Le changement de 1,3 billions de dollars pour l’IA : l’inference sera la prochaine dépense, 5 actions à acheter en raison de ce changement

L’inférence devient le principal cycle de dépenses en IA

Le critère essentiel pour les investisseurs est simple : arrêter de considérer l’IA comme simplement une théorie à développer, et commencer à évaluer le prix de la phase où l’IA est réellement utilisée. Ce changement est déjà visible. Deloitte affirme que les fonctions d’inférence constitueront une part importante dans ce processus.Deux tiers de la puissance de calcul dans les centres de données de l’IA seront utilisés cette année.Il est passé à un tiers en 2023. En termes simples, l’entraînement est comme enseigner à un étudiant qui dispose d’un grand manuel de référence. L’inférence, c’est que l’étudiant travaille réellement : il répond aux questions, sert les clients, automatise des tâches… chaque fois qu’une personne utilise le modèle.

Pourquoi les dépenses s’accroissent, plutôt que de diminuer

Le marché lié à cette utilisation est suffisamment important pour avoir une influence bien au-delà d’une courte période de hype. Le marché de l’inférence de l’IA était plutôt…103,73 milliards de dollars en 2025Et il est prévu qu’il atteigne 312,64 milliards de dollars d’ici 2034. Plus important encore, la demande en informations aide à soutenir les développements de l’infrastructure globale. Une prévision indique même que cela nécessitera plus que…1 000 milliards de dollars de dépenses annuelles d’ici 2030.

De nombreux investisseurs pensent que des coûts d’IA plus bas signifient des coûts moindres. Cependant, les données à court terme indiquent le contraire. Deloitte prévoitLes centres de données et la demande en électricité ne devraient pas diminuer cette année.Car on s’attend encore à une augmentation de la demande de calculs. Si les coûts par réponse diminuent, cela permettra d’utiliser beaucoup plus de réponses. Ainsi, le cycle de déduction peut se développer plutôt que se réduire.

Pourquoi la demande d’informations en 2026 continue de favoriser les infrastructures de base

L’erreur que les investisseurs peuvent commettre est de penser que des coûts d’inférence plus bas réduisent automatiquement le coût d’infrastructure. En 2026, la demande se concentre toujours dans les grands centres de données et les usines d’IA pour les entreprises, plutôt que sur les dispositifs distants.

Les dépenses des hyperscalers restent le pilier fondamental.

Les hyperscalers sont sur la voie de dépenserEnviron 800 milliards de dollars pour l’infrastructure de l’IA en 2026Les cinq plus grands fournisseurs d’infrastructures cloud et d’IA aux États-Unis – Microsoft, Alphabet, Amazon, Meta et Oracle – prévoient, en gros…660 milliards à 690 milliards en CAPEX en 2026Cette échelle indique toujours une expansion continue, plutôt qu’un cycle mature et ralentissant.

L’inférence n’est pas simplement une optimisation logicielle. C’est un travail de production qui nécessite de la mémoire, du bande passante, du refroidissement, de l’énergie et une organisation adaptée. Alors que l’IA passe des expériences à une utilisation réelle dans les entreprises, les entreprises constatent que leurs installations actuelles ne sont pas adaptées à ces besoins.Inference quasi constanteLes pressions ne se limitent pas aux coûts ; elles incluent également la souveraineté des données, les délais de traitement, la protection des propriétés intellectuelles et la résilience du système. Une fois que l’IA devient une partie intégrante des opérations quotidiennes, la demande en infrastructure peut continuer à augmenter, avant que les économies de coûts ne deviennent évidentes.

Pourquoi l’ensemble des opportunités est-il plus large que les “edge chips” ?

La thèse selon laquelle seules les fonctionnalités d’analyse sont importantes suppose que les dépenses de calcul seront réduites, ce qui permettra aux appareils plus petits de réaliser davantage de tâches. La perspective de Deloitte pour l’année 2026 est plus équilibrée. On s’attend toujours à ce que le marché des puces optimisées pour l’analyse atteigne un niveau supérieur…50 milliards en 2026Mais Deloitte prévoit également que la majorité des calculs restera sur des puces d’IA avancées, valant 200 milliards de dollars ou plus. Ces puces seront principalement utilisées dans de grands centres de données ou dans les installations d’entreprise locales. Ce qui signifie que le prix le plus important reste le système complet capable de gérer les calculs à grande échelle.

5 actions à surveiller alors que l’inference prend le dessus

Avec le changement de charge de travail déjà visible…Les charges de travail d’inférence représenteront deux tiers de la puissance de calcul dans les centres de données d’IA cette année.La question plus importante est où les fonds finissent en premier. Une liste de surveillance raisonnable comprend les entreprises qui fabriquent les puces, les circuits silicieux personnalisés, le système de réseau de base et les terminaux d’extrémité nécessaires pour l’inférence. Cela est important, car Deloitte a déclaré que…Le marché des puces d’IA axées sur l’inférence pourrait atteindre 50 milliards de dollars cette année..

