Goldman Sachs et McKinsey ramènent le boom de l'IA à ses contraintes physiques information fournie par Zonebourse 07/05/2026 à 20:47
Alors que les géants technologiques multiplient les annonces de dépenses dans l'IA, Goldman Sachs rappelle que le sujet ne se limite pas à acheter davantage de puces ou à construire de nouveaux serveurs. Dans son scénario de référence, la banque estime que l'infrastructure IA pourrait nécessiter environ 765 MdsUSD de dépenses en 2026, puis 1 600 MdsUSD en 2031, soit près de 7 600 MdsUSD cumulés entre 2026 et 2031 dans le calcul, les datacenters et l'énergie.
Pour mesurer concrètement l'ampleur de ce cycle, il faut plutôt imaginer un datacenter IA comme un système électrique et thermique intégré, construit autour de serveurs extrêmement denses. Les accélérateurs d'intelligence artificielle, notamment les GPU et les ASIC, génèrent beaucoup de chaleur, consomment d'importantes quantités d'électricité et doivent être connectés à des systèmes de refroidissement liquide, des câbles à haut débit, des transformateurs, des appareillages de commutation et des dispositifs de secours. Goldman Sachs souligne que les datacenters IA de nouvelle génération coûtent souvent entre 15 et 20 MUSD par mégawatt, contre environ 10 MUSD par mégawatt pour des installations plus classiques.
L'exemple le plus parlant est celui d'un hyperscaler qui aurait déjà sécurisé ses puces, signé ses contrats de construction et commandé ses serveurs, mais qui attendrait encore les équipements électriques nécessaires pour mettre le site en service. Le capital est alors engagé, les dépenses apparaissent dans les budgets, mais la capacité de calcul ne génère pas encore de revenus. McKinsey indique que les délais de livraison en Amérique du Nord peuvent atteindre 80 semaines pour certains équipements de commutation moyenne tension et 50 semaines pour les transformateurs, ce qui fait de l'électricité un facteur de retard dans la mise en service des capacités IA.
Cette contrainte modifie aussi la lecture boursière du thème, car les gagnants potentiels ne se trouvent pas uniquement dans les semi-conducteurs ou les grands fournisseurs de cloud. Les industriels capables de livrer rapidement des systèmes électriques, thermiques et mécaniques fiables, testés et compatibles avec les futures architectures de puces peuvent capter une part significative des dépenses d'infrastructure liées aux datacenters. McKinsey note d'ailleurs que les hyperscalers privilégient de plus en plus les fournisseurs capables de s'aligner très tôt sur les feuilles de route des fabricants de GPU et de puces propriétaires.
Selon les rapports de Goldman Sachs et McKinsey, la prochaine phase du cycle devrait donc être suivie à travers des indicateurs très concrets : 1) les délais de livraison des transformateurs, 2) l'adoption du refroidissement liquide à mesure que la densité des racks augmente, 3) le coût par mégawatt des nouveaux datacenters, 4) la durée d'utilisation réelle des puces et 5) la capacité des fournisseurs industriels à rester alignés avec les feuilles de route techniques des hyperscalers et des fabricants de semi-conducteurs.
Pour mesurer concrètement l'ampleur de ce cycle, il faut plutôt imaginer un datacenter IA comme un système électrique et thermique intégré, construit autour de serveurs extrêmement denses. Les accélérateurs d'intelligence artificielle, notamment les GPU et les ASIC, génèrent beaucoup de chaleur, consomment d'importantes quantités d'électricité et doivent être connectés à des systèmes de refroidissement liquide, des câbles à haut débit, des transformateurs, des appareillages de commutation et des dispositifs de secours. Goldman Sachs souligne que les datacenters IA de nouvelle génération coûtent souvent entre 15 et 20 MUSD par mégawatt, contre environ 10 MUSD par mégawatt pour des installations plus classiques.
L'exemple le plus parlant est celui d'un hyperscaler qui aurait déjà sécurisé ses puces, signé ses contrats de construction et commandé ses serveurs, mais qui attendrait encore les équipements électriques nécessaires pour mettre le site en service. Le capital est alors engagé, les dépenses apparaissent dans les budgets, mais la capacité de calcul ne génère pas encore de revenus. McKinsey indique que les délais de livraison en Amérique du Nord peuvent atteindre 80 semaines pour certains équipements de commutation moyenne tension et 50 semaines pour les transformateurs, ce qui fait de l'électricité un facteur de retard dans la mise en service des capacités IA.
Cette contrainte modifie aussi la lecture boursière du thème, car les gagnants potentiels ne se trouvent pas uniquement dans les semi-conducteurs ou les grands fournisseurs de cloud. Les industriels capables de livrer rapidement des systèmes électriques, thermiques et mécaniques fiables, testés et compatibles avec les futures architectures de puces peuvent capter une part significative des dépenses d'infrastructure liées aux datacenters. McKinsey note d'ailleurs que les hyperscalers privilégient de plus en plus les fournisseurs capables de s'aligner très tôt sur les feuilles de route des fabricants de GPU et de puces propriétaires.
Selon les rapports de Goldman Sachs et McKinsey, la prochaine phase du cycle devrait donc être suivie à travers des indicateurs très concrets : 1) les délais de livraison des transformateurs, 2) l'adoption du refroidissement liquide à mesure que la densité des racks augmente, 3) le coût par mégawatt des nouveaux datacenters, 4) la durée d'utilisation réelle des puces et 5) la capacité des fournisseurs industriels à rester alignés avec les feuilles de route techniques des hyperscalers et des fabricants de semi-conducteurs.