Le travail de la connaissance à 30 000 milliards, un marché de consommation à 30 000 milliards -- Maîtriser l'ère du raisonnement de l'IA

Morgan Stanley estime que l'industrie de l'intelligence artificielle franchit à grands pas le stade de la construction des infrastructures pour entrer dans "l’ère de l'inférence", cette évolution technologique permettant de numériser et de remodeler le marché mondial des emplois de la connaissance estimé à 20 à 30 mille milliards de dollars ainsi qu’un marché de la consommation de près de 30 mille milliards de dollars, entraînant ainsi une rotation sectorielle sans précédent sur les marchés de capitaux.

Selon les informations du desk de trading Zhuisifeng, le 7 septembre, le rapport mené par Brian Nowak de Morgan Stanley, intitulé « The Morgan Stanley AI Guidebook : Navigating the Age of Inference », souligne que lorsque le rythme de croissance des dépenses d'investissement en centres de données des fournisseurs de cloud hyperscale devrait culminer en 2027 puis ralentir considérablement en 2028, le flux de capitaux du cycle technologique fait face à un point d’inflexion clé.

(Les dépenses d'investissement des géants du cloud computing devraient atteindre environ 1,5 trillion/1,6 trillion USD en 2027/2028)

On prévoit que les capitaux des investisseurs sortiront progressivement des semi-conducteurs et du hardware pour se réorienter massivement vers la couche logicielle et les acteurs de l’intelligence artificielle, accordant une nouvelle phase d’expansion de valorisation à des géants technologiques dotés d’un écosystème complet et d’un flux de trésorerie libre tels que Amazon, Google, Microsoft et META.

(Le cycle d’affaires de l’IA devrait s’étendre aux logiciels, aux services et aux entreprises d’applications d’intelligence artificielle)

Le rapport souligne que l’application de l’IA du côté des entreprises et des consommateurs connaît déjà une accélération explosive. Au deuxième trimestre 2026, environ 25 % des entreprises du S&P 500 ont déjà commencé à quantifier les revenus financiers générés par l’IA générative.

Parallèlement, le marché des financements obligataires pour les infrastructures de l’IA affiche une remarquable capacité d’absorption, le volume mondial des émissions de dettes liées à l’IA atteignant déjà environ 450 milliards de dollars depuis le début de l'année. Les flux de trésorerie opérationnelle robustes des fournisseurs hyperscale de cloud computing suffisent largement à couvrir les besoins futurs en dette, dissipant ainsi les craintes du marché quant aux goulets d’étranglement en financement.

Pendant cette période de transition, l'attention du marché se recentrera totalement sur le retour sur investissement de l'IA, la dynamique concurrentielle de l’open source, ainsi que sur les goulots d’étranglement croissants en matière d’électricité et de réglementation. La capacité à trouver un équilibre entre l'explosion de la puissance de calcul et les contraintes physiques déterminera la destination finale des milliers de milliards de dollars de dépenses d'inférence de la prochaine étape.

Point d’inflexion des flux de capitaux : le reflux du hardware, l’essor des logiciels et des acteurs de l’IA

Morgan Stanley estime que la trajectoire des dépenses d’investissement des fournisseurs de cloud hyperscale constitue l’indicateur clé de rotation des capitaux sur le marché.

D’ici 2027, les dépenses d'investissement dans les centres de données devraient augmenter de 60 % en glissement annuel, atteignant 1,5 trillion de dollars. Toutefois, contraintes par la main-d’œuvre, les matériaux et l’électricité, ainsi que par certains déploiements anticipés de capacité pour 2027-2029, le rythme de croissance des dépenses en 2028 devrait nettement ralentir autour de 12 %.

Ce ralentissement, combiné à la forte accélération de la croissance des revenus de la couche logicielle, annonce une rotation typique des capitaux au cours d’un cycle technologique pluriannuel. Cela rappelle nettement la dynamique de l’ère de l’Internet mobile : après un décollage initial du hardware et des semi-conducteurs, la valeur migre progressivement vers la couche application et les services logiciels.

(Performance relative des actions lors de l’Internet mobile)

Bien que les actions du hardware, au vu de leurs valorisations modestes, n’enregistrent pas de dégringolade brutale, la migration des bénéfices vers les couches supérieures crée un levier accru d’expansion pour les logiciels et les acteurs de l’IA.

À mesure que les investissements se concrétisent, la capacité mondiale de calcul connaîtra une croissance exponentielle. D’ici 2028, la capacité totale devrait passer de 35 GW en 2025 à environ 145 GW.

(Morgan Stanley estime que la puissance de calcul atteindra environ 145GW en 2028)

En particulier, la part des puces personnalisées ASIC dans l’accroissement de la puissance de calcul bondira de 34 % en 2025 à 66 % en 2028, les TPU de Google et Trainium d’Amazon prenant le leadership de cette mutation structurelle.

(La part de capacité additionnelle représentée par les ASICs ne cessera de croître dans les années à venir)

Pénétration d’un marché de 60 000 milliards : la technologie et la finance en pointe

À l’ère de l’inférence, le véritable enjeu pour l’IA générative réside dans sa concrétisation commerciale.

