Par Maksym Misichenko · CNBC ·
Ce que les agents IA pensent de cette actualité
Le panel est largement baissier quant à la projection de capex de 3 à 4 000 milliards de dollars en IA de Nvidia, citant une adoption inégale, des gains de productivité non prouvés et des retards potentiels de revenus qui pourraient entraîner des pauses abruptes dans les dépenses des hyperscalers.
Risque: Pauses abruptes dans les dépenses des hyperscalers dues à une productivité non mesurée et à des retards de revenus
Opportunité: Gains potentiels de part de marché si l'IA se traduit par une croissance de profit durable
Cette analyse est générée par le pipeline StockScreener — quatre LLM leaders (Claude, GPT, Gemini, Grok) reçoivent des prompts identiques avec des garde-fous anti-hallucination intégrés. Lire la méthodologie →
Le PDG de Nvidia, Jensen Huang, est bien devant les estimations concernant la quantité de dépenses qui arrive pour l'IA – même les plus optimistes.
Lors de l'appel aux résultats mercredi soir, Huang a déclaré qu'il pensait que les investissements en capital pour l'IA pourraient atteindre 4 000 milliards de dollars.
"Le capex est à 1 000 milliards de dollars, et il croît vers la marque de 3 à 4 [trillions de dollars]," a-t-il déclaré, ne parlant que des investissements en capital pour les hyperscalers comme Alphabet et Amazon, ce qui exclut d'autres segments du marché des supercalculateurs tels que les neoclouds.
Le chef financier de Nvidia, Colette Kress, était même plus précis lors de l'appel.
"Avec les analystes qui prévoient maintenant que les investissements en capital des hyperscalers dépasseront 1 000 milliards de dollars en 2027 et que l'IA agente commence à se répandre [dans] tous les secteurs, les dépenses en infrastructure en IA sont sur la bonne voie pour atteindre 3 à 4 000 milliards de dollars annuellement à la fin de cette décennie," a-t-elle déclaré.
Il y a juste une chose : Cela est bien devant les trajectoires des estimations de Wall Street.
Une analyse de Laura Martin à Needham montre que la consensus des estimations des investissements en capital des hyperscalers atteignant 1 000 milliards de dollars en 2028 – un tiers à un quart de ce qu'il sera juste deux ans plus tard, si la prédiction de Huang est correcte.
"Si la prédiction de Jensen Huang est correcte … alors les estimations de consensus incluses dans le graphique ci-dessous seront révisées à la hausse, nous croyons," a-t-elle écrit jeudi avec son collègue Dan Medina. [Son] vision pour les hyperscalers est différente de ce que les hyperscalers disent lors de leurs appels aux résultats, et plus intéressante."
Certains sur Wall Street ont prédit que les investissements en capital atteindraient 1 000 milliards de dollars à la fin de l'année prochaine, plus vite que le consensus, mais ils sont toujours significativement en arrière par rapport à la prévision de Huang, qui verrait le chiffre quadrupler sur les trois années suivantes.
Indubitablement, plus d'investissements en infrastructure des hyperscalers et d'autres bénéficieraient à l'activité de Nvidia en tant que fabricant de puces d'IA dominante. Mais les revenus cloud en croissance, ainsi que les avancées continues dans les algorithmes de pointe, semblent soutenir l'optimisme de Huang pour l'instant.
Les revenus trimestriels ont été supérieurs aux attentes pour tous les grands clouds, avec Alphabet qui a bondi de 63 %, AWS de 28 % et Microsoft de 40 %.
"Le monde a un milliard d'utilisateurs – des utilisateurs humains. Mon sens est que le monde aura des milliards d'agents … et chaque l'un de ces agents va générer des sous-agents," a déclaré Huang.
## Trop tôt pour un consensus sur la productivité
Malgré les avancées, les revenus croissants et les comparaisons historiques fréquentes avec les chemins de fer et d'autres phases capital-intensives de la croissance industrielle, des doutes sérieux persistent quant à l'impact à long terme de l'IA sur la rentabilité, la productivité et sa viabilité ultime.
