RéponsesPublié20 sources
Tokens bon marché, calcul coûteux : l’essor de l’IA sous pression
Le coût de l’inférence aurait diminué d’environ 95 % en deux ans pour des performances comparables, tandis que les coûts des semi conducteurs et du financement augmentent. Nvidia a réalisé 96,2 milliards de dollars de chiffre d’affaires au deuxième trimestre de son exercice 2027, en hausse de 106 %, mais anticipe un...
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Le coût de l’inférence aurait diminué d’environ 95 % en deux ans pour des performances comparables, tandis que les coûts des semi conducteurs et du financement augmentent.
- Nvidia a réalisé 96,2 milliards de dollars de chiffre d’affaires au deuxième trimestre de son exercice 2027, en hausse de 106 %, mais anticipe une pression sur ses marges liée au prix de la mémoire.
- Le financement de puces envisagé par Broadcom est toujours en négociation. Sa structure pourrait dépasser 60 milliards de dollars de dette, avec une tranche junior d’environ 30 milliards, faisant du calcul de l’IA un...
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How is the AI market being squeezed as token prices fall roughly 95% since early 2024—illustrated by the free near-frontier Ox Alpha model a. Article summary: The AI economy is experiencing a margin-and-financing squeeze: model capability is becoming commoditized faster than the physical infrastructure needed to produce it. That favors scarce-hardware suppliers in the near ter. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Le marché de l’intelligence artificielle avance désormais sur deux trajectoires opposées. D’un côté, le prix d’utilisation des modèles les plus performants s’effondre : un modèle gratuit baptisé Ox Alpha serait apparu près de la frontière technologique, tandis qu’OpenAI a réduit en juillet de 80 % le prix de son modèle GPT-5.6 Luna et de 20 % celui de Terra. 17
16 Selon des estimations plus larges, le coût de l’inférence aurait reculé d’environ 95 % en deux ans à niveau de performance comparable.
22
De l’autre, les infrastructures physiques nécessaires pour produire ces réponses deviennent plus chères. Samsung a relevé jusqu’à 15 % les prix de certaines commandes de fabrication avancée et prévoit une aggravation de la pénurie mondiale de mémoire jusqu’en 2028. 32
33 Le secteur se retrouve donc face à une situation inhabituelle : le prix du produit final baisse, alors que celui des intrants critiques reste orienté à la hausse.
Une chaîne de valeur qui se divise
La distinction essentielle oppose la couche d’intelligence, qui tend à se banaliser, à la couche d’infrastructure, limitée par l’offre.
L’accès aux modèles généralistes devient plus facile à remplacer. Lorsqu’un fournisseur réduit ses tarifs, lance un modèle plus léger ou propose gratuitement une solution compétitive, ses rivaux subissent immédiatement la pression. Les changements tarifaires annoncés en juillet ont ainsi fait passer le prix des entrées de GPT-5.6 Luna de 1 dollar à 0,20 dollar par million de tokens, et celui de Terra de 2,50 dollars à 2 dollars. 16
Les infrastructures obéissent à une autre logique. Les capacités de fabrication avancée, la mémoire à large bande passante, les réseaux, l’électricité et les serveurs complets destinés à l’IA ne peuvent pas être déployés aussi rapidement que les prix des logiciels peuvent être abaissés. Samsung indique que ses clients recherchent des contrats d’approvisionnement pluriannuels et que les pénuries pourraient s’accentuer d’ici 2028. 33 Des informations faisant état d’une hausse de plus de 15 % du prix de serveurs basés sur des composants Nvidia montrent aussi comment les fournisseurs pourraient répercuter ces coûts, même s’il ne s’agit pas d’une annonce officielle de Nvidia.
36
Pour les fournisseurs de services d’IA, le problème commercial est direct : le revenu par token peut diminuer alors que les volumes augmentent, tandis que les coûts de capacité, d’énergie, de matériel et de financement ne suivent pas nécessairement la même courbe.
