L’IA entre dans une nouvelle phase : investir au-delà des goulots d’étranglement

Points clés :

• Une IA moins coûteuse favorise son adoption. La baisse du coût des modèles et de l’inférence devrait permettre à l’IA de se diffuser dans un plus grand nombre d’entreprises, auprès de davantage de salariés et dans les usages du quotidien. C’est une bonne nouvelle pour l’adoption globale, même si cela exerce une pression sur le pouvoir de fixation des prix des développeurs de modèles et de certains fournisseurs de matériel.
• Des dépenses en IA plus ciblées ne signifient pas la fin de la demande en matériel. Les hyperscalers continueront d’investir massivement, mais ils optimiseront de plus en plus leurs achats de matériel, les lieux de déploiement et le retour sur investissement attendu. Les gagnants pourraient donc ne plus être les acteurs exposés à l’ensemble du marché du hardware, mais ceux qui occupent des positions clés sur des segments spécialisés ou proposent des infrastructures particulièrement efficaces.
• Le KOSPI peut rebondir après le désendettement, mais un positionnement plus sain ne marque pas le début d’un nouveau cycle de la mémoire. Les mécanismes de marché en Corée se sont améliorés, mais retrouver le rythme de progression précédent nécessitera de nouvelles révisions à la hausse des bénéfices. Le principal risque est que les anticipations sur le marché de la mémoire atteignent leur pic avant que la demande réelle ne le fasse.

La première phase du thème d’investissement lié à l’intelligence artificielle reposait sur un principe simple : la rareté.

Il n’y avait pas suffisamment de puces avancées, de mémoire HBM (High-Bandwidth Memory), de composants réseau, de capacités électriques ou de centres de données pour répondre à la demande. Les investisseurs n’avaient pas besoin de savoir précisément comment l’IA serait monétisée. Il suffisait d’investir dans les entreprises qui fournissaient les ressources les plus rares.

Cette phase est aujourd’hui en train d’évoluer.

Les dépenses consacrées aux infrastructures IA restent soutenues et le matériel demeurera indispensable. Mais la prochaine étape ne consistera plus uniquement à construire le plus grand modèle ou à obtenir la puce la plus avancée. Elle portera davantage sur la capacité à rendre l’IA abordable, efficace et réellement utile.

Pour les investisseurs, on passe ainsi d’une logique de rareté de l’IA à une logique d’économie de l’IA.

Pourquoi l’efficacité devient le nouveau moteur de l’IA

Le secteur de l’IA ne perd pas en importance. En revanche, certaines de ses composantes deviennent progressivement des commodités.

Un nombre croissant d’entreprises peut désormais accéder à des modèles performants via des solutions open source, des plateformes cloud ou des interfaces de programmation (API). Il n’est plus toujours nécessaire d’entraîner son propre modèle, de construire un centre de données ou d’acheter les GPU les plus sophistiqués.

Pour la plupart des entreprises, il suffit que l’IA soit :

• suffisamment précise ;
• facile à intégrer ;
• sécurisée et fiable ;
• assez rapide pour répondre au besoin ;
• économiquement viable à grande échelle.

Cela change profondément la manière d’aborder l’investissement.

La première phase consistait à maximiser les performances. La suivante visera de plus en plus à atteindre le niveau de performance nécessaire au coût le plus faible possible.

Deux facteurs accélèrent cette transition : la concurrence chinoise et l’attention croissante portée aux dépenses des hyperscalers.

La Chine mise sur les prix et l’efficacité

La Chine ne domine peut-être pas encore tous les segments de pointe des semi-conducteurs avancés. En revanche, elle devient de plus en plus compétitive en matière d’architecture des modèles, d’efficacité, de systèmes ouverts et de prix.

Alibaba a récemment dévoilé son plus grand modèle d’IA à ce jour, tandis que DeepSeek a lancé un modèle à très faible coût, proposé à un tarif largement inférieur à celui de nombreux concurrents. Ces lancements illustrent la stratégie chinoise consistant à proposer des modèles ouverts et abordables afin d’attirer les développeurs et d’accélérer l’adoption de l’IA.

