Fondateur de SemiAnalysis : D'ici 2028, la majorité de la puissance de calcul mondiale en IA appartiendra à seulement deux entreprises

Auteur | Xu Chao

      Édité par | Hard AI

Lors du dernier échange du podcast technologique reconnu Dwarkesh Podcast, Dylan Patel, fondateur et analyste en chef de SemiAnalysis, institution de pointe dans la recherche sur les semi-conducteurs et la puissance de calcul, a prédit : d’ici 2028, les deux laboratoires OpenAI et Anthropic pourraient contrôler directement 70 à 80 % de la puissance de calcul mondiale additionnelle, ainsi que la plupart des FLOPs utiles.

L’impact le plus profond concerne les marchés financiers : puisque les centres de données d’IA présentent un retour sur investissement impressionnant, la compétition extrême des géants technologiques pour le capital va entraîner une hausse du taux d’actualisation et des taux d’émission obligataire dans la société, générant une augmentation systémique du coût mondial de la dette.

Résumé des points clés

Les idées principales de cet entretien portent sur la centralisation extrême de la puissance de calcul, l'évolution du modèle économique des laboratoires, la hausse du coût du crédit provoquée par les data centers IA, ainsi que l’impact sur la valorisation des actifs traditionnels et le risque lié à la dette souveraine.

L’infrastructure de l’IA est devenue, en un peu plus d’un an, le moteur essentiel de la croissance du PIB américain, tout en préparant une concentration de la puissance de calcul sans précédent.

Selon les estimations de Dylan Patel, la taille de la puissance de calcul d’OpenAI et d’Anthropic ne cesse d’augmenter, leur part dans la capacité mondiale additionnelle de calcul ne cesse de croître, et il est prévu qu’en 2028, ces deux laboratoires détiendront 70 à 80 % de la puissance de calcul supplémentaire globale.

Cette concentration ne ralentit pas, mais s’accélère. Les grands acteurs traditionnels du cloud ainsi que d'autres entreprises dotées de bilans solides construisent également des infrastructures de calcul qu'ils louent aux principaux laboratoires.

Grâce à l'amélioration significative des performances par watt des nouveaux chips, la domination des principaux laboratoires sur la puissance de calcul supplémentaire revient à leur permettre de contrôler la majeure partie des capacités de calcul efficaces mondiales.

Autrefois, le coût d’exploitation des modèles de pointe était élevé et les laboratoires opéraient à marge brute négative. Maintenant que les performances des modèles et l’efficacité de la commercialisation s’améliorent, la production de puissance de calcul augmente nettement, et les laboratoires sont mieux à même de supporter des prix élevés des calculs.

De 2024 à 2029, les dépenses d’investissement cumulées de la chaîne industrielle mondiale de l’IA devraient atteindre environ 11 000 milliards de dollars. Une partie de ces fonds nécessitera un recours aux marchés du crédit. En raison du haut taux de retour anticipé des infrastructures IA, les géants technologiques pourraient accepter des taux d’émission obligataire plus élevés, ce qui augmenterait le coût du capital à l’échelle totale.

L’augmentation du coût du crédit et du taux central sans risque va transformer la logique mondiale de pricing des actifs. Les actifs traditionnels dépendant de flux de trésorerie futurs stables pourraient subir une pression sur leur valorisation, et certains pays fortement endettés pourraient faire face à un coût de refinancement plus important et à un risque de défaut souverain accru.

À l’avenir, les laboratoires de pointe pourraient réduire la proportion de puissance de calcul allouée à la prestation commerciale externe pour consacrer davantage de calcul au développement interne de modèles et à l’amélioration récurrente. Ceci s’explique par la valeur à long terme générée par la R&D interne, potentiellement supérieure à celle issue de la vente directe de Token aux utilisateurs externes.

L’entretien aborde aussi la chaîne d’approvisionnement de la puissance de calcul, la construction des data centers, les dépenses de capital, les restrictions réglementaires et les possibles évolutions structurelles économiques provoquées par l’IA. Les interviewés estiment que la tendance à la concentration de la puissance de calcul, du capital et des capacités de modèles pourrait consolider l’influence de marché de quelques laboratoires majeurs.