Goldman Sachs et SemiAnalysis s'affrontent sur l'évaluation de l'infrastructure IA et les futurs gagnants

Au cours des deux dernières années, le trading IA a presque dominé les marchés actions mondiaux.

NVIDIA, équipements de semi-conducteurs, HBM, emballage avancé, centres de données, équipements électriques, transformateurs, refroidissement, turbines à gaz : tout actif pouvant être intégré dans la chaîne d'infrastructure IA a été réévalué à plusieurs reprises par le marché. Ce trade n'a pas perdu de sa pertinence ; au contraire, il a augmenté au point d'obliger les investisseurs à affronter une question plus difficile : les gagnants de la première phase de la chaîne de valeur IA ont-ils déjà été récompensés au maximum par le marché ? Peuvent-ils encore continuer à grimper ?

Deux rapports de Goldman Sachs et de SemiAnalysis se trouvent précisément à ce carrefour.

Le jugement de James Covello de Goldman Sachs est plus prudent : la première phase de l'infrastructure IA est déjà pleinement intégrée dans les prix ; les semi-conducteurs et les chaînes « vendant les pioches » ont capté trop de profits certains, mais le retour sur investissement pour les entreprises n'est toujours pas généralisé, et la pression sur les flux de trésorerie des fournisseurs de cloud augmente. Selon cette logique, le meilleur arbitrage relatif à venir ne consiste pas à continuer de poursuivre les semi-conducteurs, mais à privilégier les fournisseurs de cloud à très grande échelle et les semi-conducteurs de moindre taille.

La réponse de SemiAnalysis est presque l'inverse : si l'IA agente transforme réellement les jetons en moyens de production, que les marges brutes des laboratoires de modèles commencent à s'améliorer, et que les modèles de pointe conservent toujours un pouvoir de fixation des prix, alors les infrastructures d'IA ne sont pas « surévaluées » ; elles n'ont tout simplement pas encore été entièrement réévaluées selon la nouvelle valeur des jetons. NVIDIA, TSMC, la mémoire, Neocloud et les laboratoires de modèles ont tous encore de bonnes raisons de capter une part supplémentaire de cette valeur.

Ce n'est pas une controverse sur l'avenir de l'IA.

Les dépenses en capital dans l'IA continuent d'augmenter, et les actions d'infrastructure IA ne ralentissent pas. La vraie question devient maintenant : la couche puce a-t-elle déjà retenu la première vague de profits sur ses comptes, et le marché cherche-t-il à déterminer si ces profits ont été pleinement intégrés dans les prix ? Si l'IA agente continue d'amplifier la valeur des jetons, la prochaine vague de profits supplémentaires restera-t-elle au niveau du matériel, ou commencera-t-elle à être répartie vers les laboratoires de modèles, les fournisseurs de cloud et les logiciels d'entreprise ?

Le point le plus percutant du rapport de Goldman Sachs n'est pas de remettre en question la croissance des utilisateurs d'IA, ni de nier les progrès technologiques.

Covello a d'abord reconnu deux choses : l'adoption de l'IA par les consommateurs se fait plus rapidement qu'attendu ; les fournisseurs de cloud, malgré la pression sur leurs cours boursiers, n'ont pas réduit leurs dépenses en capital pour l'IA comme ils l'avaient anticipé, mais ont au contraire augmenté leurs investissements. L'IA ne ralentit pas, et les dépenses en capital ne reculent pas.

Mais Goldman Sachs regarde plus loin.

Les consommateurs utilisent l'IA, mais beaucoup restent sur le niveau gratuit. La croissance des utilisateurs peut démontrer l'attractivité du produit, mais ne permet pas de payer directement les factures liées aux GPU, aux centres de données, à l'électricité, au réseau et à l'inférence des modèles. Le segment professionnel est clé pour boucler l'économie de l'IA : la volonté des entreprises de payer de manière continue, ainsi que leur capacité à réduire leurs coûts, augmenter leurs revenus et améliorer leur productivité grâce à l'IA, déterminent si la chaîne entière peut supporter durablement les dépenses en capital d'aujourd'hui.

La réponse de Goldman Sachs est prudente.