Cela est important, car une baisse du prix des modèles peut rapidement réduire le coût de déploiement de l’IA.

Un distributeur n’a pas besoin du modèle le plus puissant au monde pour améliorer ses recommandations de produits. Une banque n’a pas forcément besoin d’un raisonnement de niveau « frontier » pour répondre à chaque demande du service client. Un industriel peut simplement avoir besoin d’un système fiable de détection d’anomalies plutôt que de l’intelligence artificielle généraliste la plus avancée disponible.

À mesure que l’écart de performances entre les modèles haut de gamme et les modèles plus abordables se réduit, de moins en moins d’utilisateurs accepteront de payer le prix fort lorsqu’un modèle moins cher répond déjà parfaitement à leurs besoins.

Cela ne signifie pas pour autant que la demande en matériel de pointe disparaîtra. Les modèles les plus avancés, la recherche scientifique et l’entraînement à très grande échelle continueront de nécessiter les puces les plus performantes du marché.

En revanche, la structure de la demande pourrait évoluer.

La croissance pourrait provenir de plus en plus :

• de modèles plus petits et spécialisés ;
• d’accélérateurs personnalisés ;
• de puces optimisées pour l’inférence ;
• d’une utilisation plus intelligente de la mémoire conventionnelle ;
• de l’edge computing ;
• de logiciels réduisant les besoins en puissance de calcul ;
• de services cloud offrant un choix plus large de modèles et de matériels.

Les recherches sur l’économie de l’inférence montrent que de nombreuses charges de travail n’exploitent pas toute la puissance de calcul intégrée aux GPU les plus avancés. Certaines tâches d’inférence sont davantage limitées par la capacité mémoire et les transferts de données que par la puissance de calcul brute.

Autrement dit, les GPU de dernière génération ne deviennent pas obsolètes. En revanche, toutes les applications d’IA n’exigent pas la configuration matérielle la plus coûteuse.

Les dépenses d’investissement dans l’IA deviennent plus sélectives

Les interrogations autour des dépenses d’investissement (capex) dans l’IA sont parfois interprétées de manière trop simpliste.

Certains investisseurs craignent qu’une plus grande discipline des hyperscalers entraîne immédiatement un recul de la demande en semi-conducteurs et en centres de données. Ce n’est pas forcément la bonne conclusion.

Les hyperscalers continuent d’étendre leurs infrastructures, car l’utilisation de l’IA progresse rapidement et les capacités existantes restent insuffisantes. Les estimations consensuelles des dépenses d’investissement de Microsoft, Alphabet, Amazon, Meta et Oracle sont ainsi passées d’environ 485 milliards de dollars au début de l’année 2026 à près de 730 milliards de dollars en juillet.

Le changement ne consiste donc pas à passer d’une logique d’investissement à une logique de désengagement. Il s’agit plutôt de passer d’une dépense sans véritable contrainte à un investissement guidé par une logique économique plus claire.

Les dépenses d’investissement dans l’IA deviennent donc plus ciblées, sans pour autant être nécessairement moins importantes.

Le cycle global d’investissement peut ainsi se poursuivre, même si les taux de croissance ralentissent après des niveaux exceptionnels. Selon des estimations d’UBS citées par Reuters, les dépenses d’investissement des hyperscalers pourraient progresser de 76 % en 2026, avant de ralentir à 25 % en 2027 puis à 6 % en 2028.

Pour les investisseurs exposés au secteur du matériel, cette distinction est essentielle.

Un ralentissement de la croissance des dépenses d’investissement est très différent d’une baisse effective de ces dépenses. Mais les marchés actions réagissent aux variations marginales. Des entreprises du hardware valorisées sur l’hypothèse d’une accélération continue des investissements peuvent voir leur cours reculer même si la croissance reste positive, simplement parce qu’elle devient moins exceptionnelle.

Des modèles toujours plus grands à une meilleure rentabilité économique

La baisse des coûts pourrait enclencher un puissant cercle vertueux.

À mesure que l’IA devient moins chère, les entreprises peuvent en étendre l’usage. Une société qui la réservait jusque-là à une petite équipe de développeurs peut désormais la déployer au service client, au marketing, à la recherche, à la logistique ou encore aux opérations internes.

