#AnthropicDiscloses$84.5BComputeDealWithSpaceX

L’actualité la plus importante concernant l’IA aujourd’hui ne concerne peut-être pas le lancement d’un nouveau modèle. Il pourrait s’agir de la quantité d’infrastructures nécessaires pour maintenir l’économie de l’IA en fonctionnement.

Le dernier dossier d’introduction en bourse d’Anthropic nous donne une image bien plus claire de ce à quoi ressemble cette course aux infrastructures. L’entreprise prévoit de dépenser au moins 518 milliards de dollars au cours de la prochaine décennie auprès de six partenaires d’infrastructure, tandis que ses accords de calcul avec SpaceX pourraient atteindre 84,5 milliards de dollars d’ici 2029. Il ne s’agit pas simplement d’un pari sur un modèle d’IA. C’est un pari sur le fait que la demande en capacité de calcul restera immense pendant des années.

Mais voici ce que je trouve plus intéressant : le calcul commence à ressembler davantage à un contrat d’approvisionnement à long terme qu’à une dépense technologique normale.

Les entreprises d’IA ont besoin d’énormes capacités de calcul avant de savoir exactement comment la demande va évoluer. Elles doivent donc prendre des décisions en matière d’infrastructures plusieurs années à l’avance. Sécuriser trop peu de capacité et la disponibilité des modèles devient une contrainte. En sécuriser trop et l’entreprise se retrouve avec des engagements coûteux qui peuvent devenir inefficaces si l’économie du matériel évolue plus vite que prévu.

Cela crée un paysage concurrentiel complètement différent.

Le prochain goulot d’étranglement se déplace également plus bas dans la chaîne d’approvisionnement. TrendForce a fortement relevé ses prévisions concernant la HBM pour 2027, projetant une hausse de 121 % sur un an des prix de vente moyens pondérés de la HBM, tandis que l’offre devrait rester limitée, les serveurs d’IA se disputant les capacités de fabrication avancée et de production de wafers. La transition vers la HBM4 et la HBM4e ajoute un niveau supplémentaire de coûts et de complexité.

Ainsi, lorsqu’une entreprise d’IA signe un accord de calcul massif, nous ne devrions pas penser uniquement aux GPU.

Il faut penser à toute la chaîne qui se trouve derrière ces GPU : mémoire avancée, réseaux, production d’électricité, refroidissement, construction de centres de données, fabrication de semi-conducteurs et financement nécessaire pour mettre tout cela en place.

C’est pourquoi l’histoire des infrastructures de l’IA pourrait continuer à s’étendre au-delà des entreprises qui construisent les modèles. Une pénurie à un niveau peut affecter l’économie de l’ensemble du système.

Un autre développement mérite d’être suivi : la manière dont ces infrastructures sont financées.

Reuters a rapporté aujourd’hui que les prêteurs et les investisseurs restent prudents à l’idée de traiter les GPU d’IA comme des garanties traditionnelles. NVIDIA pousse en faveur d’un modèle de financement beaucoup plus vaste autour des infrastructures de l’IA, mais les institutions financières restent préoccupées par la dépréciation du matériel et par la durée pendant laquelle les accélérateurs coûteux conservent une valeur économique. Au lieu de simplement demander combien vaut un GPU, les prêteurs veulent de plus en plus savoir s’il existe des revenus fiables ou un solide contrat client derrière celui-ci.

Cette distinction pourrait devenir extrêmement importante.

Si les infrastructures de l’IA sont de plus en plus financées par des contrats à long terme, le secteur commence à ressembler autant à une activité d’infrastructure qu’à une activité logicielle. Les flux de trésorerie futurs, les taux d’utilisation et la disponibilité de l’électricité deviennent tout aussi importants que les benchmarks des modèles.

Et cela nous amène à ce que je considère comme la question la plus importante pour les prochaines années :

La demande en IA peut-elle croître assez rapidement pour justifier les infrastructures construites aujourd’hui ?

Pour l’instant, le cycle d’investissement reste agressif. Les fournisseurs de mémoire constatent une forte demande de la part des serveurs d’IA, les engagements en matière d’infrastructures atteignent des niveaux extraordinaires et les entreprises se disputent la capacité de calcul future au lieu d’attendre d’en avoir réellement besoin. Les derniers résultats de Micron ont également confirmé à quel point la demande des centres de données d’IA se répercute sur le secteur de la mémoire.

Mais le secteur ne peut pas résoudre tous les problèmes en ajoutant simplement davantage de GPU.

À un moment donné, l’efficacité devient le prochain avantage concurrentiel.

Si un modèle peut produire le même résultat utile pour la moitié du coût d’inférence, cette amélioration peut être économiquement plus importante que l’ajout d’un autre cluster massif. De meilleures architectures de modèles, l’optimisation de l’inférence, la parcimonie, les accélérateurs spécialisés et une meilleure efficacité de la mémoire pourraient donc devenir tout aussi importants que la puissance de calcul brute.

C’est la transition que je vais suivre.

La première phase de l’IA concernait les acteurs capables de construire les modèles les plus performants.

La deuxième phase commence à concerner ceux capables de sécuriser suffisamment de capacité de calcul.

La prochaine phase pourrait concerner ceux capables de transformer chaque unité de calcul en la plus grande valeur économique.

L’accord de 84,5 milliards de dollars entre Anthropic et SpaceX est donc intéressant, non pas simplement parce que le chiffre est énorme, mais parce qu’il nous donne un aperçu du coût potentiel des fondations physiques de l’IA.

L’IA peut ressembler à une révolution logicielle vue de l’extérieur.

En dessous, une immense économie des infrastructures est en train de se construire.

Et cette économie ne fait que commencer.

@GateSquare @Gate_Square