Le rapport indique que les entreprises ont déjà investi massivement dans l'IA générative, mais de nombreuses organisations n'ont pas encore obtenu de retours vérifiables ; en parallèle, les dépenses mondiales en TI continuent d'augmenter, et l'IA n'a pas réduit les budgets technologiques des entreprises au niveau global. Pour les investisseurs, cela pose une question bien concrète : les entreprises achètent, testent et discutent de l'IA, mais celle-ci n'a pas encore pénétré de manière généralisée les comptes de résultat.

Cela contraste fortement avec les bénéfices de la chaîne d'infrastructure IA.

Les entreprises de semi-conducteurs ont déjà généré des bénéfices, tandis que les entreprises liées au stockage, à l'énergie et aux centres de données sont réévaluées à plusieurs reprises par le marché. Les fournisseurs de cloud, quant à eux, assument les dépenses en capital de l'autre côté. Les dépenses liées à la construction de centres de données, à l'achat de GPU, à l'approvisionnement en électricité, aux équipements réseau et aux racks de serveurs pèsent d'abord sur les comptes des fournisseurs de cloud. Selon un rapport de Goldman Sachs, les grands fournisseurs de cloud ont déjà consommé une partie de leur excédent de trésorerie d'exploitation et commencent à financer la construction de centres de données par l'emprunt, avec une doublement des émissions de dette pour les centres de données en 2025, atteignant 182 milliards de dollars.

C'est ce que Goldman Sachs considère comme un déséquilibre.

Dans un cycle semi-conducteur normal, lorsque les entreprises de puces réalisent de gros bénéfices, cela indique généralement que leurs clients s’étendent également. Lorsque les clients gagnent de l’argent, ils continuent d’acheter des puces, et les entreprises de puces prospèrent continuellement. Cette vague d’IA est plus déroutante : les bénéfices de la chaîne des puces sont les plus clairs, mais les rendements au niveau des clients et des applications ne sont pas encore aussi évidents.

Ainsi, le jugement de Goldman Sachs n'est pas « l'IA n'est pas utile », mais « le modèle de répartition actuel est difficile à extrapoler linéairement à long terme ».

Les entreprises de semi-conducteurs ont déjà intégré les bénéfices les plus certains de la première phase. La question est de savoir si les clients en aval disposent de suffisamment de bénéfices pour continuer à financer les dépenses en capital élevées et la concentration des bénéfices chez les fournisseurs en amont.

La recommandation de trading de Goldman Sachs semble contre-intuitive : être légèrement plus long sur les grands fournisseurs de cloud et sous-peser les semi-conducteurs.

Il y a deux chemins derrière cela.

Premier chemin : le ROI de l'IA entreprise commence à se concrétiser. Lorsque les entreprises démontrent que l'IA génère des revenus, une efficacité accrue et des avantages coûts, le marché réévaluera les dépenses en capital des fournisseurs de cloud. Les investissements précédemment perçus comme un frein à la trésorerie libre deviendront à nouveau des leviers de revenus futurs et de maîtrise de la plateforme. La réévaluation des valorisations des fournisseurs de cloud bénéficiera également au secteur des semi-conducteurs ; toutefois, comme ce dernier a déjà été largement récompensé par le marché, son élasticité relative ne sera pas nécessairement supérieure.

Deuxième voie : le ROI des entreprises reste difficile. Sous la pression sur les flux de trésorerie et les investisseurs, les fournisseurs de cloud réduisent leurs dépenses en capital, et le marché récompensera une meilleure discipline en matière de flux de trésorerie. La chaîne des semi-conducteurs devra faire face à une révision à la baisse des attentes de commandes.

Goldman Sachs estime que ces deux scénarios soutiennent tous deux l'idée que les fournisseurs de cloud sont privilégiés par rapport aux semi-conducteurs. Le seul scénario qui ferait échouer cette stratégie est le troisième : les ROI des entreprises restent flous, les fournisseurs de cloud continuent d'investir sans limite, tandis que les semi-conducteurs continuent d'absorber la majeure partie des bénéfices de la chaîne de valeur.

C'est exactement l'état le plus familier au marché au cours des deux dernières années.

C'est précisément pour cette raison que la cible du rapport de Goldman Sachs n'est pas la technologie IA, mais le prix du marché. Les avantages de l'infrastructure IA ont déjà été largement intégrés dans les prix, tout comme les inconvénients des fournisseurs de cloud. La prochaine étape pour le marché consiste à observer si ces deux tendances vont s'inverser.

