Évolution du thème d'investissement en IA : des « outils » aux services, plateformes et électricité

Contexte de l'événement

Dans un récent rapport de CNBC, Sundeep Gantori, directeur des investissements en actions chez Standard Chartered, a suggéré que le thème d'investissement dans l'IA subit une profonde évolution : le marché ne se concentre plus uniquement sur les « outils de ruée vers l'or » (c'est-à-dire les puces, les serveurs et autres infrastructures), mais se tourne vers les services, les plateformes et l'énergie. Sur le marché asiatique, cette tendance présente une divergence régionale : la Chine reste dominée par les « outils », l'Inde se concentre sur les infrastructures électriques, tandis que d'autres régions s'organisent autour des plateformes.

Ce point de vue reflète le tournant clé de l'industrie de l'IA, passant d'une « logique matérielle » à une « logique d'écosystème ». Au cours des deux dernières années, les fabricants de puces, menés par Nvidia, ont été les grands gagnants en raison de l'explosion de la demande en puissance de calcul pour l'IA. Cependant, avec la mise à l'échelle des modèles d'IA, la valeur se déplace vers les couches de services et de plateformes, plus élevées dans la chaîne industrielle.

Analyse de l'économie numérique

Croissance des utilisateurs et évolution du trafic

L'émergence de la couche plateforme signifie que la portée des utilisateurs des services d'IA va considérablement s'étendre. Prenons l'exemple des plateformes cloud d'IA (comme Microsoft Azure AI, Amazon Bedrock, Google Vertex AI) : elles abaissent les barrières au développement grâce aux API et aux outils low-code, permettant aux PME et même aux développeurs individuels d'accéder aux capacités des grands modèles. Cela propulse directement la base d'utilisateurs des services d'IA, la faisant passer des entreprises technologiques aux industries traditionnelles. On estime que d'ici 2027, le nombre d'utilisateurs mondiaux des services de plateformes d'IA dépassera le milliard, et le volume annuel d'appels API d'IA en entreprise connaîtra un taux de croissance annuel composé de plus de 80 %.

Réévaluation de la valeur des données

La compétitivité centrale du modèle de plateforme réside dans la boucle de données. Les plateformes de services d'IA peuvent collecter les retours des utilisateurs et les données d'utilisation des modèles, optimisant ainsi continuellement les algorithmes, formant un cycle vertueux de « meilleur modèle → plus d'utilisateurs → meilleures données ». Cela signifie que les plateformes disposant de la plus grande base d'utilisateurs accumuleront un avantage de données difficile à reproduire, renforçant ainsi l'effet Matthieu.

Observations sur le modèle économique

De la vente de « pelles » à la vente de « solutions »

Le modèle économique traditionnel des « outils » d'IA consistait à vendre du matériel ou des modèles de base (comme les puces, la puissance de calcul GPU, les modèles pré-entraînés), avec des licences uniques ou une facturation basée sur les ressources de calcul. En revanche, le modèle commercial en mode service adopte une facturation à l'appel API, par abonnement ou en fonction des résultats (comme par volume de génération, par nombre de requêtes). Par exemple, l'abonnement ChatGPT Plus d'OpenAI et la tarification API de startups comme Mistral AI illustrent cette transition du « produit » au « service ».

Dilemme de rentabilité et solutions du modèle de plateforme

Bien que la couche plateforme ait des coûts marginaux faibles, la concurrence y est féroce. Pour attirer les utilisateurs, les plateformes doivent investir continuellement en R&D et en marketing, et sont confrontées à des pressions sur les prix. Cependant, les plateformes peuvent augmenter l'ARPU grâce à des fonctionnalités à valeur ajoutée (comme le fine-tuning personnalisé des modèles, les services de conformité et de sécurité). De plus, en intégrant plusieurs capacités d'IA (texte, image, vidéo), les plateformes peuvent créer un « flux de travail d'IA tout-en-un », renforçant la fidélisation des utilisateurs.

L'électricité devient la nouvelle « pelle »Gantori mentionne particulièrement le thème de l'électricité en Inde. La consommation énergétique de l'IA devient un goulot d'étranglement limitant l'expansion de la puissance de calcul. Entraîner un modèle de la taille de GPT-4 consomme autant d'électricité que des milliers de foyers pendant un an. Par conséquent, les infrastructures électriques (y compris les énergies renouvelables, le nucléaire et la gestion efficace de l'énergie) deviennent une nouvelle thématique d'investissement. Il ne s'agit pas d'un « outil » au sens traditionnel, mais du réseau énergétique sous-jacent soutenant toute l'économie de l'IA.