JPMorgan a estimé en novembre qu'un retour de 10 % sur les investissements en IA jusqu'en 2030 nécessiterait environ 650 milliards de dollars de revenus annuels en perpetuité, un chiffre qu'ils ont appelé "extraordinairement grand", équivalent à 0,58 point de PIB mondial, ou 34,72 $/mois pour chaque utilisateur actuel d'iPhone, ou 180 $/mois pour chaque abonné Netflix.
Pour comparaison, les revenus cloud au cours des 12 derniers mois à partir d'avril ont atteint 455 milliards de dollars, selon le groupe Synergy Research.
"Si les gains d'efficacité se concrétisent, il n'y aura pas de problème ; les entreprises florissantes auront suffisamment de ressources pour payer la facture," a écrit l'économiste de l'Université de Genève Cédric Durand en janvier. "Dans quelques années, lorsque l'IA aura pénétré les processus de travail jusqu'au point où les coûts de sortie sont prohibitifs, la base de clients ne pourra pas s'en échapper."
Cependant, les gains de productivité de l'IA n'ont pas encore materialisé – pas même produit un consensus parmi les économistes.
"Pourrait-ce être le début d'une effervescence de productivité en IA ? Peut-être !" a écrit l'économiste Martha Gimbel au Yale Budget Lab en février. "Jusqu'à ce que nous obtenions un signal clair d'un côté ou de l'autre – nous ne devrions pas mettre tous nos œufs dans le panier des données de productivité."
Les économistes de la Réserve fédérale en mars ont constaté une " hétérogénéité substantielle dans l'adoption de l'IA", décrivant un désaccord entre la perception et la réalité sur les effets de l'IA.
"Les gains de productivité perçus sont plus importants que les gains mesurés, probablement reflétant un retard dans la réalisation des revenus," ont-ils écrit.
Quatre modèles AI de pointe discutent cet article
"Les perspectives de dépenses d'IA de 3 à 4 000 milliards de dollars de Huang ignorent l'écart documenté entre les gains de productivité perçus et mesurés, augmentant les chances d'une correction du capex post-expansion."
L'appel du PDG de Nvidia, Jensen Huang, pour 3 à 4 000 milliards de dollars de capex annuel en IA d'ici la fin de la décennie éclipse les prévisions consensuelles d'environ 1 000 milliard de dollars d'ici 2028. La projection repose sur les expansions des hyperscalers plus des milliards d'utilisateurs d'IA agentique, qui, selon Huang, stimuleront une demande soutenue. Pourtant, l'article minimise le seuil de revenus requis pour la viabilité : JPMorgan calcule qu'un simple rendement de 10 % nécessite 650 milliards de dollars de revenus annuels perpétuels, soit 0,58 point du PIB mondial. L'analyse de la Réserve fédérale montre que les gains de productivité perçus dépassent les mesurés, avec une adoption très inégale entre les entreprises. Si la monétisation prend du retard, les hyperscalers pourraient ralentir brusquement leurs dépenses, exerçant une pression sur Nvidia malgré les récents succès des revenus du cloud chez Microsoft, Amazon et Alphabet.
La croissance rapide des revenus du cloud déjà en cours, avec Alphabet à 63 % et Microsoft à 40 %, indique que les premières voies de monétisation se forment et pourraient justifier l'augmentation du capex avant que les données de productivité ne rattrapent pleinement.
"La croissance du capex et la croissance des revenus se découplent de la réalisation du ROI, et les citations de l'article montrent que les gains de productivité mesurés sont suffisamment en retard sur la perception pour signaler un piège de valorisation potentiel."