SemiAnalysis aborde le sujet par une entrée complètement différente.

Il ne nie pas que, de 2023 à 2025, la valeur de l'IA a principalement été dirigée vers les infrastructures. NVIDIA, l'électricité, les centres de données, le stockage : ce sont indéniablement les grands gagnants de cette première phase. Les entreprises de modèles et les fournisseurs de services d'inférence n'ont pas connu de facilité au début, et beaucoup de produits d'IA semblaient être simplement de meilleurs champs de recherche, avec des marges brutes loin d'être impressionnantes.

Mais SemiAnalysis estime que les choses ont changé après la fin de 2025.

Les changements proviennent de l'IA agente.

Les tokens précédents ressemblaient davantage à un « coût de question-réponse » : l'utilisateur posait une question et le modèle répondait une fois. Il permettait de gagner du temps, mais sa valeur était limitée. Les tokens actuels entrent désormais dans des flux de travail complexes : écrire du code, créer des modèles financiers, générer des tableaux de bord, analyser des états financiers, organiser des données et produire des graphiques.

SemiAnalysis utilise son propre entreprise comme exemple. Ses analystes utilisent déjà quotidiennement des agents pour traiter des tâches de recherche et de modélisation, des activités qui auparavant exigeaient des heures considérables de la part d'analystes juniors ou n'étaient tout simplement pas intégrées dans leur flux de travail. L'article révèle que les dépenses annuelles en tokens sur Anthropic Claude ont un jour atteint 10,95 millions de dollars, soit environ 30 % du salaire total des employés.

Ces chiffres ne représentent pas nécessairement toutes les entreprises, mais ils reflètent les changements chez un type d'utilisateurs marginaux.

Pour les consommateurs ordinaires, un abonnement à l'IA n'est qu'un outil coûtant quelques dizaines de dollars par mois. Pour les travailleurs intellectuels intensifs, les tokens deviennent des moyens de production.

Des tokens valant quelques dollars, quelques dizaines de dollars, n'apportent pas seulement quelques lignes de texte, mais aussi des modèles, des graphiques, du code, du nettoyage de données, des analyses de rapports financiers, et même des tâches qui n'étaient auparavant jamais exécutées. La manière dont les utilisateurs perçoivent le coût de l'IA évolue également : ils ne se demandent plus seulement « Combien coûte un million de tokens ? », mais « Combien de travail humain ces tokens remplacent-ils, et quel est l'impact sur la production ? »

C'est le point de départ de la divergence entre SemiAnalysis et Goldman Sachs.

Goldman Sachs constate que le ROI moyen des entreprises n'est pas encore clair. SemiAnalysis observe que les utilisateurs les plus forts commencent à consommer massivement des jetons et sont prêts à payer pour des modèles plus puissants.

Le deuxième jugement clé de SemiAnalysis est que l'économie unitaire des laboratoires de modèles s'améliore.

Cela va à l'encontre des préoccupations du marché passées.

Auparavant, les entreprises de modèles étaient considérées comme coincées entre les fabricants de puces et les fournisseurs de cloud. Leurs revenus croissaient rapidement, mais les coûts d'entraînement et d'inférence augmentaient encore plus vite. Plus il y avait d'utilisateurs, plus les coûts étaient élevés. Plus le modèle était puissant, plus les dépenses en capital étaient importantes. Ce modèle ressemblait à une croissance élevée, une marge faible et une consommation importante de trésorerie.

L'IA agente a modifié ce tableau.

• Au niveau des prix, les modèles de pointe peuvent exécuter des tâches à plus forte valeur, et les utilisateurs sont prêts à payer un supplément pour des modèles plus puissants.
• Au niveau des coûts, l'itération du matériel, l'optimisation de l'inférence, les mécanismes de cache et l'ingénierie logicielle réduisent continuellement le coût unitaire par token.
• Sur le côté produit, les entreprises de modèles peuvent établir une tarification différenciée grâce à des SKU plus élevés, une réponse plus rapide et une capacité d'inférence supérieure.

SemiAnalysis souligne que, dans le cas de l'exécution de DeepSeek sur le B300, différentes combinaisons d'optimisations logicielles permettent d'augmenter le débit du même matériel de environ 1000 à 8000 tokens/seconde/GPU jusqu'à environ 14000 tokens/seconde/GPU. En combinant une mise à niveau matérielle, la configuration optimisée GB300 NVL72 offre un débit environ 17 fois supérieur à celui du H100 en FP8 ; si l'on passe à FP4, non pris en charge nativement par Hopper, l'écart peut atteindre 32 fois, avec un coût total de possession par GPU seulement environ 70 % plus élevé.

