Goldman Sachs : l'IA réoriente vers les centres de données

Une nouvelle orientation des investissements en IA

L'univers de l'investissement dans l'intelligence artificielle connaît actuellement une transformation significative. Les entreprises et les investisseurs redirigent leur attention vers l'infrastructure des centres de données, essentielle au bon fonctionnement des systèmes d'IA. Cette tendance est mise en lumière par une analyse récente de Goldman Sachs, qui décrit ce phénomène comme une "fuite vers la qualité". Concrètement, cela signifie que les investisseurs se concentrent davantage sur les entreprises qui possèdent et exploitent de vastes centres de données et des infrastructures informatiques robustes. En revanche, les entreprises proposant des outils d'IA plus spécialisés ou des logiciels encore en phase expérimentale attirent moins l'attention.

Goldman Sachs prévoit une augmentation rapide des dépenses en infrastructures d'IA. Cette hausse est motivée par le besoin croissant des entreprises d'étendre leur capacité de calcul pour l'entraînement et le déploiement de modèles. Les géants du cloud hyperscale investissent chaque année des dizaines de milliards de dollars dans de nouveaux centres de données et du matériel informatique. Parallèlement, les systèmes de mise en réseau s'élargissent pour soutenir cette croissance.

L'impact de la demande en IA sur le marché des centres de données

Les recherches menées par Goldman Sachs estiment que, dans les deux prochaines années, les charges de travail liées à l'IA pourraient représenter environ 30 % de la capacité totale des centres de données. Cette augmentation est due à la demande croissante en puissance de calcul, tant dans les services cloud que dans les applications d'entreprise. Ce changement illustre comment les tâches d'IA se distinguent des charges de travail cloud traditionnelles. En effet, l'entraînement de grands modèles nécessite l'utilisation simultanée de milliers de puces pendant de longues périodes. De plus, l'inférence, qui consiste à générer des réponses ou des prédictions, requiert également une puissance de calcul constante lorsque les services sont opérationnels.

Les fournisseurs de cloud et les développeurs d'IA augmentent désormais la capacité des centres de données à un rythme sans précédent par rapport aux phases antérieures de l'informatique en cloud. L'expansion de l'infrastructure ne se limite pas au matériel informatique. L'approvisionnement en énergie devient un enjeu central dans la course à l'IA.

Selon les estimations de Goldman Sachs Research, la demande mondiale en énergie des centres de données pourrait croître d'environ 175 % d'ici 2030 par rapport aux niveaux de 2023. Cette augmentation est principalement attribuée aux charges de travail liées à l'IA. La firme souligne que cette croissance serait comparable à l'ajout de la demande électrique d'un autre pays parmi les dix plus gros consommateurs d'énergie au réseau mondial. Cette demande croissante en énergie incite également les services publics et les gouvernements à envisager de nouveaux investissements dans les infrastructures énergétiques.

Les défis 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 jouent également un rôle dans 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 choisissent de construire des clusters d'entraînement d'IA dans des zones éloignées où la terre et l'électricité sont plus accessibles. L'emplacement des centres de données peut également avoir un impact sur l'environnement. 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 contraintes 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.