Le changement de 1,3 trillion de dollars lié aux inférences de l’IA : 5 actions à acheter alors que la mise en œuvre des technologies IA passe de l’étape de formation à celle de déploiement.

Pourquoi l’inférence devient la véritable économie de l’IA

La fonction principale est simple : les investisseurs doivent considérer l’inférence comme une composante essentielle de l’économie réelle de l’IA, et non comme quelque chose d’irréel ou de temporaire. L’entraînement consiste à former un modèle ; l’inférence, en revanche, consiste à utiliser ce modèle pour répondre aux questions des utilisateurs, détecter les fraudes ou recommander du contenu en temps réel. Cela est important, car l’inférence n’est pas un événement unique. C’est plutôt la “caisse enregistreuse” quotidienne de l’IA.

Cela est important pour le timing. Le marché des inférences est estimé à117,80 milliards de dollars US en 2026Alors que la construction de l’infrastructure AI plus large est en cours de développement et devrait dépasser…1 trillion de dépenses annuelles d’ici 2030En même temps, les plus grandes plateformes continuent de jouer un rôle important : les principaux fournisseurs de services cloud et d’IA aux États-Unis ont des plans…660 milliards à 690 milliards en CAPEX en 2026C’est le cadre pour une fenêtre de reévaluation. Si vous attendez que tous les flux de revenus deviennent évidents, la positionnement le plus simple pourrait déjà être perdu.

Le combat est réel. Les boucs montrent que l’utilisation continue dans le monde réel stimule une demande durable.L’inférence est continue.Les analystes soulignent l’ancienne leçon : les infrastructures peuvent devenir trop importantes par rapport aux revenus à court terme.Le moteur peut-il le nourrir ?L’opinion prudente est que les dépenses sont suffisantes et que les cas d’utilisation sont suffisamment pratiques pour que des acteurs majeurs puissent se distinguer, même si le timing et la monétisation restent inégaux.

Comment les inférences modifient la carte d’infrastructure

La carte d’infrastructure change radicalement lorsque l’IA passe de l’étape de formation à l’étape d’interprétation. Lors de la formation, les grands sites étaient privilégiés, car le temps de latence était acceptable et le travail s’effectuait par calcul par lots. L’interprétation ne bénéficie pas de ce avantage, car…continue, sensible à la latenceEt cela est directement lié à l’utilisation des produits dans le monde réel. Cela signifie que la diffusion de ces technologies se fait de manière radiale. D’ici 2030, on prévoit que l’IA jouera un rôle important dans cette évolution.Plus de la moitié des charges de travail en IAPoussant l’infrastructure vers…Des centaines de centres de calcul de données plus petits, distribués et à forte utilisation.plutôt qu’un petit nombre de sites super-éloignés.

Le pouvoir et l’intégration sont plus importants.

Ce n’est pas simplement un changement dans le domaine immobilier. C’est un changement lié au pouvoir et à l’intégration des technologies. Les unités de stockage d’IA deviennent plus grandes, allant de 30 à 150 kW par unité. Cela fait que chaque site devient un ensemble complexe de composants liés à l’alimentation électrique, au refroidissement et à la conception du système. La discussion générale souligne déjà cela.Densité de puissance plus élevée et intégration du système plus profonde.Cela augmente la complexité du processus de construction. En termes simples, le problème ne concerne plus seulement l’approvisionnement en composants. C’est la vitesse à laquelle on peut fournir de l’énergie, évacuer la chaleur, et faire fonctionner tout le système à grande échelle.

Pourquoi le champ du gagnant s’élargit-il ?

Cela élargit le champ des entreprises qui participent à ce marché, au-delà des principaux acteurs du secteur des puces. Oui, la taille de ce marché reste énorme : Nvidia a indiqué que les opportunités de revenus liées aux puces d’IA peuvent atteindre…Au moins 1 000 milliards de dollars jusqu’en 2027Mais même Nvidia essaie de concurrencer de manière plus agressive dans le domaine de l’inférence. La collaboration avec Groq montre que le champ de bataille s’ouvre davantage.Accord de licence non exclusive avec NvidiaCela est important pour les investisseurs. L’inference valorise les performances liées à la latence, l’efficacité et la vitesse de déploiement – pas seulement les performances lors du entraînement en temps de pointe.

Ainsi, les bénéficiaires possibles se développent en : – Des entreprises de réseautage et d’intégration de systèmes qui permettent aux clusters distribués de communiquer efficacement entre eux. – Des spécialistes en énergie et refroidissement qui résolvent le problème lié aux rack à haute densité. – Des hyperscalers full-stack dotés de relations directes avec les clients et d’une grande capacité de déploiement.