Le coût de chaque tâche diminue, mais le nombre total de tâches réalisées augmente.

C’est le principal argument des optimistes face aux inquiétudes concernant la demande en matériel : les gains d’efficacité peuvent stimuler une telle hausse des usages que les besoins globaux en puissance de calcul continuent malgré tout d’augmenter.

En revanche, la création de valeur pourrait être répartie différemment.

Lorsque les modèles sont rares et coûteux, ils captent l’essentiel de la valeur économique. Lorsqu’ils deviennent plus accessibles et facilement substituables, la valeur peut se déplacer vers les entreprises qui contrôlent :

• la distribution ;
• des données propriétaires ;
• la relation client ;
• les infrastructures cloud ;
• les processus métiers ;
• des applications de confiance.

C’est précisément pour cette raison que les grandes plateformes numériques pourraient prendre encore davantage d’importance.

Alibaba, Tencent, Microsoft, Alphabet et Meta ne se contentent pas de proposer des modèles d’IA. Ils peuvent intégrer ces modèles dans leurs services cloud, leurs plateformes publicitaires, leurs activités de commerce en ligne, leurs logiciels professionnels, leurs moteurs de recherche, leurs réseaux sociaux et leurs écosystèmes clients existants.

Ils n’ont donc pas besoin de conquérir un nouveau client à chaque lancement d’un produit d’IA : ils diffusent ces services auprès d’utilisateurs qui font déjà partie de leur écosystème.

Le cycle de la mémoire approche-t-il de son sommet ?

Cette évolution vers davantage d’efficacité soulève une question importante pour la Corée du Sud.

Le KOSPI a été l’un des principaux bénéficiaires du cycle de l’IA, porté par les besoins en matériel informatique et en mémoire. Samsung Electronics et SK Hynix ont offert aux investisseurs une exposition directe à l’explosion de la demande de mémoire pour serveurs et de mémoire HBM.

Après la récente correction, de nombreux investisseurs se demandent si le marché peut retrouver la dynamique qui avait porté sa précédente hausse maintenant que les positions les plus encombrées ont été allégées.

L’hypothèse d’un rebond tactique est tout à fait crédible.

Les analystes de J.P. Morgan ont récemment estimé que le débouclement des ETF à effet de levier était terminé et que les hedge funds avaient réalisé environ 90 % de leur processus de désendettement.

Un positionnement plus sain réduit le risque que de nouvelles ventes forcées prennent le dessus sur les fondamentaux. Il redonne également davantage de confiance aux investisseurs souhaitant se réexposer après une correction marquée.

Mais le désendettement résout un problème de structure de marché. Il ne relance pas automatiquement le cycle des bénéfices.

Le précédent rallye du KOSPI reposait sur plusieurs moteurs fonctionnant simultanément :

• la hausse des prix de la mémoire ;
• des révisions successives des bénéfices à la hausse ;
• une demande croissante liée à l’IA ;
• d’importants flux de capitaux étrangers ;
• un recours accru à l’effet de levier et aux achats dictés par le momentum.

Les composantes liées au levier et au momentum peuvent revenir. La véritable question est de savoir si les anticipations de bénéfices peuvent continuer à progresser au même rythme.

C’est précisément là qu’apparaît le risque d’un pic cyclique.

Il est important de préciser ce que signifie ici le terme « pic ». Cela ne veut pas forcément dire que les prix de la mémoire vont s’effondrer ni que la demande liée à l’IA a atteint son sommet.

TrendForce estime toujours que le marché de la DRAM restera en situation de sous-offre, la croissance de la demande pouvant continuer à dépasser celle de l’offre jusqu’en 2027.

Le risque le plus important concerne plutôt un pic :

• du rythme de hausse des prix de la mémoire ;
• de la cadence des révisions haussières des bénéfices ;
• des attentes des investisseurs ;
• de l’expansion des multiples de valorisation ;
• de la disposition des investisseurs à payer aujourd’hui pour des bénéfices très éloignés dans le temps.

