Kimi K3 a fait dévisser les puces mémoire, mais Citi et Bank of America voient un avenir radieux : le paradoxe de Jevons à la rescousse

Deux grandes banques de Wall Street ont pris le contre-pied de cette opinion. Citi et Bank of America Securities ont toutes deux soutenu que la vente massive était précisément le mauvais pari, et ont invoqué une théorie économique vieille de 160 ans pour l'expliquer : le paradoxe de Jevons.

Le paradoxe de Jevons en résumé

Citi et Bank of America Securities affirment que le bond d'efficacité de Kimi K3 va augmenter la demande totale de puces mémoire, et non la réduire, car la baisse du coût par token de l'inférence rend l'IA considérablement plus accessible et largement déployée — un cas d'école du paradoxe de Jevons. La vente massive du 16 juillet était, selon elles, un pari directionnel erroné .

La position de Citi : Peter Lee invoque explicitement le paradoxe

L'analyste semi-conducteurs de Citi, Peter Lee, invoque explicitement le paradoxe de Jevons : l'amélioration de l'efficacité technologique réduit le coût unitaire d'utilisation, ce qui, historiquement, entraîne une augmentation — et non une diminution — de la consommation totale de ressources . Dans un podcast de Citi Research enregistré des mois avant le lancement de K3, Lee a déclaré : « Je pense que ce type d'efficacité logicielle n'est pas une menace pour la mémoire. Je pense que c'est positif pour la demande, car cela rend l'IA moins chère et plus utile, ce qui entraîne un cycle d'achat avec une demande encore plus forte pour les puces avancées. Donc, je pense que c'est comme le paradoxe de Jevons » .

Son raisonnement pour expliquer pourquoi l'architecture de Kimi K3 stimule spécifiquement la demande de mémoire :

• Fenêtre de contexte d'un million de tokens — Chaque appel d'inférence de longue durée consomme un énorme cache KV qui doit être stocké dans la mémoire à large bande passante (HBM) et la DRAM serveur. Une tarification moins chère par token incite les utilisateurs à remplir ce contexte d'un million de tokens plus souvent, et non moins .
• La parcimonie du MoE est un leurre pour la mémoire — Bien que Kimi K3 n'active que 16 de ses 896 experts par token (~50 milliards de paramètres actifs), la totalité des 2,8 billions de poids doit encore être chargée en mémoire système pour permettre un routage dynamique des experts. L'hébergement autonome de la version open-weight (27 juillet) nécessitera des clusters dotés de téraoctets de DDR5 serveur et de SSD d'entreprise pour stocker et paginer l'intégralité du modèle .
• Flux de travail basés sur des agents — Les boucles de raisonnement agentiques à plusieurs étapes (pour lesquelles K3 est spécifiquement optimisé) génèrent de nombreux appels d'inférence séquentiels par tâche, chacun consommant de la bande passante mémoire. Une inférence moins chère rend les chaînes d'agents plus longues économiquement viables, ce qui multiplie la consommation de mémoire par tâche .
• Hébergement autonome des poids ouverts — Lorsque les poids complets seront rendus publics le 27 juillet, les entreprises et les chercheurs exécuteront leurs propres instances plutôt que de se fier uniquement à l'accès via une API. Chaque déploiement autonome nécessite son propre pool de mémoire dédié (HBM sur les GPU, DDR5 sur l'hôte et SSD d'entreprise pour le stockage/permutation du modèle), ce qui multiplie la base installée totale de mémoire .

Par ailleurs, Citi a fortement relevé ses prévisions de prix de la mémoire, projetant une possible flambée des prix de la DRAM allant jusqu'à 200 % en 2026 et une hausse de 30 % d'un trimestre sur l'autre des prix de la HBM au quatrième trimestre 2026, ce qui indique qu'ils s'attendaient déjà à un supercycle de la mémoire tiré par l'IA avant même Kimi K3 . Citi avait également prévenu dès septembre 2025 que la DRAM et la mémoire flash NAND entreraient en pénurie d'ici 2026 .

