Morgan Stanley a publié un rapport indiquant que le lancement de GPT-6 Astra changera la direction du débat sur le marché. Astra représente une avancée substantielle en matière de raisonnement, de compétences techniques, d'utilisation de l'ordinateur et d'exécution de tâches dans le monde physique, ce qui signifie que l'IA passe de simples interactions à l'exécution de tâches complexes.

Auteur de l'article : Long Yue

Source : Wall Street Journal

La publication d'un modèle est en train de modifier la direction du débat sur le marché.

Les marchés ont débattu ces derniers mois d’une question : « Quelle infrastructure est nécessaire pour répondre à la demande connue en IA ? » La sous-entendue de cette question est : l’infrastructure IA est-elle sur-investie ?

Mais selon les informations de la plateforme de trading Zhuifeng, le rapport publié par Morgan Stanley le 7 septembre indique que l'importance de GPT-6 Astra ne doit pas être comprise simplement comme une continuation du récit de l'extension de l'échelle (Scaling). Ce n'est pas une autre mise à niveau du modèle.

Astra représente une avancée significative en termes de largeur des capacités et d'interopérabilité, concrétisée par quatre axes : la capacité de raisonnement, les compétences en ingénierie, l'utilisation de l'ordinateur et l'exécution de tâches dans le monde physique. Cela signifie que l'IA commence à atteindre un niveau lui permettant d'effectuer des raisonnements complexes, des tâches d'ingénierie spécialisées, d'opérer directement sur des ordinateurs et même de gérer des tâches du monde réel. Les possibilités s'élargissent, et avec elles, les opportunités de générer des revenus. OpenAI a également récemment indiqué que de meilleurs modèles ouvrent de nouveaux « domaines de travail ».

La narration sur l'IA ramène à nouveau la discussion des besoins aux limites physiques

L'émergence d'Astra pourrait transformer la question centrale du marché de « Quelle infrastructure est nécessaire pour répondre aux besoins connus de l'IA ? » à « À mesure que l'intelligence des modèles s'améliore, combien de nouvelles charges de travail deviendront économiquement viables ? »

C'est une question complètement opposée. La première remet en question la demande, la seconde exerce une pression sur l'offre.

Les analystes présentent dans leur rapport une logique économique fondamentale : de meilleurs modèles génèrent un effet d'élasticité — plus l'intelligence et l'utilité obtenues par l'IA pour chaque dollar dépensé sont élevées, plus le nombre, la durée et la complexité des charges de travail d'inférence augmentent.

Cela ressemble au paradoxe classique de Jevons : l'amélioration de l'efficacité ne réduit pas la consommation, mais l'augmente au total. Une augmentation de la production intelligente par unité de coût → des scénarios auparavant non rentables deviennent viables → de nouvelles charges de travail arrivent → la demande en puissance de calcul et en infrastructure s'accroît.

Les analystes estiment que si les capacités d'Astra sont transformées en applications commercialement utiles, le marché potentiel des revenus liés à l'IA s'étendra considérablement, bien au-delà des scénarios d'utilisation actuels axés sur les discussions et la programmation.

Morgan Stanley estime que le TAM mondial du travail intellectuel s'élève à environ 22,5 billions de dollars américains (basé sur 900 millions de travailleurs intellectuels mondiaux et un salaire annuel moyen d'environ 25 200 dollars américains) ; le TAM des dépenses des consommateurs s'élève à environ 30 billions de dollars américains, couvrant la vente au détail et les voyages (environ 16 billions de dollars américains), l'automatisation et la mobilité (environ 4 billions de dollars américains), la livraison de repas (environ 4 billions de dollars américains) et la publicité (environ 3 billions de dollars américains).

La conclusion de l'analyste est que l'apparition d'Astra ramène le récit des goulots d'étranglement de la « formation de la demande » à la « contrainte d'offre physique » — c'est-à-dire la capacité à livrer ces intelligences à l'échelle.

Que signifie exactement cela ? La puissance de calcul. L'électricité. Les matériaux. La main-d'œuvre. Etc.

Où se trouvent précisément les goulets d'étranglement physiques : ABF et HBM4E

La tension au niveau de l'offre repose sur deux leviers concrets.

Le premier est une substra ABF.

Morgan Stanley prévoit que les substrats ABF connaîtront un déficit d'offre à partir de 2027, et que ce déficit s'élargira jusqu'en 2030. La contrainte clé est que la nouvelle capacité nécessite au moins deux ans pour être mise en service.

Le second est la complexité de la phase arrière-plan (BEOL) du HBM4E.

Le rapport indique que les étapes post-fabriques du HBM4E représentent un changement de paradigme majeur dans la fabrication de semi-conducteurs — le HBM évolue d'un empilement de mémoire 3D dédié vers un système logique personnalisé hautement intégré basé sur des chiplets.

