À quoi s'intéresse la Silicon Valley ? La deuxième phase de l'IA commence ! Résumé des points de vue des géants technologiques lors de la conférence TMT de Goldman Sachs (analyse approfondie)

Le signal le plus clair transmis par la conférence Communacopia + TMT 2026 de Goldman Sachs est le suivant : le centre de gravité des investissements en IA est en train de passer de la construction de puissance de calcul à son utilisation, mais la capacité de calcul reste structurellement sous-offerte. La coexistence de ces deux dynamiques constitue la tension centrale de la Silicon Valley à l’heure actuelle.

Jan Hatzius, économiste en chef de Goldman Sachs, a posé le ton de la conférence : « L’euphorie autour des investissements en IA ne durera pas éternellement. » Mais Jensen Huang, de NVIDIA, a transmis sur la même scène une urgence toute opposée : « 70 % de la croissance actuelle est plafonnée par l’offre, pas par la demande. » Ce désaccord illustre précisément la nature de la seconde mi-temps de l’IA – la direction ne fait plus débat, seuls le rythme et la répartition sont questionnés.

De quoi parle-t-on dans la Silicon Valley : six thèmes majeurs

Thème 1 : Le « goulet d’étranglement physique » de la puissance de calcul devient la nouvelle narration

Jensen Huang a redéfini de façon systématique le cadre narratif de l’infrastructure IA lors de la conférence. Il ramène le moteur de cette transformation à deux révolutions industrielles imbriquées : le passage du calcul par recherche au calcul génératif, et la fin de la loi de Moore.

Depuis 60 ans, l’informatique consiste à « préenregistrer » – à récupérer de l’information en mémoire après le clic de l’utilisateur. Mais l’IA générative exige que les réponses soient créées en temps réel et dans leur contexte, ce qui suppose de concevoir une couche de calcul nouvelle et constamment opérationnelle. En même temps, les gains liés à la miniaturisation des transistors s’amenuisent, les performances ne progressent plus via la réduction des procédés de gravure. Jensen Huang mise alors sur la co-intégration extrême via le packaging multi-puces CoWoS et l’extension verticale via NVLink, affirmant sans détour : « Sans NVLink ni vraie extensibilité verticale, c’est perdu d’avance, car la loi de Moore devient votre ennemie. »

Ce narratif marque un tournant : la contrainte principale à la croissance de l’IA n’est plus « la demande existe-t-elle ? » mais « le monde physique peut-il suivre ? ». Jensen Huang admet qu’il y a des goulets d’étranglement à tous les niveaux : assemblage amont, wafers, mémoire, alimentation électrique et implantation des datacenters. Il maintient pourtant une prévision de croissance de 70 % sur un an jusqu’en CY27. Bret Johnsen, directeur financier de SpaceX, a de son côté révélé un plan d’expansion plus agressif : porter la capacité IA de 2 GW au sol en 2027 à 5-10 GW, et projette un coût de puissance IA en orbite équivalent au sol grâce à des satellites IA.

Thème 2 : La « voie des vainqueurs » dans l’application IA se précise

Hock Tan, PDG de Broadcom, a présenté un modèle économique d’une grande force : 1GW de puissance Frontier correspond à 30 milliards de dollars d’ARR, dont 10 milliards de coûts, 20 récupérés par la couche Modèle+Applications, et 10 à répartir sur l’ensemble de la chaîne Cloud+Chip+Memory+Power.

L’organisation de la valeur dans la chaîne IA devient donc quantifiable. D’après Goldman Sachs, le classement de la « voie des vainqueurs » suit : modèles propriétaires > propriétaires de puces > hyperscalers > énergie+refroidissement liquide > réseaux > applications.

Goldman Sachs remarque cependant que les capitaux migrent de la première étape (GPU/HBM/hardware data center) vers la deuxième (applications capables de convertir les tokens en productivité, revenus et cash-flow pour les entreprises gagnantes). L’écart de valorisation pourrait au contraire « s’aiguiser » : les éditeurs dotés de bases de données propriétaires, de workflow complexes et d’un ROI clair se verront réévalués ; tandis que les SaaS traditionnels facilement banalisables par les modèles de base resteront sous pression.