Ce que les résultats de Nvidia révèlent
Les résultats de Nvidia pour le deuxième trimestre de son exercice 2027 montrent que le boom des infrastructures reste exceptionnellement puissant. Le groupe a annoncé 96,2 milliards de dollars de chiffre d’affaires trimestriel, en hausse de 106 % sur un an, ainsi qu’un bénéfice ajusté par action de 2,22 dollars. 60 La direction prévoit par ailleurs une croissance du chiffre d’affaires d’environ 70 % pour l’exercice 2028.
51
Ces chiffres ne signifient pas que toute l’économie de l’IA a résolu son problème de rentabilité. Ils montrent surtout que la demande pour les accélérateurs, dont l’offre reste limitée, demeure très forte. Nvidia occupe une position de goulet d’étranglement dans la chaîne d’approvisionnement, face à des clients qui continuent de se disputer les capacités disponibles.
Mais la hausse du coût de la mémoire commence à peser sur la qualité de cette croissance. Nvidia prévoit une marge brute d’environ 74 % au trimestre suivant, contre 75 % au trimestre publié, et les commentaires sur ses perspectives ont en partie relié cette pression au prix de la mémoire. 51 Cela ne préjuge pas nécessairement d’un effondrement de la rentabilité du groupe. À l’avenir, ses performances pourraient toutefois dépendre davantage des hausses de prix, de l’intégration de systèmes complets, des réseaux, des logiciels et de l’exécution de sa chaîne d’approvisionnement — et moins uniquement de la vente de puces rares à prix élevé.
Broadcom transforme la demande d’infrastructures en test financier
Broadcom illustre une autre dimension de cette pression. Reuters et Bloomberg ont rapporté que le groupe discutait avec des prêteurs d’un financement de plus de 60 milliards de dollars destiné à une opération sur des puces d’IA bénéficiant notamment à Anthropic. La structure pourrait inclure une tranche de dette junior d’environ 30 milliards de dollars, en complément d’une tranche senior garantie, mais les conditions étaient encore en cours de négociation. 1
2
Cette nuance est importante : il s’agissait d’un projet de financement, et non d’un emprunt finalisé. Les montants évoqués doivent donc être considérés comme une fourchette discutée, pas comme les termes définitifs d’une transaction.
La question économique est de savoir si les revenus générés par ces puces resteront suffisamment durables pour assurer le service de la dette. Une puce peut avoir une grande valeur technique tout en constituant un mauvais investissement à effet de levier si le prix des modèles baisse, si la concentration des clients est élevée, si la valeur du matériel diminue ou si le refinancement devient plus coûteux.
C’est pourquoi les marchés du crédit sont concernés. Dès lors que les infrastructures sont financées par une dette importante, la baisse du prix des tokens ne constitue plus seulement un problème tarifaire pour les éditeurs de logiciels. Elle peut aussi affecter les flux de trésorerie attendus par les bailleurs, les véhicules ad hoc, les fournisseurs et les prêteurs.
Les géants du cloud ont des atouts, mais pas de garantie
Les grandes entreprises du cloud sont mieux armées que les fournisseurs de modèles indépendants. Elles peuvent intégrer l’IA à leurs services cloud existants, à leurs logiciels professionnels, à la publicité, aux données et à leurs canaux de distribution. Elles ont aussi la possibilité de subventionner certaines fonctions d’IA tout en monétisant leurs clients sur d’autres produits.
Cela ne suffit pas à prouver que chaque investissement dans l’IA offrira un rendement intéressant. Des modèles moins chers peuvent stimuler les usages tout en réduisant le revenu par unité. Une capacité excédentaire pourrait faire de l’IA une fonction à faible marge du cloud, plutôt qu’un nouveau pôle de profits. La véritable mesure n’est donc pas le nombre de tokens traités, mais le montant que les clients sont prêts à payer pour les gains de productivité, de revenus ou d’économies réalisés.