Analyse de la concurrence sur le marché

Chine : une concurrence dominée par les outils

En Chine, les puces IA sont affectées par les restrictions à l'exportation. Les alternatives locales (comme les puces Ascend de Huawei, Cambricon, etc.) et le soutien politique offrent encore de nombreuses opportunités dans le domaine des « outils ». Cependant, cela signifie aussi qu'à court et moyen terme, les entreprises chinoises se concentrent sur le matériel et les modèles de base, tandis que la couche de plateforme n'est pas encore mature. La concurrence se concentre sur l'efficacité de calcul et les percées dans les modèles.

Inde : énergie et infrastructures numériques

L'Inde a d'importants besoins de construction de centres de données, tout en s'engageant dans la transition énergétique verte. La demande extrêmement élevée d'électricité de l'IA fait de l'Inde un point focal pour les centres de données et les investissements dans les énergies renouvelables. Des géants industriels comme Infosys et Reliance commencent à déployer des services cloud IA, mais l'expansion de la couche de plateforme prendra du temps.

Autres régions d'Asie : la bataille des plateformes

À Singapour, en Asie du Sud-Est, au Japon et en Corée du Sud, des géants technologiques comme Sea Group, Grab, Naver et Kakao construisent des plateformes IA localisées. Ils exploitent les avantages des données régionales (langues multiples, habitudes de consommation) pour développer des services différenciés. Les géants mondiaux du cloud, quant à eux, rivalisent pour le marché en implantant des centres de données régionaux et en collaborant avec des partenaires locaux.

Qui en profite ? Les entreprises fournissant des services de plateforme IA (comme Microsoft, Google, Amazon) et les opérateurs de centres de données bénéficiant d'un coût électrique stable. Qui est challengé ? Les fournisseurs de matériel pur pourraient subir une révision de leur valorisation, et les startups IA sans capacité de plateforme rencontreront des goulots d'étranglement de croissance.

Impact des données et de la réglementation

Pression de conformité des plateformes de services IA

Alors que les plateformes IA pénètrent des secteurs sensibles comme la finance, la santé et l'éducation, les régulateurs s'intéressent à la transparence des algorithmes, à la confidentialité des données et à l'élimination des biais. La loi européenne sur l'IA impose déjà des exigences de conformité strictes pour les systèmes IA à haut risque, obligeant les plateformes à investir massivement dans l'audit et la gouvernance. Cela augmente les coûts opérationnels, mais crée aussi des barrières à l'entrée — les plateformes avec une forte capacité de conformité gagneront un avantage de confiance.

Réglementation énergétique et développement durable

La consommation électrique des centres de données attire l'attention de nombreux pays. Singapour a déjà suspendu l'approbation de nouveaux centres de données, et l'Europe envisage de classer l'efficacité énergétique des centres de données. À l'avenir, la consommation énergétique de l'IA pourrait être intégrée au marché du carbone, incitant les entreprises à utiliser du matériel plus efficace et des énergies vertes. Cela pourrait pousser la puissance de calcul IA à migrer vers des régions riches en hydroélectricité et en nucléaire.

Observation des tendances mondiales

Stratification des infrastructures de l'économie IACette évolution marque le passage de l'économie de l'IA d'une logique où « la puissance de calcul est tout » à une structure multicouche « puissance de calcul + plateforme + services + énergie ». Chaque couche possède sa propre logique d'investissement et sa dynamique concurrentielle. À long terme, les effets de réseau et les boucles de données de la couche plateforme domineront la répartition de la valeur, tandis que la couche énergétique deviendra une nouvelle ressource géostratégique.

Super-applications et services intégrés à l'IA

Au niveau de la plateforme, les super-applications (telles que WeChat, Gojek) intègrent des fonctionnalités d'IA, créant un écosystème où « tout est service ». Les utilisateurs peuvent accomplir des tâches telles que la rédaction, la traduction, la génération d'images, sans quitter l'application, ce qui repousse encore les frontières des logiciels traditionnels.

Souveraineté numérique et déploiement régionalisé

L'importance accordée par les pays à la souveraineté des données contraint les plateformes d'IA à déployer des infrastructures localement. Cela donne naissance à la tendance de l'« IA souveraine », où les modèles sont entraînés avec des données locales et soumis aux lois locales. Cela crée des opportunités pour les fournisseurs de cloud régionaux, mais accroît également la complexité pour les entreprises de plateformes mondiales.