Nvidia : le concurrent de longue date dans tous les domaines

• Rôle :C’est la destination par défaut pour les inférences d’IA de haute qualité, en raison de son écosystème logiciel établi et de sa position dans les centres de données.
• Cas de type « Bull » :NvidiaIl dirige actuellement le marché des puces d’inférence IA.Et elle s’efforce de réduire les coûts liés à l’exécution des inférences. Si les clients souhaitent une expérience la plus fluide possible entre le entraînement et la production, Nvidia reste la première choix.
• Cas grave :Les attentes sont déjà élevées, donc une augmentation de l’adoption des puces personnalisées ou d’alternatives moins chères pourrait influencer le sentiment du marché.
• Signe de direction :Faites attention aux signes indiquant que la demande d’inférence pour les entreprises continue de passer par l’ensemble des fonctionnalités de Nvidia.

Broadcom : le proxy pour les semi-conducteurs personnalisés et les réseaux

• Rôle :Une approche plus ciblée pour maîtriser la transition vers des technologies de silicium pour l’IA spécifiques aux clients, ainsi que les interconnexions qui relient les grands systèmes d’IA.
• Cas de type « Bull » :Broadcom bénéficie de l’accélération de la demande en intelligence artificielle. Les entreprises s’efforcent activement de développer des processeurs d’inférence économiques pour les data centers et les zones frontalières.
• Cas grave :L’action peut sembler chère si les investisseurs s’attendent à une valorisation plus rapide que celle que l’entreprise parvient à obtenir.
• Signe de direction :La preuve clé est de savoir si le trafic généré par les ASIC personnalisés et les revenus liés aux réseaux continuent de croître.

AMD : l’alternative moins coûteuse

• Rôle :L’un des moyens les plus clairs pour créer un marché d’inference plus ouvert, si les acheteurs souhaitent obtenir une source de référence à moindre coût.
• Cas de type « Bull » :AMD est considérée comme un fournisseur qui bénéficie du passage vers des puces axées sur l’inférence. Une situation de marché plus compétitive pour les acheteurs pourrait donc lui permettre d’augmenter sa part de marché.
• Cas grave :Être une alternative forte ne signifie pas nécessairement devenir la norme sur la plateforme.
• Indicateur de direction :Faites attention aux succès des clients qui montrent que AMD prend en charge des charges de travail d’inférence réelles, et non seulement des besoins incrementaux.

Intel : le marché de la réinitialisation des plateformes larges

• Rôle :L’option à plus fort risque consiste à privilégier les options qui offrent une plus grande variété de fonctionnalités, comme Foundry et l’écosystème, plutôt que de se concentrer uniquement sur des performances maximales.
• Cas de force :Intel fait partie de la course plus large visant à développer des processeurs axés sur l’inférence. Ainsi, un ensemble plus large de gagnants pourrait augmenter la valeur des options proposées par Intel.
• Cas grave :Cela ne fonctionne que si l’exécution s’améliore de manière concrète ; sinon, il reste une histoire de espoir.
• Indicateur de direction :La preuve pertinente concerne les moteurs du produit et de la fonderie, et non seulement les intentions stratégiques.

Qualcomm : le pont entre l’edge et l’IA

• Rôle :Une manière de maîtriser l’intersection entre l’IA sur le dispositif et l’économie globale d’inférence, en particulier lorsque l’efficacité énergétique est importante.
• Cas de l’exemple :Qualcomm a commencé à gagner en importance sur le marché des puces d’IA, en proposant des puces conçues pour l’inference, ce qui lui permet de bénéficier de cette nouvelle tendance.
• Cas de bélier :L’Edge AI pourrait croître, mais sans pouvoir dépenser autant que les investissements nécessaires pour les processus d’inférence dans les centres de données.
• Signalisation :Faites attention aux signes indiquant que l’IA Edge se traduit en une demande durable pour les puces, et non simplement par des articles sur l’adoption précoce.

Qu’est-ce qui pourrait changer la thèse sur les dépenses d’inférence ?

Avec l’inférence activéeContrôle environ deux tiers de tous les calculs.En 2026, la logique pratique est simple : posséder les couches d’infrastructure qui sont payées en premier, puis ajouter des entreprises à plus haut risque uniquement là où on souhaite obtenir de meilleurs rendements. Nvidia et Broadcom restent les principaux acteurs dans ce domaine, car ils se trouvent le plus proche du canal principal de dépenses. AMD fonctionne mieux en tant que instrument de transfert de parts, Intel en tant qu’instrument d’exécution, et Qualcomm en tant que option à plus haut risque.

Quoi regarder

• Broadcom et Nvidia ont…L’indice du secteur des semi-conducteurs PHLX a chuté.Cette année, malgré une forte demande en IA, il existe un écart entre la dynamique des entreprises et les performances des actions.
• Les usines d’IA persistent.Déterminée par les dépenses des grands opérateurs technologiques.Et cela a contribué à générer une base de dépenses de capital très importante pour l’année 2026.

Qu’est-ce qui pourrait rompre l’histoire ?

• L’efficacité de l’inférence s’améliore suffisamment pour réduireDemande totale de calculPlutôt que de simplement réduire le coût par tâche.
• Les dépenses des hyperscalers sont suffisamment faibles pour que les investissements de construction en 2026 perdent de leur dynamique.
• Le marché de l’équipement optimisé pour les inférences croît, mais les revenus ne couvrent pas assez rapidement les entreprises concernées pour justifier cette hypothèse.