Qui détiendra le pouvoir de fixer les prix de la puissance de calcul à l’ère de l’IA ?

Introduction

Au premier semestre 2026, le « marché des capitaux de la puissance de calcul » est passé en un temps record d’un concept de niche à une nouvelle ligne où Wall Street et la Silicon Valley misent ensemble. CME et Silicon Data ont annoncé le lancement de leurs tout premiers contrats à terme sur la puissance de calcul ; la société mère de la NYSE, ICE, a ensuite mené à la fois avec Ornn et NATIVX un déploiement de contrats à terme sur le calcul GPU ; Architect, fondé par Brett Harrison, ancien président de FTX US, a quant à lui tenté d’introduire dans un cadre réglementé les structures de contrats perpétuels déjà mûres du marché crypto pour le trading de puissance de calcul. Dans le même temps, CoreWeave a dépassé 20 milliards de dollars de financement adossé à des GPU en tant que collatéral et a finalisé son premier financement adossé à des GPU avec une notation de niveau investissement.

La puissance de calcul évolue en suivant le parcours classique de la financiarisation de la finance des matières premières : d’abord des dépenses d’investissement en actifs utilisés en interne par les entreprises, puis progressivement vers le trading au comptant, les indices de prix, la couverture via des contrats à terme, avant d’entrer dans les marchés du crédit et les financements structurés.

Pourquoi il faut de la puissance de calcul : la cascade de valeur de l’industrie de l’IA

Pour comprendre le marché de la puissance de calcul, il faut d’abord situer la puissance de calcul dans la chaîne de valeur de l’IA. L’ensemble de la chaîne peut être décomposé en une cascade à neuf étages : du point de vue de la valeur commerciale et des flux de trésorerie, la demande démarre dans la couche d’applications en aval et se propage étage par étage vers l’amont ; la puissance de calcul, elle, se situe au milieu, reliant le matériel de base et les infrastructures des centres de données, ainsi que les modèles et les applications en haut de la pile.

Niveau 1｜Chips et matériel : NVIDIA, AMD, fabricants de HBM/DRAM. C’est la matière première la plus basique de la puissance de calcul. Les GPU déterminent l’offre de base en puissance de calcul disponible, tandis que les ressources de stockage comme la HBM/DRAM commencent elles aussi à être financiarisées par le marché.

Niveau 2｜Électricité et terrain : pour construire un centre de données, ce n’est pas seulement une question de disposer de GPU, mais aussi d’avoir un terrain approprié et suffisamment de raccordement électrique. Une grande partie du coût marginal de la puissance de calcul vient de la facture d’électricité ; sur le plan des caractéristiques « matières premières », elle ressemble donc davantage à l’électricité qu’au pétrole.

Niveau 3｜Neocloud et centres de données indépendants : CoreWeave, Nebius, Lambda, GMI Cloud, Crusoe, etc. Elles achètent des GPU, construisent des clusters, puis louent de la puissance de calcul aux sociétés d’IA : ce sont en quelque sorte des « mines » et des « champs pétrolifères » dans le marché de la puissance de calcul.

Niveau 4｜Plateformes d’agrégation et de courtage : Mithril, Andromeda, SF Compute, etc. Elles ne possèdent pas forcément elles-mêmes des GPU : elles aident les acheteurs à trouver de l’offre, standardisent les SLA, mettent en relation les transactions, voire font elles-mêmes de la tenue de marché. Elles ressemblent davantage aux négociants dans le marché des matières premières, comme Glencore et Vitol.

Niveau 5｜Indices et références : Silicon Data, Ornn (OCPI), NATIVX (COIL). Sans repère de prix fiable, il est difficile pour le marché de se développer avec des contrats à terme et des produits dérivés. Par conséquent, ce niveau sert à transformer les prix de la puissance de calcul, auparavant opaques, en prix de marché traçables et vérifiables.

Niveau 6｜Dérivés et crédit : CME, ICE, Architect, perpétuels DEX on-chain, ainsi que des outils comme des prêts adossés à des GPU, des ABS de puissance de calcul. Ce niveau permet de couvrir le risque de prix de la puissance de calcul et de faire en sorte que la capacité GPU devienne un actif finançable.