Les marchés actions atteignent souvent leur sommet avant les revenus ou les bénéfices des entreprises. Une société peut continuer à publier des résultats records tout en voyant son cours stagner, simplement parce que ces performances étaient déjà intégrées dans les anticipations.

Les perspectives du marché de la mémoire deviennent également de plus en plus contrastées.

La mémoire HBM et la DRAM avancée destinée aux serveurs pourraient rester durablement sous tension, les systèmes d’IA nécessitant d’immenses volumes de mémoire ultra-rapide au plus près des processeurs.

À l’inverse, la DRAM et la NAND de commodité restent beaucoup plus cycliques. Elles sont davantage exposées aux augmentations de capacités de production, à la concurrence chinoise ainsi qu'au ralentissement de la demande en smartphones, ordinateurs personnels et électronique grand public.

Il devient donc difficile de considérer l’ensemble du secteur de la mémoire comme un thème d’investissement homogène.

Comment se positionner pour la prochaine phase de l’IA

La conclusion n’est pas qu’il faut vendre les valeurs du hardware pour acheter celles du logiciel. Les deux catégories compteront à la fois des gagnants et des perdants.

Les thèmes d’investissement qui semblent aujourd’hui les plus porteurs sont les suivants :

• Les applications d’IA et les plateformes numériques plutôt qu’une exposition large au hardware. Les entreprises capables de distribuer et de monétiser l’IA pourraient profiter plus directement de la baisse du coût des modèles.
• Les éditeurs de logiciels rentables plutôt que les éditeurs de logiciels généralistes. Privilégiez les entreprises disposant de données propriétaires, de processus métiers critiques, d’une offre sécurisée, de coûts de changement élevés pour leurs clients et de revenus liés à l’IA déjà visibles. Ne partez pas du principe que toutes les sociétés de logiciels bénéficieront automatiquement de l’IA.
• Les entreprises qui utilisent réellement l’IA plutôt que celles qui se contentent d’en parler. Recherchez les sociétés qui exploitent déjà l’IA pour augmenter leurs ventes, améliorer leurs marges ou réduire leurs coûts d’exploitation, plutôt que celles qui mettent uniquement en avant son potentiel futur.
• Les infrastructures les plus efficaces plutôt que la puissance de calcul maximale. Les puces sur mesure, l’optimisation de l’inférence, les équipements réseau, la gestion de l’alimentation électrique et les solutions de refroidissement pourraient prendre une importance croissante à mesure que les acheteurs se concentrent sur le coût par tâche exécutée.
• La mémoire de nouvelle génération plutôt que l’ensemble du marché de la mémoire de commodité, tout en restant discipliné sur les valorisations. La HBM et la mémoire pour serveurs conservent des atouts structurels, tandis que la DRAM et la NAND de commodité restent davantage exposées aux risques cycliques et aux déséquilibres entre l’offre et la demande.
• Les plateformes et applications chinoises plutôt que les fabricants chinois dépendants des exportations. Les modèles à bas coût favorisent les entreprises disposant d’une forte distribution domestique, d’écosystèmes cloud solides et d’une large base de clients. Les exportateurs de matériel restent davantage exposés aux risques géopolitiques.
• Une exposition sélective à la Corée plutôt qu’une surpondération généralisée du KOSPI. Un positionnement de marché plus sain soutient l’hypothèse d’un rebond tactique, mais une progression durable nécessitera la poursuite de la croissance des bénéfices et un élargissement du leadership boursier.
• Les hyperscalers qui parviennent à monétiser leurs investissements plutôt que les fournisseurs dépendants des dépenses d’investissement. Mieux vaut privilégier les acteurs du cloud et des plateformes qui démontrent une croissance de leurs revenus et une amélioration du rendement de leurs investissements dans l’IA, plutôt que les fournisseurs dont la valorisation dépend essentiellement d’une nouvelle hausse des dépenses d’investissement.
• Les secteurs non technologiques qui bénéficient de l’IA plutôt qu’une exposition concentrée aux semi-conducteurs. Les services financiers, la santé, l’industrie, la logistique et les plateformes de consommation pourraient tirer parti d’une IA meilleur marché grâce aux gains de productivité qu’elle permet.