Les Bulls devraient toujours mettre à l’épreuve cette logique. La dépréciation des actifs, les cycles de remplacement, les autorisations nécessaires, les connexions énergétiques et le travail nécessaire peuvent entraver la capacité de production ou retarder la rentabilité, surtout si certains sites sont construits avant que les charges de travail ne soient pleinement atteintes. La question à long terme reste donc importante.Le moteur peut-il le nourrir ?.

Ce que le marché peut encore mal interpréter

• L’inference passe d’une perspective liée aux GPU à une perspective liée au système entier.
• Le pouvoir et la refroidissement peuvent être aussi importants que la densité de silicium dans la prochaine étape.
• La distribution crée des opportunités pour le réseautage, l’intégration et les plateformes des hyperscalers.
• La concurrence s’élargit à mesure que l’architecture d’inférence devient moins fermée.

Signaux qui comptent maintenant

Vérifiez trois choses : si les charges de travail d’inférence augmentent plus rapidement que le entraînement, si les dépenses se traduisent en utilisations facturées plutôt que simplement en capacité, et si les contraintes liées à l’énergie et au réseau deviennent des opportunités commerciales, plutôt que de simples goulots d’étranglement.

5 actions positionnées pour l’ère de l’inference

La carte d’infrastructure a changé. Il est désormais plus simple de faire les choses : il suffit de choisir les entreprises qui ont le plus de chances de garder de l’argent dans le registre, car l’inference devient désormais une étape courante dans l’utilisation de l’IA. Voici donc une liste de sociétés utiles pour prendre des décisions. Pour chaque entreprise, il y a une raison de la posséder, un risque réel, et un signe qui indique si le modèle fonctionne bien.

Nvidia

• Pourquoi maintenant :Nvidia reste la méthode la plus efficace pour occuper une position de leader dans le domaine de l’inférence. Elle a publié215,9 milliards de dollars de revenus pour la période fiscale 2026Et un taux de marge brute de 71,1 % selon les normes GAAP. En revanche, la direction affirme que Grace Blackwell génère des coûts par token bien inférieurs. C’est ce que les investisseurs veulent voir dans l’ère de l’inference : des coûts plus bas à une échelle massive.
• Risque :Les entreprises du secteur des ours argumentent que les inférences deviendront plus compétitives à mesure que les puces personnalisées et les architectures ouvertes se répandent, y compris grâce à des accords comme celui de Nvidia.Contrat de licence non exclusive, ce qui peut entraîner une pression sur les marges au fil du temps.
• Signale :Observez le taux de marge nette par rapport à la part des dépenses liées aux services d’inférence. Si la marge reste forte, tandis que les économies obtenues grâce aux tokens moins chers entraînent une augmentation de l’utilisation, Nvidia peut maintenir son positionnement premium. Mais si la marge s’améliore avant que le volume d’utilisation ne compense cela, le marché pourrait commencer à considérer les services d’inférence comme une sorte de produit de consommation courante.

Microsoft

• Pourquoi maintenant :Microsoft vous offre Azure, ainsi qu’un accès aux services d’entreprise. Il existe déjà…80 milliards de commandes Azure, soutenues par des contraintes de puissanceCela indique que la demande est réelle et que les clients sont prêts à réserver des places avant que le produit ne soit entièrement construit.
• Risque :Tout le campus d’IA dépend de la récupération des investissements considérables. Les investissements en IA par les hyperscalers devraient atteindre entre 660 et 690 milliards de dollars en CAPEX en 2026. Si Azure ne parvient pas à transformer ces investissements en utilisation rentable de l’IA, la patience des investisseurs peut s’épuiser rapidement.
• Signaux :Regardez les commentaires d’Azure sur la demande en IA et sa monétisation. Les indications encourageantes, une conversion plus claire des revenus liés à l’IA, ainsi que les preuves que les commandes soumises à des contraintes de puissance sont en train de générer des revenus, confirmeraient cette théorie.

Amazon

• Pourquoi maintenant ?AWS est une plateforme d’inférence à long terme. Goldman Sachs estime que…1,15 billions de dollars de dépenses d’investissement des hyperscalers jusqu’en 2027Et AWS dispose des relations clientes, d’une présence mondiale et des incitations nécessaires pour satisfaire à la fois les besoins internes en inférence et les charges de travail externes.
• Risque :Il s’agit d’une construction d’infrastructure lourde. Si les dépenses augmentent plus rapidement que la demande réelle, les marges bénéficiaires peuvent rester sous pression plus longtemps que ce que les investisseurs anticipent.
• Signale :Vérifier la croissance des revenus AWS par rapport aux investissements en CAPEX, et voir si les marges d’exploitation restent stables. C’est le test le plus simple dans la réalité pour déterminer si l’infrastructure IA se transforme en argent réel.