Niveau 7｜Plateformes de développement d’inférence : Fireworks, Baseten, Modal, etc. Elles regroupent les GPU de base, le déploiement des modèles et des API d’inférence, pour que les développeurs n’aient pas à gérer eux-mêmes une infrastructure complexe de puissance de calcul, tout en pouvant utiliser les capacités d’inférence des modèles comme s’ils appelaient un service cloud.

Niveau 8｜Couche LLM / modèles : OpenAI, Anthropic, xAI, DeepSeek, etc. Elles transforment la puissance de calcul de base en capacités de modèle et en sorties intelligentes. Le modèle est la couche intermédiaire centrale qui relie l’infrastructure de base et l’expérience applicative en haut de la pile.

Niveau 9｜Couche applications : Cursor, Perplexity, Suno, Rime, etc. Cette couche fait face directement aux utilisateurs finaux. Elle enveloppe les capacités du modèle dans des produits concrets et des scénarios d’usage : c’est un point d’entrée important pour la diffusion des besoins en IA et pour la monétisation des utilisateurs payants.

Cette cascade à neuf niveaux met en évidence un fait central : la puissance de calcul est une « marchandise intermédiaire » dans l’économie de l’IA. En dessous, elle connecte les puces, l’électricité, le terrain et les dépenses d’investissement ; au-dessus, elle connecte les plateformes d’inférence, les sociétés de modèles et la couche applications.

Chaque fois qu’une application IA appelle un modèle, dans le fond, elle consomme une partie de la puissance de calcul en amont. Et c’est précisément parce que la puissance de calcul se trouve au milieu de la chaîne de valeur : d’un côté, les acteurs qui détiennent des GPU et des actifs de centres de données ; de l’autre, les sociétés de modèles, plateformes d’inférence et entreprises d’applications qui ont besoin d’une puissance de calcul stable. Lorsque l’ampleur des variations de prix devient suffisamment importante et que les directions de risque des deux parties s’opposent, la puissance de calcul commence naturellement à se financiariser.

Pourquoi il faut un marché de la puissance de calcul : couverture de la demande et structure de marché

Qui doit couvrir

Source : X @0xfishylosopher

Les besoins de couverture sur le marché de la puissance de calcul proviennent d’abord des acteurs industriels qui détiennent de réels exposés de puissance de calcul, et non des institutions financières. C’est la même logique que, pour une compagnie aérienne, la couverture du prix du carburant, ou pour une centrale électrique, la couverture du prix de l’électricité.

Les neocloud et centres de données indépendants en couche basse, par exemple CoreWeave, Nebius, Lambda, détiennent des actifs physiques de GPU et tirent leurs revenus de loyers futurs. Ils s’inquiètent d’une baisse des loyers des GPU : ce sont donc naturellement des vendeurs / des « shorts », et ils doivent vendre du terme pour verrouiller leurs revenus.

Les plateformes de développement d’inférence au milieu, par exemple Fireworks, Baseten, Modal, achètent de la puissance de calcul en amont et fournissent en aval des API d’inférence et des services de déploiement de modèles. La puissance de calcul est un de leurs coûts majeurs.

Les entreprises d’applications en couche haute, par exemple Cursor, Perplexity, Suno, Rime, doivent aussi acheter en continu des capacités d’inférence. Le coût d’inférence affecte directement les marges brutes. Ainsi, la couche intermédiaire et la couche haute sont naturellement des acheteurs / des « longs », et doivent acheter du terme pour verrouiller les coûts.

Les hyperscaleurs / très grands acteurs cloud, comme Google, Amazon, Microsoft, sont quelque peu particuliers. Ils possèdent à la fois des centres de données, des plateformes cloud, des modèles et des applications ; en interne, ils ont déjà formé une couverture naturelle à un certain degré.

Pourquoi la puissance de calcul ressemble davantage à l’électricité qu’au pétrole

La puissance de calcul n’est pas un produit totalement homogène.

