Lors d'AWS re:Invent 2025, le PDG d'AWS, Matt Garman, a présenté un indicateur simple mais significatif : l'inférence IA représente désormais environ deux tiers de la demande totale de calcul IA. Cela représente une hausse par rapport à environ un tiers en 2023.
L'entraînement consiste à apprendre à un modèle à penser. L'inférence consiste réellement à le faire penser. L'industrie a dépensé des milliards pour entraîner ces modèles, et les dépenses se déplacent désormais vers leur mise en œuvre.
Garman, qui a pris la direction d'AWS en juin 2024 après avoir succédé à Adam Selipsky, a décrit l'inférence comme « un nouveau Lego » dans l'informatique. Il affirme que l'inférence devient un bloc de construction de base que les entreprises assembleront pour automatiser des tâches, exécuter des agents IA et transformer fondamentalement la manière dont les entreprises fonctionnent.
Il est allé plus loin en prédisant que 80 à 90 % de la valeur de l'IA dans les entreprises proviendront finalement d'agents alimentés par l'inférence. Pas des chatbots résumant vos e-mails, mais des systèmes autonomes accomplissant réellement des tâches.
AWS met également du matériel derrière ce pari. L'entreprise a présenté ses puces Trainium3 lors de re:Invent, conçues spécifiquement pour les charges de travail d'inférence, et non les GPU optimisés pour l'entraînement qui ont dominé les actualités et les rapports financiers de Nvidia.
Ce changement est extrêmement important pour le secteur du minage de crypto-monnaies, qui traverse une crise d'identité. Alors que les marges de minage de bitcoin se sont resserrées après le halving d'avril 2024, plusieurs grands mineurs ont pivoté vers l'offre de services d'intelligence artificielle et de calcul haute performance. Des entreprises comme Core Scientific, Hut 8 et d'autres réaffectent leurs parcs GPU et leur capacité de centres de données pour répondre aux besoins d'entraînement de l'IA.
Mais si Garman a raison et que la courbe de demande se courbe fortement vers l'inférence, les exigences matérielles changent. L'entraînement exige un traitement parallèle massif à travers des clusters de GPU de haut niveau fonctionnant pendant des semaines ou des mois. L'inférence nécessite une optimisation différente : une latence plus faible, un débit plus élevé par requête, et souvent des architectures de puces complètement différentes.
Pour les investisseurs natifs de la crypto, le signal ici concerne la durabilité de la thèse du « pivot IA » qui a soutenu plusieurs actions minières. Surveillez les entreprises minières qui annoncent des partenariats avec des fournisseurs de cloud ou investissent dans du matériel optimisé pour l’inférence. Celles qui continuent de promouvoir un accès GPU générique pour l’entraînement risquent de se retrouver du mauvais côté d’une courbe de demande déjà déplacée.
Les réseaux de calcul décentralisés comme Render, Akash et io.net se positionnent comme des alternatives aux fournisseurs de cloud centralisés pour les charges de travail IA. Si la demande en inférence croît au rythme décrit par Garman, ces protocoles pourraient connaître une utilisation accrue, mais uniquement s’ils peuvent offrir le service à faible latence et haute fiabilité requis par l’inférence. L’entraînement tolère les interruptions réseau. L’inférence, elle, ne les tolère pas.