L’intervention d’Ali Ghodsi, CEO de Databricks, corrobore cette analyse : la compétition dans le logiciel applicatif IA se décale vers le déploiement réel en entreprise : les plateformes capables de convertir la capacité des modèles en résultats business fiables et efficaces ouvriront de nouveaux relais de croissance.

Thème 3 : Agentic AI passe du « concept » à la « restructuration organisationnelle »

Cet événement a vu l’Agentic AI aller au-delà de la simple démo fonctionnelle pour commencer à transformer l’organisation interne des entreprises.

CHYM annonce avoir procédé à 10 % de licenciements, visant « une organisation plus plate et plus rapide » : la taille des équipes produit et ingénierie a été réduite de moitié, mais « la production reste constante grâce à une clarification des responsabilités et à une organisation rationalisée ». Block, après une restructuration majeure en début d’année (réduction du nombre de couches entre décideurs et opérationnels), réalise désormais un effet de levier significatif sur une base de coûts fixes.

Côté technologique, AMD considère l’Agentic AI comme une nouvelle charge de travail qui accroit la demande en CPU divers, et pas seulement en GPU. SailPoint avance un objectif précis : l’agentic AI pourrait devenir le principal moteur de croissance, visant 800 millions de dollars de revenus agentic pour l’exercice 2029.

La directrice financière de Microsoft, Amy Hood, donne la vue la plus systématique : Microsoft combine licences utilisateurs prévisibles avec tarification des services IA basée sur la consommation, tout en élargissant Agent 365 et Copilot. Elle insiste : « Les workflows agentic sûrs et régulés » pourraient porter la croissance à mesure que les agents, les apps et les humains coopèrent de plus en plus.

Thème 4 : La cybersécurité devient « le thème le plus fréquent »

La cybersécurité est le cas d’usage le plus cité durant cet événement. Jensen Huang l’identifie clairement comme le prochain grand cas d’usage de l’IA et expose la logique économique :

« La programmation génère des bugs, ce qui donne naissance à un marché immense : la cybersécurité. L’assistant codeur s’arrête à la suggestion ; l’agent de sécurité surveille le réseau en continu. Les clients doivent donc payer pour l’inférence IA 24/7, pas à la demande. »

Le PDG de Palo Alto Networks affirme que « le secteur de la sécurité IA n’est même pas encore constitué », tandis que CrowdStrike et Palo Alto valent ensemble près de 490 milliards de dollars, laissant un écart de valorisation significatif avec les géants IA et suscitant l’intérêt du marché pour la réévaluation de ce segment.

George Kurtz, CEO de CrowdStrike, partage une base quantitative : les cyberattaques assistées par IA ont augmenté de 89 % en un an, et le délai de pénétration record est tombé à 27 secondes. 27 secondes, c’est moins que le temps de tri d’une alerte par la plupart des équipes humaines : c’est là l’argument pour passer des analystes humains à des agents autonomes.

Jensen Huang qualifie CrowdStrike de « premier partenaire cybersécurité de NVIDIA » et indique que le lancement de SafeMind « marque un tournant dans la cybersécurité ».

Thème 5 : Le modèle « paiement au résultat » d’OpenAI et l’économie de l’intensité d’usage

Sarah Friar, CFO d’OpenAI, a livré les toutes dernières tendances de la monétisation de l’IA.

La branche entreprise porte désormais la moitié de l’activité : le rapport consommateurs/entreprises, initialement de 60:40 en début d’année, a déjà atteint 50:50 à mi-parcours. Le CA annualisé a crû de 20 % sur juillet, le corporate de 32 %, sur une base déjà très élevée.

La vraie nouvelle concerne l’intensité d’usage : les 10 % d’entreprises clientes de pointe consomment 8 fois plus de tokens que les clients moyens (contre 3 fois auparavant), et en interne OpenAI atteint 33 fois. Pour Friar, ce chiffre donne « un avant-goût de la trajectoire future des clients existants » : la croissance provient moins de nouveaux clients que de la montée en puissance d’utilisation par client.