À durée égale, par exemple une capacité d’H100/H200 pendant une heure, la valeur varie selon les spécifications des puces, la région, la latence, l’interconnexion réseau, la taille du cluster, les fenêtres de réservation, le SLA, la sécurité des données et le workload spécifique.

Plus important encore : la puissance de calcul ne peut pas être stockée. Les heures de GPU non consommées aujourd’hui ne peuvent pas être « stockées » comme du pétrole pour les revendre l’an prochain. Par conséquent, du point de vue des caractéristiques matière première, la puissance de calcul est plus proche de l’électricité : avec une dimension temporelle, une dimension régionale, et une forte dépendance aux infrastructures locales.

Cela entraîne trois conséquences :

Premièrement, les transactions réelles de puissance de calcul nécessitent souvent une personnalisation bilatérale autour de SKU spécifiques et des conditions de livraison.

Deuxièmement, pour le moment, le marché n’existe pas de façon similaire à un prix de référence unique et transparent comme le WTI pour le pétrole brut.

Troisièmement, les indices et les références deviennent extrêmement critiques. Les équipes comme Silicon Data, Ornn, Compute Desk ont pour tâche centrale de transformer des prix dispersés de puissance de calcul en signaux de marché traçables et couvrables.

Web3 : puissance de calcul décentralisée de la génération précédente vs courtiers de puissance de calcul de la nouvelle génération

Le marché de la puissance de calcul n’est pas une notion totalement nouvelle. Lors du cycle précédent, des projets Web3 comme Akash, io.net et Aethir avaient déjà porté un récit de « marché de puissance de calcul décentralisée », en connectant des GPU GPU en disponibilité mondiale via des réseaux alimentés par des incitations en tokens.

Mais le problème est le suivant : pourquoi la plupart des projets de la génération précédente ne sont-ils pas devenus la couche principale d’achat de puissance de calcul pour l’IA, tandis que de nouveaux acteurs comme Andromeda et SF Compute ont réussi en un laps de temps à obtenir des clients d’entreprises et des revenus en dollars ?

Les choses vendues ne sont pas les mêmes : offre décentralisée vs capacité livrable

La logique centrale des projets Web3 de la génération précédente est la suivante : connecter des GPU dispersés à un réseau, puis faire financer l’offre via l’incitation par token, permettant aux utilisateurs d’acheter de la puissance de calcul à moindre coût.

Ils résolvaient le problème de « où trouver des GPU ».

Mais ce que les acheteurs d’entreprise se demandent vraiment, c’est autre chose : est-ce bien des H100/H200 ? Y a-t-il de l’InfiniBand ? La taille du cluster est-elle suffisante ? Est-ce qu’on peut l’exécuter de manière stable pendant plusieurs semaines, voire plusieurs mois ? Qui est responsable du SLA ? En cas de panne, qui indemnise ?

Autrement dit, les clients d’entreprise n’achètent pas « des GPU quelque part », mais une capacité GPU garantie, mesurable et avec responsabilité clairement assignée.

Une offre de GPU dispersée, hétérogène et provenant de différents opérateurs peut convenir à du batch inference, du rendu ou des tâches peu sensibles ; mais pour l’entraînement de modèles à grande échelle et l’inférence de niveau production, la stabilité, les conditions réseau et la responsabilité de livraison sont déterminantes.

Les quatre problèmes structurels de l’ancienne génération

Premièrement, les incitations par token peuvent apporter de l’offre, mais pas forcément une demande réelle.
Les subventions en tokens peuvent rapidement produire un joli nombre de nœuds, de GPU et une taille de réseau ; toutefois, si la demande côté acheteur dépend principalement du récit de tokens plutôt que de clients payants naturellement, on risque d’obtenir une faible utilisation, une faible qualité des revenus, et une découverte de prix déformée par les incitations.

D’après Messari, « State of Akash Q1 2026 » : au cours du premier trimestre 2026, l’utilisation moyenne des GPU d’Akash baisse en séquentiel de 57,4 % à 84 unités ; la capacité moyenne de GPU disponible baisse en séquentiel de 57,5 % à 249 unités, ce qui montre un retrait manifeste des deux côtés offre/demande ; avec le mécanisme d’io.net au début, les nœuds obtiennent une récompense tant qu’ils sont en ligne, qu’ils exécutent ou non un travail réellement utile sur les GPU ; et son token a également fortement reculé par rapport à son plus haut historique, avant de n’introduire qu’en juin 2026 un nouveau mécanisme d’incitation davantage orienté demande.

