Revenons plutôt au point de départ de cette forte baisse pour voir ce qui s'est réellement passé. Est-ce l'éclatement d'une bulle ou une panique excessive ? Un simple repli ou une fin de cycle ?

Le 1er juillet, un article de une annonçait que Meta pourrait vendre son excédent de puissance de calcul IA, en adoptant un modèle d'affaires similaire à NeoCloud. Le marché l'a interprété comme le premier signal concret d'un « excédent d'offre de puissance de calcul ». Combiné aux inquiétudes antérieures concernant la part trop élevée de la mémoire dans les Capex, une baisse systémique a commencé.

1️⃣ Meta perd la course à l'IA
Cela devrait déjà être un fait public. Outre le retard des modèles, les investissements massifs dans l'IA ont également épuisé les flux de trésorerie de Meta. Sans changement, les flux de trésorerie disponibles de Meta resteront négatifs pendant plusieurs années.

Actuellement, le taux d'utilisation des H100/H200 dans l'infrastructure interne de Meta est d'environ 65 %, les 35 % de capacité inutilisée offrant à Meta, qui manque d'argent, une voie de monétisation.

Ce n'est pas une petite somme.

2️⃣ Une segmentation de la puissance de calcul
Meta compte principalement louer des clusters de GPU de la génération H100/H200, tandis que la dernière génération de « puissance de calcul d'entraînement haut de gamme GB300 » reste réservée à son propre usage.

Meta prévoit actuellement deux modèles pour louer sa puissance de calcul :
1) Louer la puissance de calcul brute, permettant aux clients de s'entraîner / inférer sur les DC de Meta (similaire à CoreWeave) ;
2) Ouvrir l'accès aux modèles d'IA hébergés sur l'infrastructure de Meta.

La demande entre cartes d'inférence et cartes d'entraînement se différenciera : les anciennes cartes pour l'inférence, les nouvelles pour l'entraînement, telle est la ligne directrice.

La puissance de calcul d'entraînement haut de gamme reste en pénurie. Le délai de livraison pour la puissance de calcul d'entraînement haut de gamme est encore de 6 à 9 mois.

3️⃣ La demande d'IA ralentit-elle ?
SemiAnalysis a fourni des chiffres précis : rien qu'au premier semestre 2026, Meta a déjà signé plus de 5 GW de capacité de centres de données, incluant des locations cloud et des salles d'hébergement, sans compter l'avancement total de ses projets en propre.

Plus tôt, on mentionnait 35 % de capacité de calcul inutilisée : alors pourquoi acheter toujours de nouvelles capacités ?

Les travaux de recherche sur les grands modèles du Meta Superintelligence Lab (MSL) sont la priorité absolue pour l'utilisation de la puissance de calcul, soutenant l'entraînement itératif de la prochaine génération de la série Llama et des modèles multimodaux, tentant de rattraper OpenAI / Anthropic.

Système de recommandation publicitaire (RecSys) : un espace d'expansion décuplé.
SemiAnalysis estime que Meta croit pouvoir accroître la complexité de son système de recommandation publicitaire de plus de 10 fois, accélérant ainsi la croissance des revenus. Cela nécessite d'investir à la fois dans la puissance de calcul d'inférence et d'entraînement. Des modèles RecSys plus grands et plus coûteux poussent déjà les annonceurs à payer des prix plus élevés tout en maintenant un fort retour sur investissement publicitaire.

Ci-dessus, je reste en position malgré la douleur, mais je reste optimiste.