La feuille de route de monétisation est fixée : abonnement → consommation → paiement au résultat. Friar souhaite clairement abandonner la facturation au token pour passer à un partage de valeur verticalisé. La logique compétitive sur la couche modèles change aussi : on ne regarde plus le coût par token, mais le coût par tâche ; leurs modèles requièrent 68 % de tokens en moins que les concurrents pour un même résultat.

Thème 6 : Signaux d’offre côté stockage, consommation et efficacité organisationnelle

Sandisk avance un constat sous-estimé : l’offre NAND sera très vraisemblablement contrainte dans un futur prévisible, alors que la démocratisation du calcul IA intensifie la demande. Ce déséquilibre offre un argument de soutien au prix du NAND.

Les signaux côté consommation sont cohérents : Block note « une résistance très forte des dépenses de consommation au T2, tendance forte maintenue en juillet/août » ; Toast constate la stabilité de la consommation ; Booking.com confirme la résilience de la demande en voyages – des messages en phase avec ceux de Visa lors d’événements précédents.

La refonte de l’efficacité interne par l’IA est explicitement revendiquée : Booking.com utilise l’IA générative dans le support client et le développement logiciel, avec « des gains tangibles déjà observés » ; Etsy évoque « une compréhension plus fine des stocks, des clients et du potentiel d’achat » grâce à l’IA.

Le cadre « seconde mi-temps de l’IA » selon Goldman Sachs

La série de rapports de Goldman Sachs, avant et après la conférence, constitue le cadre d’analyse de fond pour décrypter l’événement.

Première couche : de « l’expansion de la puissance de calcul » à la « monétisation des tokens ». Les analystes de Goldman Sachs rappellent que le financement mondial IA passe de la phase hardware (goulots d’étranglement matériels) à l’application logicielle capable de transformer les tokens en productivité, revenus et cash-flow. Les critères de sélection des gagnants logiciels : base de données propriétaire massive, workflow puissant, exécution fermée par agents intelligents, et ROI démontrable.

Deuxième couche : de la « dualité des géants » à la « compétition multipolaire ». Rich Privorotsky, à la tête du desk One-Delta de Goldman Sachs, note que le narratif IA passe de la « course de pointe entre NVIDIA et Google » à une configuration hyperconcurrentielle multipolaire. Meta et xAI prouvent qu’il est possible d’offrir des APIs de pointe à des prix nettement plus faibles. Si la concurrence fait baisser le prix du token, l’argument des haussiers hardware (« la chute du prix démultiplie la demande ») n’est pas automatiquement validé dans la réalité : le taux d’adoption payant d’outils IA en entreprise dépasse 50 %, il n’est pas certain qu’une baisse des prix déclenche seule une explosion de la demande.

Troisième couche : du « grand modèle » au « petit modèle spécialisé ». La charge de travail des entreprises glisse rapidement vers des modèles spécialisés et compacts – analyse de documents, routage de workflow, conformité, relation client, etc. Ces modèles sont plus économiques, plus rapides, et peuvent tourner localement sur des équipements edge. D’après le CEO de Hugging Face, cité par Goldman Sachs, les entreprises vivent une transformation structurelle : du « leasing d’APIs propriétaires » vers « la possession et l’exécution de leurs propres modèles open source ».

Quatrième couche : l’efficacité du capital devient le juge de paix. L’incertitude pour Goldman Sachs ne porte pas sur le ralentissement ou non des investissements des géants du cloud, mais sur le moment où les actionnaires exigeront une efficacité en capital supérieure. Dès que ces acteurs seront contraints de réduire leurs CAPEX, même si les résultats industriels du hardware restent excellents, les multiples de valorisation seront sous pression.

La Silicon Valley résumée en une phrase :

L’essence de la « seconde mi-temps » de l’IA, ce n’est pas que « l’IA ralentit », mais que « la rareté laisse place à des logiques de répartition ». La puissance de calcul reste déficitaire, mais la question devient : « À qui revient finalement cette puissance dans la génération de cash-flow ? » Réponse de Jensen Huang : « pour 1 dollar investi, 100 dollars de retour » ; celle d’OpenAI : « paiement au résultat », celles de Goldman Sachs : « la valeur utile générée par chaque dollar investi en IA ». Ceux qui transformeront les tokens en résultats d’entreprise vérifiables définiront les règles de la seconde mi-temps de l’IA.