Deuxièmement, les SLA au niveau entreprise sont difficiles à faire porter uniquement par des protocoles.
Les clients d’entreprise ont besoin d’une facture, d’un canal de support, d’un SLA standard, d’un mécanisme de remboursement, d’une revue de conformité et de responsabilités juridiques. Tout cela doit être pris en charge par un acteur commercial clair, plutôt que de dépendre uniquement d’une couche protocolaire.

Troisièmement, il existe un désalignement naturel entre workloads IA et une offre dispersée.
L’entraînement synchrone à grande échelle et l’inférence de niveau production exigent beaucoup : interconnexion des GPU, NVLink/InfiniBand, ordonnancement des clusters, reprise après panne et sécurité des données. Un réseau géographiquement dispersé et matériellement hétérogène rend difficile de satisfaire directement ce type de workloads très exigeants.

Quatrièmement, la tarification en tokens ne correspond pas au processus d’achat des entreprises.
Les entreprises sont plus habituées aux contrats en dollars, aux factures, aux approbations budgétaires et à la gestion des fournisseurs ; elles ne veulent pas porter l’incertitude liée aux fluctuations du prix des tokens, la comptabilité et les incertitudes de conformité.

Exception importante : Aethir

Aethir est une exception.

Le chiffre d’affaires d’Aethir en 2025 dépasse 127 millions de dollars ; elle compte plus de 150 clients d’entreprises payants et 430 000 conteneurs GPU, couvrant des GPU haut de gamme comme H100, H200, B200, B300, etc. Selon sa propre divulgation, son échelle de revenus dépasse déjà le « run-rate » d’Andromeda d’environ 100 millions de dollars, et est bien supérieure à celle de SF Compute.

Le parcours d’Aethir ressemble davantage à un placement des tokens et des effets de réseau de Web3 dans la structure de capital et la couche d’incitations à l’écosystème, tout en rendant plus centralisée, plus standardisée et plus orientée entreprise la partie réellement destinée aux clients : clusters centralisés ou semi-centralisés, engagement de service explicite, contrats libellés en dollars, support et responsabilités de livraison pour les clients d’entreprise.

Les tokens peuvent aider au financement initial, à l’incitation à l’offre et à l’organisation du réseau, mais ils ne devraient pas devenir l’interface centrale à laquelle une entreprise doit faire face lorsqu’elle achète de la puissance de calcul.

Ce qui change chez les nouveaux traders

Le point de départ des nouveaux acteurs n’est pas « commencer par construire un réseau décentralisé », mais plutôt d’entrer directement dans la douleur d’achat des acquéreurs d’IA.

Les sociétés d’IA doivent souvent signer des contrats de puissance de calcul à long terme, mais la demande réelle est, elle, volatile. La stratégie de SF Compute est de faire acheter au client une capacité de puissance de calcul à long terme financée par des tiers, puis de revendre ou sublease la partie inutilisée via le carnet d’ordres. Elle ne détient pas elle-même les GPU ; elle ressemble plutôt à un marché de liquidité secondaire construit autour de contrats de puissance de calcul.

Andromeda se rapproche davantage d’un « dealer » de puissance de calcul : elle compare en temps réel les prix à l’aide d’une tarification avec plus de 100 fournisseurs, vérifie les performances, standardise les SLA, et agit comme unique contrepartie contractuelle du client. Sa valeur ne se limite pas à la mise en relation : elle assume pour le client des fonctions de passation d’achat, de livraison et une partie de l’intermédiation de crédit ; c’est pourquoi elle se présente aussi comme un « teneur de marché » pour le compute.

Andromeda réalise des transactions sur fonds propres, détient ou contrôle des stocks, gagne sur l’écart de prix, et assume les responsabilités du SLA et de la livraison. SF Compute ressemble davantage à un mélange exchange/broker : son cœur est la mise en relation via une agence et la liquidité secondaire ; elle ne détient pas nécessairement les GPU sous-jacents et gagne surtout des frais de transaction et les effets de réseau du marché.

