Analyse de la crise du calcul IA : les puces avant l’argent

J’ai un ami qui décrivait autrefois la levée de fonds d’une startup comme le combat contre le boss final. Lever le tour de financement, recruter l’équipe, lancer le produit, recommencer jusqu’à ce que le marché vous couronne ou vous oublie. Ces derniers temps, cette histoire paraît presque naïve. Dans l’IA, l’argent peut arriver avant les machines, et les machines comptent peut-être davantage.

C’est l’étrange leçon business que l’on trouve dans Compute Gold Rush du WSJ, tel que résumé par InvestingLive : pour les grandes entreprises d’IA, la pression se déplace de la conviction des investisseurs vers l’obtention de puces, de centres de données et d’électricité. Le capital compte toujours, bien sûr. Mais un dollar qui ne peut pas être converti en capacité de calcul commence à ressembler moins à du carburant qu’à une réservation dans un restaurant sans tables.

Le goulot d’étranglement est passé du pitch deck à la prise électrique

InvestingLive, résumant les informations du WSJ, indique que les coûts de location de puces ont augmenté de 60 % en un an, les startups étant coincées par des contrats pluriannuels et des frais initiaux pouvant atteindre 30 %. Ce n’est pas seulement une note de bas de page sur l’infrastructure. Cela change la forme de la concurrence, car la ressource rare n’est plus simplement le talent, la marque, la distribution ou l’argent, mais la capacité à louer ou contrôler de façon fiable le matériel qui rend l’IA moderne utile.

La partie contre-intuitive, c’est que cette tension fait mal précisément parce que la demande en IA semble forte. Une technologie faible peine à trouver des utilisateurs. Une technologie forte peine à les servir. Quand la capacité devient la contrainte, des alliances qui auraient pu sembler étranges dans un marché plus calme commencent à avoir du sens stratégiquement, car l’accès peut valoir plus que la pureté.

Les vendeurs de pelles construisent des châteaux

AI Reset to Zero de Michael Parekh décrit la version de terrain de la même histoire : les prix de la capacité de calcul pour l’entraînement et l’inférence en IA sont poussés à la hausse à court terme, les jeunes startups d’IA subissant la pression tandis que les grands acteurs technologiques établis et les néoclouds en profitent. Parekh pointe notamment le H100 de Nvidia, sorti en 2022, dont la location augmente de 50 %, et cite CoreWeave et Nebius parmi les néoclouds qui en tirent profit.

C’est pourquoi la métaphore de la ruée vers l’or fonctionne, mais peut-être pas dans le sens habituel. Les gagnants ne sont pas seulement les prospecteurs qui construisent des modèles. Ce sont aussi les propriétaires, les intermédiaires de pouvoir et les détenteurs d’équipements qui peuvent décider qui a le droit de creuser, quand, et à quel prix. Une startup peut avoir une architecture de modèle magnifique et se retrouver tout de même à attendre à l’extérieur de la mine.

Une intelligence bon marché peut quand même se heurter à un mur

Azeem Azhar et Hannah Petrovic, chez Exponential View, appellent cela le piège de capacité de l’IA : l’IA n’a jamais été moins chère d’accès, mais il n’a aussi jamais été aussi difficile de l’utiliser sans rencontrer des limites. Ils indiquent que les API d’OpenAI traitaient 6 milliards de tokens par minute en octobre 2025, chiffre passé à 15 milliards en avril, soit une multiplication par 2,5 en cinq mois. Des tokens moins chers ne soulagent pas automatiquement la pression si des prix plus bas encouragent les usages à croître plus vite que l’offre ne peut s’étendre.

C’est le paradoxe de Jevons en sweat à capuche. Rendez quelque chose moins cher, et les gens en utilisent davantage. Dans le logiciel, nous sommes habitués à voir les coûts marginaux passer à l’arrière-plan. L’IA rappelle à tout le monde que le cloud est encore fait de bâtiments, de puces, de systèmes de refroidissement et de contrats d’électricité.

La rareté devient une culture, pas seulement un centre de coûts

La pression ne se limite pas aux toutes petites entreprises. Le Los Angeles Times a rapporté que la pénurie de capacité de calcul en IA poussait des chercheurs de Google à démissionner, un rappel utile du fait que même un géant peut se sentir contraint quand la demande interne dépasse la capacité disponible. Exponential View a aussi soutenu que Google avait atteint un jalon où ses dépenses en calcul dépassaient ses dépenses en personnel, qualifiant cela de moment charnière.

Cette inversion mérite qu’on s’y arrête. Pendant une grande partie de la mythologie que l’industrie technologique entretient sur elle-même, les personnes étaient la ressource rare et les serveurs formaient l’arrière-plan. Désormais, le travailleur créatif, le chercheur et le fondateur peuvent se retrouver à attendre dans une file d’attente gérée par le plan d’infrastructure de quelqu’un d’autre. La feuille de calcul la plus importante d’une entreprise n’est peut-être plus le plan de recrutement, mais le tableau d’allocation de la capacité de calcul.

Les pivots étranges sont un signal

WIRED a capturé l’absurdité culturelle de ce changement à travers Allbirds, qui a annoncé un virage vers l’infrastructure de calcul pour l’IA après avoir célébré une nouvelle collection de chaussures en toile et un partenariat avec Pantone. L’entreprise a déclaré qu’elle transformerait une facilité de financement convertible de 50 millions de dollars en actifs GPU haute performance, créerait une offre de GPU-as-a-Service et un fournisseur de cloud natif pour l’IA, et se rebaptiserait NewBird AI. La citation du communiqué de l’entreprise, telle que rapportée par WIRED, était directe : « Les entreprises, les développeurs en IA et les organismes de recherche ne parviennent pas à obtenir les ressources de calcul dont ils ont besoin pour construire, entraîner et faire fonctionner l’IA à grande échelle. »

Il est facile de rire d’une entreprise de chaussures qui se lance à la poursuite des GPU. Mais les pivots étranges révèlent souvent où le marché pense que la valeur est en train de s’accumuler. Quand la capacité de calcul devient suffisamment rare, posséder de la capacité commence à ressembler au fait de posséder un terrain en bord de mer pendant une pénurie de logements.

Pour les fondateurs, la leçon est pratique : traitez la planification de la capacité de calcul comme une stratégie centrale, pas comme des achats. Pour les investisseurs, l’analyse doit inclure l’accès à la capacité, les conditions contractuelles et l’exposition à l’énergie, en plus des démonstrations de modèles et des graphiques de revenus. Pour le reste d’entre nous, la question inconfortable est plus large : si l’intelligence est de plus en plus médiatisée par ceux qui contrôlent les machines qui la produisent, qui pourra construire l’avenir quand la file d’attente sera pleine ?