Cela signifie que le modèle Laboratoire peut augmenter la valeur économique du token tout en réduisant son coût de production.

SemiAnalysis affirme que le ARR d'Anthropic est passé de 9 milliards de dollars à plus de 44 milliards de dollars, et que la marge brute sur les infrastructures d'inférence est passée de 38 % à plus de 70 %. Même si les prix des modèles diminuent, une part croissante d'utilisation de modèles haut de gamme, une meilleure taux de命中 du cache et une amélioration de l'efficacité du matériel pourraient continuer à faire progresser la marge brute.

Si ce jugement est valide, la deuxième phase de la chaîne de valeur de l'IA ne sera plus seulement « les puces continuent de gagner » ou « les fournisseurs de cloud rebondissent ».

Le laboratoire de modèles passera d'une couche de dépenses à une nouvelle couche de capture de valeur.

Goldman Sachs et SemiAnalysis prétendent débattre du ROI de l'IA, mais en réalité, ils disputent quel échantillon représente le mieux l'avenir.

Goldman Sachs observe les entreprises moyennes.

Ces entreprises disposent de systèmes de données complexes, de fardeaux IT historiques, de gestion des autorisations, de exigences de conformité et de processus d'approbation. Beaucoup d'entre elles mettent en œuvre d'abord des chatbots, des assistants internes et des projets pilotes pour répondre aux attentes du marché et du conseil d'administration en matière de stratégie IA. L'argent est dépensé, mais les processus métiers ne changent pas nécessairement. Sans modification des processus, le ROI peine à apparaître dans les états financiers.

C'est pourquoi Goldman Sachs insiste sur la structure des données et la couche d'orchestration.

Une entreprise de détail sans intégration entre son stock, son profil client et son système de recommandation peut se voir proposer par un chatbot IA un produit en rupture. Une entreprise sans couche de routage de modèles envoie des requêtes simples au modèle le plus coûteux et le plus avancé, ce qui fait naturellement exploser les coûts. Les obstacles à la mise en œuvre de l’IA ne résident plus seulement dans la faiblesse des modèles, mais dans le fait que les entreprises ne sont pas encore prêtes à intégrer ces modèles dans leurs systèmes opérationnels.

SemiAnalysis se concentre sur les utilisateurs marginaux.

La recherche, le code, la modélisation, les graphiques et l'analyse des états financiers sont des tâches naturellement adaptées aux agents. Elles sont hautement textuelles, numériques et structurées, leurs résultats sont faciles à évaluer, et les utilisateurs ont la capacité d'intégrer l'IA dans leur flux de travail. De telles organisations verront un ROI plus tôt que les entreprises classiques et seront plus enclines à augmenter leur consommation de jetons.

Le marché des capitaux doit déterminer si cet échantillon de pointe va se propager.

Si SemiAnalysis ne voit que des valeurs aberrantes de quelques utilisateurs extrêmement actifs, le cadre de Goldman Sachs prévaudra. Les dépenses en capital pour l'IA seront de plus en plus contraintes par les flux de trésorerie, la chaîne des semi-conducteurs devra absorber des attentes élevées, et les fournisseurs de cloud pourraient bénéficier d'un rendement relatif grâce à une discipline des dépenses et une compression des valorisations.

Si ce que SemiAnalysis observe est un indicateur avancé juste avant la diffusion, le marché ne peut pas rejeter la chaîne AI en se basant sur le faible ROI des entreprises moyennes aujourd'hui. Dès que l'IA agente pénétrera davantage les flux de travail des employés de bureau, la demande de tokens, les revenus des modèles, les revenus cloud et la demande en matériel augmenteront ensemble.

Ce jugement est plus important que « être haussier ou baissier sur l'IA ». Le marché ne négocie jamais des moyennes statiques, mais bien la capacité des changements marginaux à devenir dominants.

La plus grande divergence entre Goldman Sachs et SemiAnalysis sur les marchés des capitaux se situe finalement autour d'NVIDIA et de la chaîne des semi-conducteurs.