Chaîne d'impact spécifique :

• L'augmentation du nombre de couches d'interconnexion HBM4E (par exemple, l'introduction de dummy bumps par SK Hynix) contraindra une grande partie des dépenses en capital DRAM à être allouée à l'expansion de la capacité BEOL.
• Les dépenses en capital pour le transfert de processus en amont (FEOL) et l'augmentation des livraisons de GB DRAM ne devraient être réalisées qu'au second semestre 2027.
• Les fabricants de DRAM priorisent l'occupation des capacités d'équipement, ce qui pourrait reporter l'expansion des capacités NAND

Les deux goulots d'étranglement ont un point commun : ce sont des contraintes physiques vérifiables et traçables, pas des sentiments de marché.

Électricité : le goulot d'étranglement physique le plus réel

Alors que la pression réglementaire sur les centres de données augmente, l'approvisionnement en électricité devient un autre goulot d'étranglement physique majeur. Les analystes prévoient que la puissance totale des grands fournisseurs de cloud passera d'environ 35 GW en 2025 à environ 145 GW en 2028, soit une augmentation d'environ quatre fois.

Les analystes soulignent que les États-Unis font face à un déficit de 38 GW d'électricité, et les centres de données adopteront de plus en plus des solutions de production d'énergie autonome derrière le compteur (behind-the-meter).

Cette estimation indique que la solution d'alimentation après compteur augmentera les dépenses en capital de 30 milliards de dollars par gigawatt. Pour la génération Rubin Ultra de puces NVIDIA, le coût total incluant l'alimentation après compteur s'élève à environ 50 milliards de dollars par gigawatt.

Qu'est-ce que le marché sous-estime ?

Les analystes estiment que le marché sous-estime actuellement trois éléments :

Premièrement, les bénéficiaires mondiaux de la technologie GPT-6 Astra ne sont pas encore suffisamment valorisés.

Deuxièmement, la tension sur l'offre pourrait durer plus longtemps. Les contraintes sur l'ABF et le BEOL HBM4E ne peuvent pas être résolues à court terme.

Troisièmement, certaines actions qui ne dépendent pas de l'IA renforcent discrètement leur position. Les puces analogiques (STM, NXP, Renesas) connaissent une reprise au début du cycle, après plus de trois ans au fond en forme de L — réduction des stocks, stabilisation des prix et amélioration des commandes industrielles.

La conclusion n'est pas « acheter plus d'IA »

Priorités d'investissement données par Morgan Stanley :

Puissance de calcul IA (priorité maximale) > Réseau (priorité secondaire) > Mémoire (optionnelle) + Puces analogiques (couverture en cycle initial), incluant :

• Puissance de calcul IA : GPU (NVIDIA), ASIC (MediaTek, GUC), cartes ABF (Unimicron, Ibiden), MLCC (Murata, Samsung Electro-Mechanics), encapsulation et test en fin de chaîne (Advantest, Tokyo Electron, Huafeng, ASE, Kyoei Technology), alimentation (Delta)
• Réseau : GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Mémoire : priorité à la croissance des parts structurelles et à la localisation (ChangXin Memory), SK Hynix, Samsung, Kioxia bénéficient d’un espace de hausse tactique dans un contexte d’offre toujours tendue
• Non-AI : Puces simulées (STMicroelectronics, NXP, Renesas)

This line states: "We favor companies positioned at the intersection of a broader reasoning cycle, limited physical capacity, rising content intensity, and increased manufacturing complexity."

Les endroits où il faut rester alerte

Le rapport de Morgan Stanley n'est pas uniquement optimiste et souligne clairement trois points à surveiller :

Premièrement, les attentes concernant l'IA sont déjà très élevées. La tolérance du marché envers les entreprises d'IA est passée de « bons résultats » à « résultats parfaitement exceptionnels » ; même si Astra réalise des progrès concrets, si les résultats ne dépassent pas significativement les attentes, la réaction du cours de l'action pourrait rester limitée.

Deuxièmement, la croissance des dépenses en capital en 2028 devrait ralentir. La valorisation des actions repose sur la direction du changement de croissance ; un ralentissement peut continuer à exercer une pression sur les valorisations, même si les valeurs absolues continuent d'augmenter.

Troisièmement, les vents contraires macroéconomiques persistent. Le rapport mentionne des facteurs d'incertitude tels que le prix du pétrole, l'inflation, la trajectoire des taux de la Réserve fédérale et l'élection présidentielle américaine de 2028, en mettant particulièrement l'accent sur les résistances politiques potentielles à l'expansion des centres de données si le parti démocrate remporte l'exécutif.