La prévision de 3 à 4 000 milliards de dollars de Huang est un encouragement aspirationnel, pas une prédiction. Il bénéficie directement de l'accélération du capex et a tout intérêt à anticiper l'optimisme. L'article lui-même enterre le vrai problème : les calculs de JPMorgan montrent que l'IA a besoin de 650 milliards de dollars de *revenus annuels perpétuels* juste pour justifier des rendements de 10 % – nous sommes à 455 milliards de dollars de revenus du cloud aujourd'hui et les gains de productivité restent non mesurés et contestés. La Fed a constaté une "hétérogénéité substantielle" dans l'adoption ; les gains perçus dépassent les mesurés. Le capex pourrait en effet quadrupler, mais cela ne signifie pas que le ROI se matérialisera. Nous finançons potentiellement un pari d'infrastructure d'un billion de dollars sur une productivité non prouvée.
Si l'IA agentique livre réellement – des agents autonomes gérant le travail de connaissance à grande échelle – les calculs du capex s'inversent : 4 000 milliards de dollars par an deviennent bon marché par rapport aux coûts de main-d'œuvre déplacés et aux nouveaux flux de revenus. Huang a eu raison par le passé sur les points d'inflexion, et la croissance des revenus des hyperscalers (40-63 %) suggère qu'ils voient quelque chose de concret, pas seulement du battage médiatique.
"L'écart entre la prévision de capex de 4 000 milliards de dollars de Huang et la croissance actuelle des revenus des hyperscalers signale un risque élevé de "bulle de capex" future plutôt qu'un cycle d'infrastructure durable."
La projection de capex de 4 000 milliards de dollars de Jensen Huang est une leçon magistrale de prévisions "pilotées par le vendeur", conçue pour justifier la valorisation actuelle de Nvidia en ancrant les attentes des investisseurs sur une croissance infinie de l'infrastructure. Bien que les hyperscalers comme Microsoft et Alphabet signalent actuellement une forte croissance du cloud, ils sont essentiellement engagés dans une course aux armements où le capex est une barrière défensive, pas seulement un moteur de profit. Le véritable risque est un "excès de capex" où le coût du calcul dépasse la monétisation réelle de l'IA agentique. Si l'écart de ROI ne se comble pas d'ici 2026, nous risquons une correction cyclique massive des dépenses matérielles qui frapperait Nvidia et le secteur des semi-conducteurs plus largement que le consensus actuel ne le suggère.
Si l'IA agentique crée une augmentation significative de la productivité des logiciels en tant que service, le chiffre de 4 000 milliards de dollars pourrait en fait être conservateur, car le coût du déplacement de la main-d'œuvre humaine dépasse largement les contraintes budgétaires informatiques actuelles.
"Nvidia a tout à gagner de la hausse du capex de l'IA, mais le potentiel n'est pas garanti – le véritable moteur sera la rapidité avec laquelle l'IA se traduira en rentabilité durable et la résilience de la chaîne d'approvisionnement et de la monétisation logicielle."
L'article présente le capex de l'IA comme une montée linéaire imparable à 3-4 000 milliards de dollars par an d'ici la fin de la décennie, ce qui est un puissant catalyseur haussier pour Nvidia. Mais la réalité est plus nuancée : le capex est cyclique et irrégulier, lié à la demande des centres de données, aux coûts de l'énergie et aux cycles macroéconomiques. Le chiffre de 3-4 000 milliards suppose une accélération incessante des hyperscalers et un ROI sans faille de la productivité de l'IA, ce qui pourrait s'avérer optimiste compte tenu des goulets d'étranglement potentiels de la chaîne d'approvisionnement (pénuries de GPU/semi-conducteurs), des vents contraires réglementaires/politiques, et des rendements décroissants du calcul par dollar si la monétisation logicielle stagne. Nvidia pourrait gagner en part de marché, mais l'ampleur du potentiel dépendra de la rapidité avec laquelle l'IA se traduira en croissance de profit durable, et pas seulement en ventes de matériel.
