteurs cloud et les développeurs de centres de données. Tant que le marché croit à une croissance infinie de la demande IA, la vente de GPU, les commandes de serveurs, la construction de centres de données et la valorisation des cloud continueront de soutenir cette dynamique.

Mais le cœur du problème reste la qualité de la demande. Une industrie peut, à court terme, créer une prospérité artificielle par des investissements massifs, mais ne peut pas la faire durer si la demande réelle n’est pas au rendez-vous. Si les grands clients des nouveaux cloud restent principalement OpenAI, Anthropic, Meta ou des cloud providers liés à ces acteurs, la concentration client sera très forte.

Cela ne veut pas dire que l’IA n’a pas de valeur ou que les grands modèles sont inutiles. Au contraire, l’IA transforme le logiciel, le contenu, la recherche, la programmation et les services aux entreprises. Mais ce que le marché valorise, ce n’est pas forcément la « valeur utile » de l’IA, mais sa capacité à soutenir une expansion infrastructurelle de plusieurs centaines de milliards de dollars. La différence est énorme.

VI. L’article est radical, mais les questions qu’il soulève sont incontournables

Il faut préciser que la position de Zitron est très tranchée, voire critique. Il qualifie l’économie de l’IA de « gigantesque escroquerie, illusion et erreur ». Ce jugement n’est pas partagé par tous, et ne doit pas être considéré comme une vérité absolue.

Mais les questions qu’il pose méritent d’être prises au sérieux.

Pour le marché chinois, il ne s’agit pas simplement de juger si la « bulle IA » va éclater, mais d’adopter une autre perspective : ne pas se limiter aux paramètres des modèles, aux montants de financement, aux volumes de GPU ou à l’ampleur des centres de données, mais aussi s’interroger sur l’identité des clients finaux, la provenance des revenus, la répartition des coûts et la capacité à générer des profits.

Si l’IA doit réellement apporter une productivité suffisante, la construction d’infrastructures sera absorbée. Mais si la croissance repose principalement sur un cycle de capitaux, de factures cloud et de commandes futures entre quelques acteurs, la fragilité de cette prospérité sera plus grande qu’elle n’y paraît.

Conclusion : La véritable question de l’IA, ce n’est plus « y a-t-il une demande », mais « quelle est la qualité de la demande »

La valeur à long terme de l’IA ne dépend pas forcément de la rationalité de tous les investissements dans l’infrastructure. Les grands modèles continueront peut-être à progresser, les applications IA à se diffuser, et les entreprises à automatiser davantage. Mais en même temps, la boucle entre dépenses capitalistiques, revenus cloud et demande GPU doit être examinée avec plus de transparence.

Ce qui rend cet article précieux, ce n’est pas tant sa précision, mais le fait qu’il nous rappelle : le vrai risque pour l’industrie IA n’est pas « personne n’utilise l’IA », mais « les revenus issus de l’utilisation de l’IA ne suffisent pas à couvrir le coût de sa construction ».

Lorsque toute une industrie dépend de quelques clients ultra-gros, de quelques cloud géants et de financements continus pour soutenir sa croissance, investisseurs, entrepreneurs et observateurs doivent se poser la même question : s’agit-il d’une nouvelle phase de construction d’infrastructures technologiques, ou d’une illusion capitalistique alimentée par des revenus futurs et des paiements en boucle ?