La perspective de Goldman Sachs est directe : les semi-conducteurs ont déjà capté les profits les plus importants et les plus certains de la première phase. Une fois que le marché a intégré la logique « vendre les pioches » dans les prix, le rapport risque/rendement commence à se détériorer. Dès que les dépenses en capital des fournisseurs de cloud se relâchent, la chaîne des semi-conducteurs fera face à une double pression sur ses valorisations et ses commandes.

SemiAnalysis estime que NVIDIA et TSMC contrôlent les ressources les plus rares de l'ère de l'IA, mais ne les valorisent pas encore pleinement selon leur véritable valeur.

L'article mentionne que les prix de la mémoire ont augmenté d'environ six fois au cours de la dernière année, et que le prix du contrat de location H100 à un an de Neocloud a augmenté d'environ 40 % par rapport au creux d'octobre 2025. Dans le même temps, NVIDIA et TSMC n'ont pas réévalué leurs prix aussi rapidement que la valeur des tokens en aval.

SemiAnalysis appelle NVIDIA la "banque centrale" de l'écosystème AI.

Cette métaphore est très pertinente. NVIDIA contrôle la liquidité des ressources de calcul. Elle a la capacité d'augmenter ses prix, mais ne peut pas vider l'ensemble du système. Une hausse trop importante stimulerait les clients à accélérer leur transition vers des ASIC, TPU et Trainium développés en interne, et générerait également une pression réglementaire. TSMC agit de manière similaire. Les nœuds avancés sont extrêmement rares, mais elle accorde depuis longtemps une importance cruciale aux relations clients et à la stabilité de l'écosystème, et ne tente pas de monétiser intégralement sa rareté pendant les périodes de forte demande.

La retenue ne signifie pas qu'il n'y a pas d'espace.

Rubin VR NVL72 constitue une base importante pour SemiAnalysis afin d'évaluer que NVIDIA conserve toujours son pouvoir de fixation des prix. Selon son modèle, Neocloud devrait fixer un loyer d'environ 4,92 USD/heure/GPU pour que le projet VR NVL72 atteigne un IRR de 15,6 %, similaire à celui du projet GB300 ; si l'on utilise le prix de location par PFLOP du GB300 comme référence, le plafond théorique de VR NVL72 s'élève à environ 12,25 USD/heure/GPU ; même avec une hypothèse plus conservatrice de 0,55 USD/PFLOP, cela correspond à environ 9,63 USD/heure/GPU, soit près du double du seuil de tarification coûts.

The meaning here is clear: as long as the downstream token's value continues to rise, NVIDIA's new system still has room to increase prices, Neocloud may still profit, and end users may still accept it.

La divergence entre Goldman Sachs et SemiAnalysis s'est ainsi aiguisée.

Goldman Sachs estime que les marges exceptionnelles du secteur des semi-conducteurs ne sont pas durables, car les acteurs en aval n'ont pas encore suffisamment de profit.
SemiAnalysis estime que le pool de bénéfices en aval s'agrandit, donc le niveau matériel ne génère pas encore autant qu'il devrait selon sa valeur.

La seule variable déterminant le vainqueur est de savoir si le nouveau pool de profit créé par l'IA est suffisamment vaste pour subvenir simultanément aux besoins du laboratoire de modèles, des fournisseurs de cloud, de Neocloud, de NVIDIA, de TSMC, du stockage et de la chaîne énergétique.

Le gâteau n'est pas assez grand, Goldman Sachs gagne.

Le gâteau continue de grossir, SemiAnalysis gagne.

Les fournisseurs de cloud sont la couche la plus embarrassante de ce débat.

Ils sont à la fois les plus grands acheteurs de dépenses en capital et les plateformes les plus susceptibles de monétiser la demande en IA. Ils subissent la pression de NVIDIA, du stockage et de la chaîne électrique, tout en disposant de clients professionnels, de services cloud, d'API de modèles, de puces développées en interne et d'un écosystème logiciel.

Goldman Sachs est optimiste concernant les fournisseurs de cloud, car le marché a déjà intégré de nombreux aspects négatifs. Les dépenses en capital entravent les flux de trésorerie libres, les investisseurs remettent en question le ROI de l’IA, et les valorisations sont sous pression. Dès qu’une des deux situations suivantes se produira, les fournisseurs de cloud auront un chemin de rétablissement : la concrétisation des revenus liés à l’IA des entreprises, ou une réduction des dépenses en capital.