Les risques à surveiller

La demande en matériel pourrait repartir plus fortement que prévu

La baisse des coûts pourrait entraîner une explosion bien plus importante de l’utilisation de l’IA. Si la consommation de tokens progresse plus vite que les gains d’efficacité, la demande en puces, en mémoire et en équipements réseau pourrait repartir fortement à la hausse.

Les tensions sur le marché de la mémoire pourraient perdurer

L’offre de mémoire avancée reste contrainte. Les processus de qualification de la HBM, la complexité de sa fabrication et les capacités limitées d’assemblage avancé pourraient maintenir des prix élevés et des niveaux de rentabilité supérieurs aux attentes pendant plus longtemps.

Les valorisations des éditeurs de logiciels intègrent peut-être déjà cette rotation

Les investisseurs pourraient se détourner trop rapidement des semi-conducteurs au profit de valeurs logicielles déjà très chères. Une forte croissance ne protège pas un investisseur qui paie un prix excessif.

L’IA pourrait fragiliser le modèle économique des logiciels traditionnels

Des modèles moins coûteux peuvent favoriser les éditeurs de logiciels, mais ils abaissent également les barrières à l’entrée. Les entreprises qui reposent sur des fonctionnalités facilement reproductibles ou sur un modèle d’abonnement par utilisateur pourraient subir une pression croissante.

La guerre des prix en Chine pourrait comprimer les marges

Des modèles toujours moins chers peuvent accélérer l’adoption de l’IA tout en rendant plus difficile pour les développeurs de modèles et les fournisseurs de cloud de dégager des rendements attractifs.

Les dépenses des hyperscalers pourraient continuer de surprendre à la hausse

La demande reste solide et certaines entreprises pourraient considérer qu’investir insuffisamment représente un risque stratégique plus important que de trop investir. Dans ce scénario, les leaders actuels du hardware continueraient d’en profiter.

Les tensions géopolitiques pourraient s’intensifier

De nouvelles restrictions américaines ou des mesures de rétorsion chinoises pourraient affecter les puces, les composants optiques, les matériaux, l’accès au cloud ou encore les ventes à l’international. Les décisions politiques peuvent rapidement prendre le dessus sur les fondamentaux des entreprises.

Le désendettement du KOSPI n’est peut-être pas totalement terminé

Le positionnement s’est assaini, mais la volatilité pourrait revenir si les valeurs liées à la mémoire reculent fortement, si les investisseurs étrangers réduisent leur exposition ou si les produits à effet de levier reviennent trop rapidement sur le marché.

Conclusion : la prochaine grande opportunité dans l’IA sera celle des rendements

Le thème de l’intelligence artificielle conserve une dynamique structurellement très favorable. Mais il devient aussi plus vaste, plus concurrentiel et plus exigeant.

La première phase a récompensé les entreprises qui contrôlaient des infrastructures rares. La suivante favorisera celles qui parviendront à réduire le coût de l’intelligence artificielle tout en la transformant en chiffre d’affaires, en gains de productivité et en génération de trésorerie.

Le matériel restera indispensable. En revanche, les investisseurs ne peuvent plus partir du principe que chaque dollar supplémentaire investi dans l’IA profitera automatiquement aux mêmes fournisseurs, ni que les équipements les plus sophistiqués seront nécessaires pour toutes les applications.

Le cadre d’investissement est donc en train d’évoluer :

Privilégier les applications plutôt que les simples promesses autour de l’IA ; les infrastructures les plus efficaces plutôt que le hardware à n’importe quel prix ; la mémoire de nouvelle génération plutôt que la mémoire de commodité ; les écosystèmes numériques chinois plutôt que les fournisseurs dépendants des exportations ; et les entreprises qui tirent déjà des bénéfices concrets de l’IA plutôt que celles qui se contentent d’y investir sans résultats tangibles.

La prochaine phase de l’IA ne marque pas la fin du développement des infrastructures.

Elle marque le passage à une nouvelle étape : dépasser les contraintes de capacité et identifier les acteurs capables de rendre l’intelligence artificielle véritablement rentable sur le plan économique.