GMI Cloud nécessite une catégorisation séparée. Ce n’est pas un broker/delamer typique, mais davantage proche d’une neocloud : elle construit des centres de données, détient des actifs et vend des capacités cloud GPU. En plus, elle est aussi l’emprunteur de financements de dette adossés à des GPU : une large part de son financement de série A étant de la dette, elle ressemble davantage au producteur de puissance de calcul du 3e niveau.

Le marché manque aujourd’hui non pas d’une cloud plus idéale et plus décentralisée, mais d’une couche de transaction capable de livrer dès maintenant des capacités H100/H200, d’assumer les SLA et d’aider l’acheteur à réduire les risques de contrats longs.

Existe-t-il déjà un marché de découverte des prix pour la puissance de calcul ?

La forme dominante actuelle des échanges de puissance de calcul demeure l’OTC / le trading bilatéral hautement personnalisable. Les cotations publiques améliorent la transparence, mais elles sont davantage un point de départ pour la découverte des prix qu’un prix final unifié de transaction.

Prenons l’exemple des H100 : on voit déjà apparaître des fourchettes d’offres observables sur le marché. Andromeda est à environ 1,83 dollar par heure ; SF Compute à environ 2,03 dollar par heure de GPU en moyenne ; GMI Cloud avec un prix d’entrée à 2,00 dollar par heure de GPU ; et pour Mithril, le spot d’un instance H100 SXM5 8-GPU converti revient à environ 2,92 dollars par heure de GPU.

Cela signifie que les cotations publiques des H100 se situent globalement dans la fourchette de 1,8 à 3,0 dollars par heure de GPU. Mais ces prix ne sont pas entièrement comparables directement, car les conditions de livraison sous-jacentes ne sont pas identiques. La forme des GPU, la région, l’interconnexion réseau, la taille des clusters, la durée de location, les SLA et le type de workload influencent fortement le prix final effectivement conclu.

Par conséquent, ce que les entreprises achètent réellement n’est généralement pas une abstraction de « une heure de H100 », mais une capacité conçue autour d’un SKU, d’une région, d’une durée et d’une configuration de cluster spécifiques, ainsi que des conditions de livraison. Autrement dit : les cotations web rendent le prix de la puissance de calcul visible ; mais le cœur des transactions actuelles du marché reste un OTC hautement sur mesure.

Ornn : tentative de devenir le niveau d’indices du marché de la puissance de calcul

Source : Ornn

La position centrale d’Ornn n’est pas seulement de vendre de la puissance de calcul : elle vise à construire l’infrastructure de base pour un marché financier de la puissance de calcul. Elle lance l’Ornn Compute Price Index (OCPI), qui suit les prix spot d’exécution en temps réel des ventes conclues de compute GPU comme H100, H200, B200, B300, etc., et organise ces prix en un indice utilisable pour la tarification, la couverture et le règlement. Sur le site d’Ornn, l’OCPI est présenté comme le prix de référence du compute et utilisé dans le compute derivatives market pour la tarification, la couverture et le règlement.

Cela signifie qu’Ornn veut créer l’équivalent des benchmarks de type Platts/Argus/WTI pour le marché de la puissance de calcul : d’abord normaliser des prix dispersés et non standardisés de location de GPU, puis permettre au marché de trader des contrats à terme, des futures ou des perpétuels autour de ce benchmark.

La feuille de route d’Ornn peut être comprise en trois étapes :

Première étape : construire un indice de prix spot, c’est l’OCPI.

Deuxième étape : autoriser l’OCPI auprès des exchanges et des plateformes de produits dérivés, afin qu’il devienne le prix de règlement des contrats.

Troisième étape : développer, autour de l’indice, des produits financiers comme des futures, des perpés, la couverture (hedging) et le lending.