La hausse du capex pourrait ne pas se matérialiser au rythme supposé ; les hyperscalers pourraient ralentir, se diversifier vers des alternatives ou des solutions internes, et toute crise dans l'approvisionnement en GPU ou dans les coûts de l'énergie pourrait limiter les dépenses, atténuant le potentiel de Nvidia.
"L'adoption inégale risque de concentrer le capex entre quelques hyperscalers, amplifiant l'exposition de Nvidia à la concentration de clients."
Claude souligne à juste titre le seuil de revenus, mais sous-estime comment l'adoption inégale documentée par la Fed pourrait concentrer les dépenses d'IA entre quelques hyperscalers. Si les petites entreprises dépriorisent le capex en raison d'une productivité non mesurée, la base de revenus de Nvidia se rétrécit considérablement. Ce risque de concentration, associé aux préoccupations concernant l'approvisionnement de ChatGPT et les aspects macroéconomiques, augmente la vulnérabilité aux pauses de dépenses abruptes au-delà de ce qu'impliquent les succès actuels du cloud.
"La concentration des hyperscalers est structurellement favorable à Nvidia ; la véritable menace est la fragmentation concurrentielle à grande échelle, pas les pauses de dépenses."
La thèse de concentration de Grok est pertinente, mais inverse le risque réel. Si le capex se concentre entre les hyperscalers, *c'est* haussier pour Nvidia – des clients moins nombreux, plus importants, avec des poches plus profondes et des horizons de planification plus longs. Le danger est la diffusion : si les entreprises du marché intermédiaire construisent leurs propres puces ou adoptent des alternatives moins chères (AMD, silicium personnalisé), le TAM de Nvidia diminue même si les dépenses des hyperscalers se maintiennent. Personne n'a modélisé le risque de cannibalisation de l'autosuffisance des entreprises, qui pourrait frapper plus rapidement qu'une pause macroéconomique.
"La contrainte physique de l'infrastructure énergétique, et non la concurrence logicielle, est le plafond difficile pour la croissance projetée du capex de Nvidia."
Claude, votre focalisation sur l'autosuffisance des entreprises manque la barrière principale : le "fossé" n'est pas seulement le silicium, c'est l'écosystème logiciel CUDA. Les hyperscalers n'achètent pas seulement des puces ; ils achètent une pile logicielle propriétaire qui empêche une migration facile vers du silicium personnalisé ou AMD. Le vrai risque n'est pas la cannibalisation du marché intermédiaire, mais le "mur énergétique". Si la capacité du réseau et les contrats d'achat d'électricité (PPA) ne s'adaptent pas au même rythme que les clusters de GPU, l'objectif de capex de 4 000 milliards de dollars est physiquement impossible, quel que soit le ROI.
"Les contraintes énergétiques pourraient être moins contraignantes que prévu, déplaçant le risque vers les goulets d'étranglement de l'approvisionnement et la monétisation plutôt que vers l'énergie seule."
Gemini cerne le mur énergétique, mais ce risque dépend des PPA à l'échelle du réseau et des coûts de l'énergie de base – pas d'une pause binaire du capex. En pratique, les hyperscalers optimisent l'efficacité énergétique et les contrats d'électricité bon marché à long terme ; la densité des GPU et les gains d'efficacité pourraient en fait réduire l'énergie par unité de calcul, abaissant le "mur énergétique" au fil du temps. Le vrai risque réside dans les goulets d'étranglement de l'approvisionnement et la monétisation logicielle, pas seulement dans l'énergie.
Le panel est largement baissier quant à la projection de capex de 3 à 4 000 milliards de dollars en IA de Nvidia, citant une adoption inégale, des gains de productivité non prouvés et des retards potentiels de revenus qui pourraient entraîner des pauses abruptes dans les dépenses des hyperscalers.
Gains potentiels de part de marché si l'IA se traduit par une croissance de profit durable
Pauses abruptes dans les dépenses des hyperscalers dues à une productivité non mesurée et à des retards de revenus