Cette semaine, l’ensemble des actions américaines et des actions sud-coréennes liées aux semi-conducteurs a subi une véritable boucherie. La stratégie “momentum factor” sur les valeurs tech aux États-Unis a chuté de 40 %, établissant le record du plus rapide et du plus profond drawdown historique.

En face, les résultats trimestriels des banques américaines ont tous dépassé les attentes (ce qui signifie que la consommation et le crédit ne posent pas problème). Les résultats d’ASML\TSM ont également dépassé les attentes, avec une révision à la hausse des perspectives.

La cause centrale de cette baisse reste la trop forte “levier” côté stockage. Une série de liquidations forcées a déclenché un mouvement “multiplier les ventes” (massacre des positions longues à des niveaux élevés), puis quand le secteur du stockage a reculé, les titres des autres segments n’ont eu d’autre choix que de suivre, faute de fondamentaux plus solides que ceux du stockage.

Il y a aussi une grande mauvaise nouvelle cette semaine : la publication de kimi3, dont les performances ont directement pris la première place. À propos de l’affaire kimi, je pense qu’il faut l’observer sous deux angles : le côté entraînement et le côté inférence.

Côté entraînement, je pense que c’est une mauvaise nouvelle. Même si pour l’instant nous ne savons pas exactement combien de GPU et à quel coût kimi a utilisé pour entraîner kimi3, il est très probable que ce soit nettement moins cher qu’OpenAI et “A”. Actuellement, tout le monde suppose qu’au moins une partie a été obtenue via de la distillation à partir de modèles fermés leaders. D’où une question : si l’on peut réduire rapidement l’écart avec les modèles fermés grâce à la distillation ou à d’autres méthodes que nous ignorons, alors où se trouve réellement la barrière des grands modèles ? Est-ce qu’investir autant d’argent chez OpenAI et Anthropic dans des entraînements de pointe conserve encore un intérêt économique ? Kimi 3, je pense, influence surtout la manière dont le marché perçoit les besoins en puissance de calcul pour l’entraînement.

Côté inférence, je pense que c’est plutôt une bonne nouvelle. Même si kimi 3 n’est pas beaucoup moins cher que les modèles fermés du même niveau — environ 20 % de moins — la baisse des coûts favorise l’élargissement de la demande en IA. Plus il y a de grands modèles utiles et bon marché, plus la plage d’utilisation de l’IA s’élargit et plus les cas d’usage se multiplient. La demande d’inférence augmente donc. En plus, les paramètres de kimi 3 sont très élevés : un H100 “ordinaire” risque même de ne pas pouvoir le faire tourner. En pratique, cela accélère encore la demande de calcul de haut niveau.

Dans l’ensemble, la trajectoire de panique provoquée par kimi ressemble à ceci : l’apparition de KIMI 3 — puis tout le monde remet en question les besoins en puissance de calcul et la marge brute d’Open AI et d’Anthropic. Si les besoins en puissance de calcul et/ou la marge brute d’Open AI et d’Anthropic ne peuvent pas être maintenus, alors ils ne pourront pas passer de commandes aux “Big Four clouds” (sachant que la majorité des commandes des “Big Four clouds” provient actuellement de ces deux sociétés). Si les backlog des “Big Four clouds” ne peuvent pas être honorés, alors cela ne pourra pas soutenir les dépenses en capital. Et finalement : éclatement de la bulle IA.

La panique a une logique et des raisons. Mais chaque maillon du raisonnement doit être étayé par des faits. Il y a néanmoins un point qui peut être tenu pour certain : une marge brute d’Anthropic à 80 % ne pourra pas être maintenue. Qu’il s’agisse de distillation ou de vraies méthodes spéciales, le fait demeure : des modèles au même niveau mais moins chers sont déjà apparus.

Et même si la demande en puissance de calcul d’OAI et de “A” diminue, elle pourrait être compensée par d’autres modèles. L’entraînement peut passer par des raccourcis, mais l’inférence doit produire de la puissance de calcul “réellement” — plus il y a de calcul, plus il y a de productivité. Le PDG de Microsoft parle aussi depuis peu d’“AI souveraine”. À l’avenir, les grandes sociétés pourraient toutes, sur la base des modèles open source, effectuer un post-entraînement en fonction de leurs propres besoins afin d’empêcher que les données soient captées par des modèles fermés, puis deviennent de plus en plus fortes. Tout cela représente une demande massive en puissance de calcul.

Revenons au marché boursier : à mon avis, les deux dernières semaines de juillet donneront le ton pour le 3e trimestre. D’après le sentiment actuel du marché, même après une phase de deleveraging, je ne pense pas qu’on verra un rebond en “V” : le sentiment est trop mauvais, et les capitaux en mode “contre-tendance” choisiront de prendre des profits dès la première remontée.

Les capitaux long terme n’entreront certainement que lorsque les résultats des “Big Four tech” auront confirmé leur trajectoire : c’est à ce moment-là que le sentiment commencera à se réparer.

Si les “Big Four clouds” continuent de relever leur CapEx, alors c’est maintenant une occasion rare de constituer le point bas. En revanche, si leurs résultats déçoivent et qu’ils abaissent aussi leur CapEx (événement peu probable), alors tout sera terminé : on pourra alors revenir à la Crypto de manière complète au second semestre de cette année.