Architect : introduire la structure des contrats perpétuels dans le trading institutionnel de puissance de calcul

Architect est un type d’acteur davantage orienté « lieu de trading » dans le marché des dérivés de puissance de calcul. Il a été fondé par Brett Harrison, ancien président de FTX US ; sa plateforme de trading institutionnelle AX collabore avec Ornn et prévoit de lancer des contrats d’exchange basés sur les prix de location GPU et les prix de la DRAM.

Sur le plan des mécanismes, Architect ne livre pas de vraie puissance de calcul H100/H200. Elle permet plutôt aux traders d’obtenir une exposition financière aux prix de location GPU et aux prix de la mémoire en suivant des contrats qui traquent l’indice de puissance de calcul d’Ornn. Son produit ressemble davantage à la structure de contrats perpétuels du marché crypto : les traders utilisent une marge pour trader des contrats indexés, puis le prix du contrat est ancré via le mécanisme d’ancrage sur l’indice et des taux de financement, dans le but de se rapprocher au maximum des prix de location sous-jacents.

Ainsi, l’importance d’Architect réside dans l’introduction, dans une scène de trading de puissance de calcul plus institutionnelle et réglementée, du mécanisme de perpétuels natif de la crypto. C’est davantage une couche de trading de dérivés dans le marché de la puissance de calcul, tandis qu’Ornn fournit la couche d’indices servant de référence de prix.

Lighter : les contrats perpétuels on-chain pour une découverte précoce des prix négociables

Lighter ressemble davantage à une version on-chain d’une première plateforme de compute perp. La plateforme a déjà lancé $H100, permettant aux utilisateurs de trader une exposition au prix du compute H100 avec un levier allant jusqu’à 10x ; ce produit suit l’Ornn H100 Compute Price Index.

L’intérêt de ce type de produit est qu’il permet pour la première fois au marché de former un signal de prix on-chain continu basé sur les prix de location de GPU. Il ne résout pas le problème de la livraison réelle de GPU, et n’est pas non plus la voie principale d’achat de puissance de calcul par les entreprises ; toutefois, il peut servir de marché précoce pour la spéculation, la couverture et la découverte de prix.

Sur le plan des mécanismes, cela ressemble plus aux perpétuels du marché crypto : les traders ne règlent pas réellement la livraison de la puissance de calcul H100 ; ils échangent un contrat qui suit l’indice H100. Le prix du contrat est ancré via l’indice et le mécanisme de taux de financement.

Son avantage est la vitesse de mise en ligne, un seuil de participation faible, et la possibilité de trader 24h/24, 7j/7. Son inconvénient est que la liquidité pourrait être plus mince, et qu’il existe encore un risque de base entre ce produit et les contrats de capacité réels au niveau entreprise.

ICE × Ornn : feuille de route pour un marché à terme réglementé

ICE suit une voie plus traditionnelle, orientée exchange réglementée. En mai 2026, ICE a annoncé son projet de partenariat avec Ornn afin de lancer une série de GPU compute futures contracts, dont le benchmark de base est l’Ornn Compute Price Index. Dans son annonce, ICE mentionne explicitement que l’OCPI suit des « spot prices » traités en direct pour les principaux types de matériel comme H100, H200, B200, B300 ; les contrats associés seraient libellés en dollars, réglés en cash, et attendraient l’approbation réglementaire.

Le mécanisme des contrats d’ICE diffère de celui de Lighter. Lighter est un perpétuel on-chain, adapté à la formation rapide de prix de trading et à la liquidité spéculative ; ICE est un marché à terme réglementé, plus adapté à la participation des institutions, la compensation, la gestion du risque et la couverture conforme.

En revanche, les contrats d’ICE ne prévoient pas une livraison en nature : ils sont réglés en cash. Autrement dit, les traders ne livrent ni ne reçoivent réellement une capacité H100 ; ils règlent les profits et pertes selon des indices comme l’OCPI. Cela réduit la complexité de livraison, mais signifie aussi que la réussite du contrat dépendra de la crédibilité de l’indice, de sa résistance à la manipulation, et de sa capacité à représenter le prix réel du marché.