Le marché fait face à une opportunité de numérisation mondiale des métiers de la connaissance évaluée à 20 à 30 mille milliards de dollars, alors que des segments comme la vente au détail, le tourisme, la conduite autonome, la livraison de repas et la publicité totalisent environ 30 mille milliards de dollars de potentiel inexploité.

(Le rapport estime qu’environ 30 000 milliards de dépenses des consommateurs attendent encore leur numérisation)

L’adoption des applications de la couche supérieure s'accélère. D’un point de vue macroéconomique, le secteur de la technologie est à la pointe en termes d’adoption et de quantification des gains de l’IA générative, suivi de près par les secteurs financier, de la santé et industriel.

(Les cas d’utilisation couvrent l’ensemble de l’économie)

Le taux de mention de l’IA générative lors des conférences de résultats des entreprises technologiques est passé de 28 % il y a un an à 51 % aujourd’hui.

Des analogies historiques montrent que le taux de pénétration actuel de l’IA est probablement considérablement sous-estimé. La deuxième année de développement du cloud computing (2014), les dépenses sur le cloud public représentaient 4 % du budget total IT. En projetant le même taux d’adoption, les dépenses en IA des entreprises atteindraient environ 800 milliards de dollars en 2027.

(Du point de vue des entreprises, on peut considérer qu’en 2014, la deuxième année, les dépenses de cloud public représentaient déjà 4 % du budget IT)

Étant donné que l’IA ne nécessite pas de migration d’infrastructure à grande échelle et que le délai de valorisation est plus court, sa diffusion effective devrait être plus rapide que celle du cloud computing. Côté consommateurs, les plateformes disposant de vastes ensembles de données propriétaires et de canaux de distribution auront un avantage absolu.

(La vitesse de développement de l’intelligence artificielle générative devrait être supérieure ; même avec un taux de pénétration de seulement 4 % en 2027, les dépenses des entreprises pour la génération d’IA atteindraient environ 800 milliards de dollars)

Retour sur la puissance de calcul et modèles open source : vers une refonte des business models

Concernant le retour sur investissement très scruté par le marché, l’analyse indique que l’IA générative présente un RCI fortement attractif, avec plusieurs axes de monétisation présentant des Taux de Rendement sur Capital Investi (ROIC) de 25 à 50 %.

Le rendement le plus élevé concerne les entreprises opérant leurs propres API de modèles sur une infrastructure propriétaire (telles que META, Google, SpaceX), avec un retour sur investissement pouvant atteindre 46 %. Même les activités de location GPU hyperscale pures (IaaS) maintiennent un ROIC autour de 30 %.

(Trois schémas de business models génératifs avec des retours de 25-50 %)

Au niveau des modèles, l’open source à moindre coût de service ne diminue pas la demande en puissance de calcul, mais deviendra au contraire l’élément moteur de la diffusion de l’IA dans toute l’économie.

Les modèles open source pousseront les prix moyens par token à la baisse, déclenchant le paradoxe de Jevons : la baisse de prix entraînant une explosion de la demande d’inférence.

Cette dynamique compétitive forcera les laboratoires d’IA de pointe à innover en continu afin de capter des parts croissantes de dépenses d’inférence, tout en consolidant la valeur des plateformes cloud hyperscale agissant comme des « layers d’orchestration de modèles » (type AWS Bedrock, MSFT Foundry, GOOGL Vertex).

Ces plateformes cloud maximisent efficacité et monétisation en attribuant pour chaque tâche le modèle le plus économique possible.

Surmonter les goulets d’étranglement des infrastructures : expansion du crédit et percée énergétique

Le pilier du vaste marché de l’inférence réside dans un financement ininterrompu et l’expansion constante des infrastructures.

Malgré une explosion à quelque 450 milliards d’euros des émissions de dettes liées à l’IA cette année, les meilleurs fournisseurs de cloud hyperscale disposent encore d’amples marges pour émettre de la dette. Le rééquilibrage de marché se manifestera principalement via l’élargissement des spreads de crédit.

Plus important encore, Amazon, Google, META et Microsoft voient leur cash flow opérationnel s’accroître rapidement. D’ici 2027 et 2028, le cash flow opérationnel de ces quatre géants atteindra respectivement 980 milliards et 1,2 trillion de dollars ; des montants sept à huit fois supérieurs aux dettes de 290 milliards à lever sur la même période, témoignant d’une grande solidité de leur bilan.

Néanmoins, les goulots d’étranglement matériels restent sévères. Les gouvernements fédéraux et locaux intensifient leurs contrôles politiques sur les centres de données concernant l'énergie et la consommation d’eau.

Pour pallier les retards de raccordement au réseau, les datas centers hyperscale adoptent de plus en plus de solutions de production d’énergie sur site (« behind-the-meter »), ce qui pourrait augmenter les dépenses d’investissement d’environ 3 milliards USD par GW.

L’exigence incontournable de "temps contre énergie" confère dès lors un attrait d’investissement de long terme aux sociétés de production d’énergie sur site et aux fournisseurs de solutions d'enveloppe électrique.

(L’enveloppe énergie et les racks demeurent les principaux moteurs d'investissements en puissance de calcul)