Le cycle de l’IA ne connaît pas de pic – il est en constante évolution.

Pour le trimestre qui s’est terminé à la fin du mois de juillet, Nvidia a rapporté que96,2 milliards de revenus, soit une augmentation de 106 % par rapport à l’année précédente., avecMarge brute à 75%EtRésultat net conforme aux normes GAAP : 59,7 milliards de dollarsEn l’espace de trois mois. Seulement le secteur des centres de données – qui est celui où s’effectue la mise en place de l’IA – a connu une croissance.117 % en glissement annuel, pour atteindre 89 milliards de dollars.D’après toute interprétation du côté de la demande, le cycle ne se poursuit pas. La question intéressante n’est pas de savoir si l’IA est une bulle sur le point de éclater. C’est plutôt où, au sein de ce cycle, la compétition a lieu – car c’est cela qui détermine qui pourra conserver les marges de profit. Et ce n’est plus le même état qu’il y avait deux ans.

Le cycle s’est déplacé de la création de modèles à leur exécution.

Il existe deux fonctions très différentes que peut remplir un centre de données. L’industrie se trouve en train de passer d’une fonction à l’autre. L’entraînement est l’opération qui consiste à créer un modèle d’IA : on lui fournit une quantité énorme de ressources informatiques afin de lui permettre de développer son intelligence. Ensuite, les coûts s’arrêtent. L’inférence, en revanche, se produit tout au long de l’utilisation du modèle – chaque fois qu’on pose une question à un chatbot, celui-ci “pense” avant de répondre. L’inférence ne s’arrête jamais. Elle est continue, elle augmente avec chaque utilisateur et chaque requête. Elle est également régie par des critères économiques différents de ceux de l’entraînement : latence, efficacité et coût par réponse, plutôt que puissance brute maximale.

Cette distinction est devenue celle qui permet de supporter le poids des données, grâce aux modèles de raisonnement. Les nouveaux modèles de traitement ne se contentent pas de répondre ; ils prennent du temps pour réfléchir, utilisant donc beaucoup plus de ressources informatiques lors de l’inférence, afin de produire une réponse meilleure. Le monde académique concernant ce domaine qualifie désormais ce mécanisme de progrès de…Passer d’une augmentation de la puissance de calcul utilisé pour l’entraînement à une augmentation de la puissance de calcul utilisé pour les inférences.Lorsque cela se produit, la part contestée du cycle passe à une phase où l’efficacité coûts-avantage et le fossé entre les différentes architectures sont les principaux facteurs à prendre en compte. L’architecture qui dominait dans la première phase ne peut pas automatiquement remporter dans la deuxième phase.

La réponse de Nvidia : une machine d’inférence, pas une machine d’entraînement.

C’est le cadre qui entoure le dernier cycle de produits de Nvidia. La nouvelle plateforme Rubin de l’entreprise vise spécifiquement le marché de l’inférence. La direction a donné un chiffre précis pour cette plateforme.La génération d’un token avec Rubin coûte un dixième de ce qu’elle coûtait lors de la génération précédente avec Blackwell., etEntraîner un modèle à un trillion de paramètres nécessite un quart des GPU requis par Blackwell.En d’autres termes, Nvidia concurrence sur les mêmes critères que ceux qui déterminent l’étape d’inférence : coût par réponse, efficacité par watt.

Le marché a déjà voté en faveur des commandes d’achat. Nvidia s’attend…Les systèmes de Vera Rubin permettront d’apporter environ 20 milliards de dollars de revenus liés aux centres de données.Au cours du trimestre en cours, environ 20 % de ce segment ont augmenté, contre pratiquement zéro au trimestre précédent. Le directeur financier l’a appelé…Le produit le plus rapide de l’histoire de l’entreprise, avecCommandes en cours d’achat provenant de tous les grands opérateurs cloud, fournisseurs de services cloud basés sur l’IA et fabricants de systèmes.Le PDG Jensen Huang a estimé que…La demande cumulative de commandes pour les architectures Blackwell et Rubin en 2025-27 dépassera 1 000 milliards de dollars.– Le double du chiffre indiqué par Nvidia il y a seulement un an.

Oubliez la taille du titre de l’article, et remarquez plutôt la direction que celle-ci indique. Nvidia ne vend pas simplement plus de produits similaires ; elle repose son produit dans une position qui lui permet de dominer le marché, dans le cadre du cycle économique actuel. Les chiffres montrent que les acheteurs suivent cette stratégie. C’est ce que signifie “où nous en sommes dans le cycle” au niveau du produit : nous sommes suffisamment avancés dans l’ère de l’inference, de sorte que les fournisseurs de matériel peuvent encore facturer des prix exorbitants, car la capacité est limitée et le volume de travail est nouveau.

Le risque n’était jamais la demande. C’est celui qui paie pour la construction.

La partie de ce cycle qui mérite une attention particulière ne se trouve pas dans les états financiers de Nvidia – elle se trouve plutôt dans les bilans des acheteurs. Les cinq plus grands fournisseurs d’infrastructures cloud et d’IA ont engagé ensemble entre 660 et 690 milliards de dollars en dépenses de capital pour l’année 2026.Presque le double du niveau de 2025.Voici le signal que je reviens constamment sur. Une forte offre de financement se traduit par une forte demande ; mais c’est aussi un pari basé sur l’endettement croissant. Chaque dollar de coûts d’investissement doit être remboursé grâce aux revenus des produits liés à l’IA – mais la plupart de ces acheteurs n’ont pas encore prouvé qu’ils pouvaient générer de tels revenus à grande échelle. Le financement peut se faire avant même que la demande ne se manifeste.

Les actions de Nvidia montrent à quel point cette différence est importante. Afin de financer ces investissements sans devoir attendre les flux de trésorerie des grands opérateurs télécoms, l’entreprise a annoncé des partenariats avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR.Mobiliser plus de 500 milliards de dollars de capital d’un tiers.Pour l’infrastructure de l’IA, les fonds privés ont pris en charge le financement de ce processus. Cela valide donc la demande, tout en externalisant le risque de remboursement sur les marchés de capitaux, qui peuvent réévaluer rapidement les dettes – un changement important à surveiller, même si la demande semble solide.

Le pouvoir est la deuxième contrainte silencieuse. Le problème se situe désormais dans l’approvisionnement en puissance électrique. La capacité de production qui ne peut être utilisée est une obligation financière qui peut être reportée ou annulée, indépendamment de l’enthousiasme du client. Un client disposant des moyens financiers nécessaires n’est pas synonyme d’un centre de données prêt à fonctionner et alimenté.

Cette réinterprétation est la leçon que les investisseurs du secteur de la vente au détail doivent vraiment apprendre. Ne jugez pas ce cycle en vous demandant « l’IA est-elle trop exagérée ? » – les données de demande montrent que ce n’est pas le cas, et les chiffres ne sont pas proches de cette affirmation. Demandez plutôt où se situe la valeur actuelle, et si les personnes qui payent pour ces investissements reçoivent un retour sur leur investissement. En ce sens, le cycle est avancé, mais intact : Nvidia a doublé ses revenus et ses bénéfices en une année, mais l’action n’a augmenté que de environ 17 % jusqu’à présent, car une base de valeur double était déjà partie intégrante de la valeur marchande d’environ 5,3 billions de dollars. La thèse à long terme reste valable, mais la courbe des rendements à court terme n’est plus la partie la plus simple de l’investissement dans l’IA. C’est la différence entre posséder celui qui gagne et faire une erreur dans le jugement du cycle.