SemiAnalysis examine les fournisseurs de cloud du côté de la demande. Tant que la demande de tokens continue de croître, les laboratoires de modèles et les clients entreprises auront besoin de plus de puissance de calcul. La puissance de calcul est limitée par les processus avancés, la mémoire, l'électricité et les systèmes en rack. Ce qui inquiète le plus les acheteurs, ce n'est pas le prix, mais l'incapacité à obtenir ce dont ils ont besoin.

Les fournisseurs de cloud ne sont donc pas simplement des victimes, ni des gagnants automatiques.

Ils doivent être prouvés par les résultats financiers : les dépenses en capital pour l'IA peuvent être transformées en revenus, bénéfices et fidélisation des clients. La croissance du secteur cloud a-t-elle repris de la vitesse ? La divulgation des revenus liés à l'IA est-elle plus claire ? La capacité d'utilisation des inférences peut-elle s'améliorer ? Les puces développées en interne peuvent-elles réduire la dépendance à NVIDIA ? Les clients entreprises passent-ils des essais à des déploiements à long terme ? Le cash-flow libre s'est-il stabilisé ? Ces indicateurs seront plus importants qu'auparavant.

L'amélioration de ces indicateurs renforcera le raisonnement relativement haussier de Goldman Sachs sur les fournisseurs de nuages.

Ces indicateurs ne s'améliorent toujours pas, et les fournisseurs de cloud restent une couche sous pression en matière de dépenses en capital entre NVIDIA et les clients entreprises.

L'accent mis par Goldman Sachs sur les « structures de données » et la « couche d'orchestration » pourrait être la partie la plus proche de la réalité des entreprises.

L'IA d'entreprise ne restera pas éternellement limitée aux employés qui ouvrent une fenêtre de discussion pour poser des questions. Une IA véritablement impactante sur les finances doit intégrer le service client, les ventes, la finance, les achats, la R&D, la gestion des risques, la chaîne d'approvisionnement et l'exploitation informatique. Chaque processus dispose de données, de droits d'accès, de conformité, d'approbations, de systèmes historiques et de limites de responsabilité.

Même le modèle le plus puissant ne peut pas contourner ces éléments.

C’est ici que la couche logicielle d’entreprise redevient essentielle. Les tâches à faible risque et à haute fréquence peuvent être confiées à des modèles légers ou open source ; seules les tâches à haut risque et à forte valeur nécessitent des modèles de pointe. Une couche intermédiaire est nécessaire pour identifier le type de tâche, appeler les données, contrôler les autorisations, sélectionner le modèle, surveiller les coûts et réécrire les résultats.

• Les avantages des entreprises SaaS traditionnelles sont l'expérience sectorielle, les relations clients, l'accès aux données et l'accumulation de flux de travail. Leurs inconvénients sont la dette technique et la vitesse d'itération.
• Les avantages des entreprises natives AI sont la vitesse de production, la capacité d'appel des modèles et la structure des coûts. Les inconvénients sont l'absence d'accès aux entreprises et de contexte industriel.
• L'avantage de l'entreprise de modèles de pointe est la meilleure intelligence. Son inconvénient est l'absence de contrôle sur les processus d'entreprise.

La couche logicielle ne sera pas simplement absorbée par l'IA. Les entreprises logicielles sans contrôle sur les données et les processus pourraient être abstraites par les modèles. En revanche, les entreprises logicielles qui maîtrisent les structures de données, les flux de travail et le routage des modèles ont l'opportunité de transformer l'IA en un marché plus vaste, en passant de la vente de sièges à la vente de productivité.

La capacité de faire passer le ROI des entreprises de l'échantillon fort de SemiAnalysis aux entreprises ordinaires dépend en grande partie de ce niveau.

Dans les échanges d'IA, on se demandait : qui est le plus proche de la puissance de calcul ?

This question is too broad right now.

À la prochaine étape, le marché posera des questions sur des variables plus précises.

Premièrement, la valeur du token continuera-t-elle d'augmenter ? Si l'IA agente s'étend au-delà du code, de la recherche et de l'analyse vers davantage de flux de travail de bureau, les laboratoires de modèles et les chaînes d'inférence continueront d'être réévaluées.

