Goldman Sachs observe un changement d'investissement en IA vers les centres de données

Goldman Sachs observe un changement d'investissement en IA vers les centres de données

L'investissement dans l'intelligence artificielle entre dans une phase plus sélective alors que les entreprises et les investisseurs se tournent vers l'infrastructure des centres de données nécessaire au fonctionnement des systèmes d'IA.

Une analyse récente de Goldman Sachs suggère que le marché évolue vers ce que la firme décrit comme une « fuite vers la qualité ». En pratique, les investisseurs portent une attention accrue aux entreprises qui possèdent et exploitent de grands centres de données et des infrastructures informatiques. Les entreprises proposant des outils d'IA étroits ou des logiciels expérimentaux reçoivent moins d'attention.

Goldman Sachs s'attend à ce que les dépenses en infrastructure d'IA augmentent rapidement alors que les entreprises étendent leur capacité de calcul pour l'entraînement et le déploiement de modèles. Les entreprises de cloud hyperscale investissent des dizaines de milliards de dollars chaque année dans de nouveaux centres de données et du matériel informatique. Les systèmes de mise en réseau s'étendent également pour soutenir cette croissance.

La demande en IA redéfinit le marché des centres de données

Les recherches de Goldman Sachs estiment que les charges de travail liées à l'IA pourraient représenter environ 30 % de la capacité totale des centres de données dans les deux prochaines années, alors que la demande en puissance de calcul augmente dans les services cloud et les applications d'entreprise. Ce changement reflète la manière dont les tâches d'IA diffèrent des charges de travail cloud traditionnelles. L'entraînement de grands modèles nécessite des milliers de puces fonctionnant en parallèle pendant de longues périodes. L'inférence, le processus de génération de réponses ou de prédictions, nécessite également une puissance de calcul constante lorsque les services sont en fonctionnement.

Les fournisseurs de cloud et les développeurs d'IA étendent désormais la capacité des centres de données à un rythme jamais vu lors des phases précédentes de l'informatique en cloud. La demande en infrastructure s'étend au-delà du matériel informatique. L'approvisionnement en énergie devient un enjeu central dans la course à l'IA.

Goldman Sachs Research estime que la demande mondiale en énergie des centres de données pourrait augmenter d'environ 175 % d'ici 2030 par rapport aux niveaux de 2023, principalement en raison des charges de travail liées à l'IA. La firme indique que cette augmentation serait à peu près équivalente à l'ajout de la demande électrique d'un autre pays parmi les dix plus gros consommateurs d'énergie au réseau mondial. La demande croissante en énergie pousse également les services publics et les gouvernements à envisager de nouveaux investissements dans les infrastructures énergétiques.

Les limites d'infrastructure façonnent la stratégie en IA

Le besoin croissant en énergie et en refroidissement influence l'emplacement des nouveaux centres de données pour l'IA. Les exigences en matière d'espace façonnent également le choix des sites. Les grandes installations sont souvent situées à proximité de sources d'énergie stables et de réseaux de fibre à haute capacité. Certaines entreprises construisent des clusters d'entraînement d'IA dans des zones éloignées où la terre et l'électricité sont plus faciles à sécuriser. L'emplacement des centres de données peut également affecter l'impact environnemental. Des recherches académiques sur l'infrastructure d'IA montrent que les systèmes de refroidissement et la localisation géographique peuvent influencer la consommation d'énergie et d'eau autant que l'efficacité du matériel.

Ces limites commencent à affecter la manière dont les entreprises technologiques planifient leurs stratégies en IA. Construire de nouveaux modèles ou logiciels n'est qu'une partie du défi. Les entreprises doivent également s'assurer qu'elles disposent de l'infrastructure nécessaire pour faire fonctionner ces systèmes de manière fiable. Dans de nombreux cas, la construction de cette infrastructure prend des années.

La construction de grands centres de données implique des chaînes d'approvisionnement complexes. Les projets nécessitent souvent l'acquisition de terrains et des connexions au réseau électrique. Beaucoup dépendent également d'accords énergétiques à long terme. Les pénuries d'équipements électriques et les retards dans l'expansion du réseau peuvent ralentir les nouveaux projets. Ces contraintes aident à expliquer pourquoi les investisseurs portent une attention accrue aux entreprises qui contrôlent déjà de grands réseaux de centres de données.

Une phase sélective du marché de l'IA

Lors de la première vague d'adoption de l'IA générative, de nombreuses entreprises ont vu leur valeur marchande augmenter simplement en s'associant à l'IA. Cette phase commence maintenant à changer alors que les investisseurs réévaluent où la croissance de l'IA se produira.

Les investisseurs examinent quelles entreprises disposent de l'infrastructure et des modèles de revenus nécessaires pour soutenir un déploiement à long terme. Les opérateurs de centres de données et les fabricants de puces se situent près de la base de cet écosystème. Leurs services sont requis, quel que soit le type d'application d'IA qui gagne en traction.

Lors des vagues précédentes de croissance informatique, les entreprises qui construisaient l'infrastructure sous-jacente capturaient souvent des revenus stables. Les plateformes logicielles, en revanche, connaissaient des fluctuations plus rapides. Une dynamique similaire pourrait maintenant se former dans le secteur de l'IA.

L'expansion de l'infrastructure soulève également de nouvelles questions. La demande en énergie et la capacité du réseau deviennent des enjeux centraux pour les gouvernements et les planificateurs industriels. L'impact environnemental est également soumis à un examen plus attentif.

Dans les années à venir, l'économie de l'IA pourrait dépendre autant des centrales électriques et des systèmes de refroidissement que des algorithmes et des logiciels. Cette réalité façonne la prochaine étape de la course à l'IA.