Pour les entreprises, la facture ne se résume pas aux tokens
La baisse des prix de l’inférence est réellement favorable aux entreprises. Elle facilite les expérimentations, l’automatisation de processus ciblés et l’utilisation de modèles plus performants dans des cas d’usage qui n’étaient auparavant pas rentables.
Mais le prix des tokens ne représente qu’une partie du coût d’un déploiement. Les entreprises doivent toujours financer l’intégration, la préparation des données, la sécurité, la gouvernance, l’évaluation des modèles et l’accompagnement du changement. Une facture d’API plus faible ne garantit pas à elle seule un retour sur investissement positif.
Le marché se dirige donc vers une question plus exigeante : quel résultat commercial mesurable chaque unité de calcul produit-elle ? Les entreprises capables de relier l’usage d’un modèle à des revenus ou à des économies vérifiables devraient être mieux placées que celles qui accumulent de la capacité sans cas d’usage précis.
Le signal pour les investisseurs et les marchés du crédit
Les investisseurs doivent distinguer l’exposition aux intrants rares de l’exposition à l’accès aux modèles, qui tend à se banaliser.
Le premier ensemble comprend la mémoire, la fabrication avancée, les réseaux, l’électricité et les systèmes intégrés d’accélérateurs. Ces activités peuvent conserver un pouvoir de négociation tant que les clients se disputent les capacités disponibles. Les hausses de prix de Samsung et ses prévisions de pénurie témoignent de ce rapport de force actuel. 32
33
L’accès aux modèles est soumis à une épreuve plus difficile. Les solutions gratuites ou fortement remisées peuvent élargir le marché, mais elles rendent difficile le maintien de prix élevés pour une inférence non différenciée. La pérennité économique pourrait plutôt dépendre d’une distribution propriétaire, de données exclusives, de workflows spécialisés, de contrats garantissant la demande ou de logiciels capables de capter une valeur supérieure à celle du token lui-même.
Pour les investisseurs obligataires, les points à surveiller sont les flux de trésorerie contractuels, la concentration de la clientèle, la valeur résiduelle du matériel, la structure de la dette et les échéances de refinancement. Le projet de transaction de Broadcom constitue un avertissement utile : il montre à quelle vitesse les infrastructures d’IA peuvent devenir une question de financement, et pas seulement de technologie. 1
2
En définitive
Le boom de l’IA ne suit pas une courbe de coûts uniforme. L’intelligence devient moins chère et plus abondante, tandis que les capacités physiques nécessaires pour la produire restent rares et coûteuses.
Cette divergence explique comment Nvidia peut afficher une croissance spectaculaire tout en signalant une pression sur ses marges. Elle explique aussi pourquoi un montage potentiel de financement de puces de plusieurs dizaines de milliards de dollars attire l’attention des marchés du crédit alors même que la demande d’IA reste vigoureuse.
La prochaine phase du marché dépendra moins de la seule performance des modèles que de la capacité des clients à transformer une intelligence bon marché en flux de trésorerie durables — avant que les infrastructures de calcul coûteuses et financées par la dette ne doivent être refinancées.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Tokens bon marché, calcul coûteux : l’essor de l’IA sous pression » ?
Le coût de l’inférence aurait diminué d’environ 95 % en deux ans pour des performances comparables, tandis que les coûts des semi conducteurs et du financement augmentent.
Quels sont les points clés à valider en premier ?
Le coût de l’inférence aurait diminué d’environ 95 % en deux ans pour des performances comparables, tandis que les coûts des semi conducteurs et du financement augmentent. Nvidia a réalisé 96,2 milliards de dollars de chiffre d’affaires au deuxième trimestre de son exercice 2027, en hausse de 106 %, mais anticipe une pression sur ses marges liée au prix de la mémoire.
Que dois-je faire ensuite en pratique ?
Le financement de puces envisagé par Broadcom est toujours en négociation. Sa structure pourrait dépasser 60 milliards de dollars de dette, avec une tranche junior d’environ 30 milliards, faisant du calcul de l’IA un...