Perspectives de marché

Trois directions à surveiller

Institutionnalisation du gré à gré (OTC)
Le dénouement du marché de la puissance de calcul n’impliquera peut-être pas que les acteurs industriels échangent directement des contrats à terme sur une exchange : il est plus probable que des dealers prennent en charge les besoins sur mesure des acteurs industriels, puis gèrent les risques via des indices, des contrats à terme ou des contrats perpétuels. Au cours des 12 à 24 prochains mois, ce qui mérite le plus d’être observé, c’est si des acteurs comme Andromeda et SF Compute pourront passer d’une « plateforme d’achat de puissance de calcul » à une véritable « salle de trading de puissance de calcul » : d’une part traiter des demandes spot au niveau SKU et des besoins réservés ; d’autre part couvrir les risques d’inventaire et de base sur le marché des indices. Celui qui réussira à franchir cette étape en premier aura la possibilité de devenir l’intermédiaire central du marché de la puissance de calcul.

Boucle fermée entre crédit et dérivés
Si « le financement adossé à des GPU + la couverture par contrats à terme » fonctionne, alors les prêteurs pourront gérer plus efficacement la volatilité du prix des GPU et le risque de valeur résiduelle, ce qui réduira le haircut et les coûts de financement. Cela améliorera directement l’efficacité en capital des infrastructures IA, et c’est l’une des significations les plus importantes de la financiarisation de la puissance de calcul pour l’industrie IA « réelle ».

Formation de benchmarks de prix et d’un système de compensation
Pour que la puissance de calcul devienne un actif véritablement négociable et finançable, il faut d’abord établir des benchmarks de prix et des mécanismes de compensation dignes de confiance. Des fournisseurs d’indices comme Ornn, Silicon Data, NATIVX, ainsi que des lieux de trading comme ICE, CME, Architect, Lighter, ne se disputent pas seulement une opportunité produit unique : ils se disputent l’entrée du contrôle des prix du futur marché de la puissance de calcul.

Questions sans réponse

Approbations réglementaires

Les produits de CME, ICE, Architect, etc. doivent encore passer par des approbations réglementaires. Comment la puissance de calcul sera-t-elle définie : comme un produit, un service, ou comme une nouvelle ressource négociable ? Pour le moment, il n’existe pas d’exemple clair.

Marché au comptant de base encore mince

La crédibilité des indices dépend de la profondeur des transactions réelles au comptant. À ce stade, les marchés au comptant publics et la circulation secondaire sont encore en phase initiale : la grande majorité des transactions de puissance de calcul restent verrouillées dans des contrats longs entre hyperscalers, neocloud et sociétés d’IA. Si les transactions au niveau du socle sont insuffisantes, cela peut affecter la représentativité des indices et leur capacité à résister à la manipulation.

Risque de cycle
Si les dépenses d’investissement en IA ralentissent, la liquidité au comptant peut se contracter avant que le marché des dérivés ne soit suffisamment mature. Pendant ce temps, les loyers des GPU ont déjà nettement reculé par rapport aux plus hauts ; et la valeur résiduelle des GPU ainsi que la courbe d’amortissement manquent de données historiques suffisantes, ce qui amplifie encore l’incertitude dans l’évaluation du crédit et la tarification des dérivés.

Référence

À propos de Gate Ventures

Gate Ventures est la branche de capital-risque de Gate. Elle se concentre sur les investissements dans les infrastructures décentralisées, les écosystèmes et les applications, avec pour objectif de redessiner le monde à l’ère de la Web 3.0. Gate Ventures collabore avec des leaders de l’industrie à l’échelle mondiale afin de donner les moyens aux équipes et aux start-ups qui disposent de pensées et de capacités innovantes, redéfinissant ainsi les modes d’interaction entre la société et la finance.
Pour en savoir plus, veuillez consulter : site officiel | X | Telegram | LinkedIn | Medium

Avis de non-responsabilité * :*

Ce contenu ne constitue aucune sollicitation, démarche commerciale ou recommandation. Avant de prendre toute décision d’investissement, vous devez toujours demander des conseils professionnels indépendants. Veuillez noter que GateVentures peut limiter ou interdire tous ou une partie des services provenant de régions soumises à restrictions. Veuillez lire les conditions d’utilisation pour plus d’informations, lien :**