Alphabet

• Pourquoi maintenant :Alphabet dispose déjà d’une infrastructure technologique dédiée à l’intelligence artificielle. Son activité cloud a été améliorée grâce à des réorganisations précédentes, ce qui lui permet de disposer d’un socle plus solide pour générer des revenus. Cela en fait une marque forte pour une plateforme, si l’efficacité commence à se manifester en termes d’utilisation et de revenus.
• Risque :Des modèles plus efficaces et des coûts plus bas ne signifient pas automatiquement une adoption plus rapide ou une meilleure économie cloud, si les clients ne peuvent pas transférer suffisamment rapidement la charge de travail.
• Signale :Observer les tendances d’adoption de Gemini, l’utilisation de l’IA en nuage, ainsi que toute indication indiquant que les coûts réduits d’inférence stimulent une demande accrue, plutôt que simplement des coûts de calcul internes plus bas.

Vertiv

• Pourquoi maintenant ?Vertiv est l’entreprise spécialisée dans les infrastructures de traitement des données liées au chauffage, à l’énergie et à l’intégration des systèmes. On prévoit que la demande en énergie pour les centres de données augmentera.165 % entre 2023 et 2030Et les charges de travail liées à l’IA sont déjà en train de changer la donne.Planification de la puissanceEt le design du site… L’inference répartit la charge de manière équitable, ce qui aide les fabricants de systèmes de refroidissement et d’énergie.
• Risque :Cette thèse dépend de la mise en œuvre réelle, et non seulement des titres de presse. Si les connexions électriques se détériorent ou si les clients retardent les travaux de construction, la conversion des commandes en produits réels peut être affectée.
• Signale :Faites attention aux commentaires plus détaillés concernant les problèmes de retard dans le processus de production. Les victoires obtenues sont liées à des densités de puissance plus élevées sur les chariots de production. De plus, il y a des indications sur le timing de la mise en service des clients par la direction. C’est la preuve que le goulot d’étranglement lié à la puissance et au refroidissement devient une source de revenus.

La conclusion pratique est simple : Nvidia reste l’engin de traitement d’informations principal. Microsoft et Alphabet montrent comment les plateformes peuvent générer des revenus grâce à l’utilisation des leurs. Amazon offre un soutien important en termes de dépenses de construction. Vertiv profite de la pression exercée par la demande en énergie dans les centres de données, qui devrait augmenter de 165 %. Au cours des prochaines trimestres, c’est ceux dont la valeur montre une véritable demande réelle – et non seulement des dépenses de construction – qui méritent une prise de position plus forte.

Comment posséder la construction d’inférences sans se préoccuper de tous les titres d’actualité liés aux IA

La configuration est déjà claire. La question pratique qui se pose maintenant est l’exécution : comment réaliser des inférences sans avoir à acheter tous ces outils d’IA superflus.

Construisez en couches, pas des scènes d’action spectaculaires.

Commencer par les entreprises qui sont les plus susceptibles de conserver de l’argent en espèces, à mesure que l’IA passe d’une utilisation expérimentale à une utilisation quotidienne. Nvidia reste le meilleur exemple de performance dans ce domaine. La direction de Nvidia considère Grace Blackwell comme…le roi des inférencesMais la meilleure stratégie n’est pas de s’engager dans une seule action. Il est plus judicieux de combiner l’exposition au silicium de base avec des fournisseurs de plateformes et d’infrastructures. Car la construction se fait en plusieurs étapes.Directement lié à l’infrastructure de l’IAEt l’inférence est en train de se transformer.Planification de la puissance et décisions de location.

Attendez des preuves, pas de promesses.

C’est là que beaucoup d’investisseurs se blessent. Le risque le plus important est que les dépenses de CAPEX dépassent les revenus monétisés, surtout parce que…Les fournisseurs d’IA pure-play enregistrent une croissance rapide des revenus.Leurs revenus combinés restent encore une fraction de l’investissement en infrastructure qui est fait pour eux.

Savoir ce qui brise le commerce

Éloignez-vous si les hypothèses de déduction restent limitées, ou si la question de la durabilité – à savoir si les revenus justifient les dépenses – devient plus importante. C’est le test de la bulle : l’utilisation des ressources doit continuer à faire progresser le développement.