La position de Bank of America Securities : Vivek Arya applique la même logique

Bank of America n'a pas explicitement utilisé l'expression « paradoxe de Jevons » dans ses commentaires publiés sur Kimi K3, mais ses appels antérieurs et postérieurs à la vente massive s'alignent sur la même logique :

• « Repli estival, rebond automnal » — BofA a qualifié le repli du secteur des semi-conducteurs (l'indice SOX a chuté de 11 % au troisième trimestre) de saute d'humeur saisonnière et de correction saine, et non d'un renversement structurel de la demande. La banque prévoit un rebond à l'automne alors que la construction de l'infrastructure IA reprend .
• La mémoire est « sous-évaluée et prête pour l'expansion » — Dans un rapport du 7 juillet, BofA a noté que les puces mémoire se négocient à seulement 10 fois les bénéfices, soit bien en dessous du secteur des semi-conducteurs dans son ensemble, et les a recommandées comme une opportunité d'achat .
• La thèse de la demande d'IA à long terme reste intacte — Les perspectives de BofA pour les semi-conducteurs en 2026 prévoyaient que les ventes mondiales dépasseraient le billion de dollars pour la première fois (soit une hausse de 29 % sur un an), la mémoire (HBM, DDR5, NAND) étant le principal moteur de croissance. La banque a constamment soutenu que des modèles d'IA plus performants et moins chers élargissent le marché adressable plutôt que de le réduire . Bank of America a ensuite relevé ses prévisions de TAM (marché total adressable) des semi-conducteurs pour 2026 à 1 300 milliards de dollars .
• Après Kimi K3, BofA a demandé aux investisseurs de ne pas paniquer — Le 17 juillet, Vivek Arya a attribué la vente massive déclenchée par K3 à des « sautes d'humeur saisonnières » et à des craintes d'inflation des coûts dans la mémoire, et non à un effondrement de la demande, conseillant que les fondamentaux des fabricants de puces mémoire restent intacts .

Pourquoi l'architecture elle-même renforce le scénario haussier

Le précédent historique sur lequel s'appuient les deux banques

La vente massive de DeepSeek-R1 en janvier 2025 a suivi le même schéma : un modèle chinois moins cher et efficace a provoqué une panique dans le secteur des semi-conducteurs, puis la demande de puces a en réalité accéléré à mesure que le déploiement s'est généralisé . Citi et BofA voient en Kimi K3 un « DeepSeek 2.0 » — la même peur, et probablement le même résultat final pour les fabricants de mémoire comme Samsung, SK Hynix et Micron .

Les données du secteur soutiennent cette thèse. TrendForce prévoyait une augmentation de la demande de HBM de 70 % sur un an rien qu'en 2026, la HBM consommant 23 % de la production totale de plaquettes de DRAM . Les analystes estiment que les centres de données d'IA pourraient consommer environ 70 % de la DRAM haut de gamme en 2026 . Les fabricants de mémoire eux-mêmes — dont le PDG de Micron, Sanjay Mehrotra — ont reconnu que les pénuries persisteront au-delà de 2026 .

Même le marché coréen a reconnu cet argument : le 20 juillet, le Chosun Ilbo a rapporté qu'une note interne du secteur des valeurs mobilières citant le paradoxe de Jevons avait brièvement fait repasser les actions de Samsung et SK Hynix dans le vert avant que la vente massive plus large ne reprenne .

Ce que les banques ne disent pas

Il est important de noter les limites de cette thèse. Aucune des deux banques ne prétend que la vente massive était irrationnelle — seulement qu'elle était directionnellement erronée. BofA a explicitement reconnu que des « craintes légitimes d'inflation des coûts dans la mémoire » étaient en partie à l'origine du déclin . Les prévisions de prix de la mémoire de Citi, bien qu'optimistes, impliquent également une pression sur les prix qui pourrait asphyxier les entreprises d'IA en aval. Et Bank of America n'a pas explicitement utilisé l'expression « paradoxe de Jevons » dans ses commentaires publiés sur Kimi K3 ; l'alignement de leur logique est déduit de leurs appels antérieurs et postérieurs à la vente massive .

En résumé

Les deux banques reconnaissent la peur du marché à court terme, mais leur position constante est que le coût moins élevé de Kimi K3 et la sortie de ses poids ouverts élargiront l'adoption de l'IA, augmenteront le volume total d'inférence et stimuleront la demande de mémoire — et non l'inverse. Le paradoxe de Jevons, observé pour la première fois dans la consommation de charbon du 19e siècle, pourrait bien s'avérer le cadre le plus fiable pour comprendre la demande de semi-conducteurs pour l'IA en 2026.