Deuxièmement, la marge brute du laboratoire de modèles continue-t-elle de s'améliorer ? La croissance des revenus ne suffit plus ; le marché surveillera les coûts d'inférence, l'efficacité du cache, la mise à niveau des SKU et le pouvoir de fixation des prix pour les modèles de pointe.

Troisièmement, les fournisseurs de cloud peuvent-ils transformer leurs dépenses en capital en revenus ? Les dépenses en capital pour l'IA ne sont plus automatiquement considérées comme un facteur positif ; seules les dépenses en capital qui se traduisent par des revenus de cloud, une marge brute sur l'inférence et des contrats entreprises seront récompensées par le marché.

Quatrièmement, NVIDIA pourra-t-elle continuer à augmenter ses prix face aux goulets d’étranglement au niveau système ? Le GPU n’est qu’une première couche ; Rubin, SOCAMM, le réseau, les systèmes au niveau des baies, la pile logicielle et la capacité d’achat de la chaîne d’approvisionnement déterminent si NVIDIA pourra continuer à prélever des marges.

Cinquièmement, TSMC et le stockage pourront-ils réévaluer la rareté ? Les nœuds avancés, le HBM, le DRAM, le SOCAMM et l’emballage avancé, s’ils continuent d’être des goulets d’étranglement de l’offre, ne perdront pas facilement leur valeur en amont.

Sixièmement, les entreprises logicielles pourront-elles accéder aux points d'entrée pour l'IA ? Les entreprises logicielles sans point d'entrée de processus seront compressées, tandis que celles disposant d'un point d'entrée, de données et de capacités d'orchestration pourraient devenir plus chères.

Les transactions sur les infrastructures IA n'ont pas expiré.

Il a augmenté trop violemment, ce qui a provqué ce désaccord entre Goldman Sachs et SemiAnalysis.

Goldman Sachs rappelle au marché que les avantages de la chaîne de puces ont déjà été pleinement exploités. Si le retour sur investissement des entreprises tarde à se matérialiser, la trésorerie des fournisseurs de cloud pourraient retomber sur les dépenses en capital, corrigeant ainsi le modèle où les semi-conducteurs profitent seuls.

SemiAnalysis rappelle au marché qu'il ne faut pas juger l'IA agente de 2026 sur la base de l'expérience de l'IA en 2024. Les tokens deviennent des moyens de production, les laboratoires de modèles améliorent leurs marges brutes, l'offre de puissance de calcul reste tendue, et NVIDIA et TSMC n'ont peut-être pas encore pleinement valorisé leur valeur.

En combinant ces deux jugements, le centre d'intérêt de l'IA dans le trading a changé.

Au cours des deux dernières années, le marché a récompensé les actifs rares. Ensuite, le marché observera qui parviendra à conserver durablement la valeur économique créée par l'IA dans son compte de résultat.

Si SemiAnalysis observe un point de bascule marginal, le gâteau de la chaîne IA continuera de grossir, et les laboratoires de modèles, les fournisseurs de cloud, NVIDIA, TSMC, ainsi que les chaînes de stockage et d'électricité auront tous des raisons de continuer à répartir les bénéfices.

Si Goldman Sachs observe une réalité plus proche de celle des entreprises moyennes, les dépenses en capital rencontreront d'abord des contraintes de trésorerie, la chaîne des semi-conducteurs devra absorber des attentes excessives, tandis que les fournisseurs de cloud bénéficieront plutôt de meilleurs rendements relatifs grâce à une compression de leur valorisation et à une discipline potentielle en matière de dépenses.

L'état le plus probable actuel, entre les deux.

Les utilisateurs les plus forts ont déjà commencé à acheter massivement des tokens, tandis que les entreprises ordinaires n’ont pas encore finalisé leurs comptes. Les marchés financiers réagiront d’abord aux changements marginaux apportés par les utilisateurs les plus forts, puis attendront que les entreprises moyennes les confirment via leurs résultats financiers. Plus la vérification sera rapide, plus le monde de SemiAnalysis se rapprochera ; plus elle sera lente, plus les transactions de Goldman Sachs auront un avantage.

Les « pioches » de l'IA dominent toujours le marché, mais la question est passée de « qui vend les pioches » à un autre registre : qui a déjà gagné suffisamment, qui peut encore augmenter ses prix, et qui deviendra le véritable locataire du prochain niveau.