Cerebras dispose de l’architecture appropriée pour la transition vers l’inference. Le marché avait déjà fixé un prix pour cela.

La preuve la plus forte de la transition vers l’inférence par IA cette année n’est pas un chiffre présent sur une étude de benchmark. C’est une décision d’achat. OpenAI – le laboratoire qui dispose du plus grand nombre de ressources informatiques, avec le plus gros intérêt à y participer, et qui possède le plus de solutions alternatives – a intégré les composants siliconés de Cerebras dans sa stack d’inférence de production. AMD, une entreprise qui construit ses propres accélérateurs d’IA, a choisi Cerebras comme moteur d’inférence dans un système qu’elle vend maintenant conjointement avec d’autres fournisseurs. C’est le changement structurel du marché dont j’ai parlé pendant deux ans : l’inférence remplace le entraînement en tant que facteur déterminant de la demande. Dans le cadre de l’inférence, le problème principal est passé de la puissance de calcul brute à la bande passante mémoire. Cerebras a construit toute son entreprise autour de cette faiblesse spécifique de l’architecture actuelle. La question de cette semaine n’est pas de savoir si Cerebras est sur le bon côté de cette transition. Cela a déjà été répondu. La question est de savoir ce que le marché a déjà payé pour obtenir cette solution.

Le marché a vendu les preuves qui lui avaient été données.

Cerebras a lancé son système CS-4 lundi. Les actions de l’entreprise ont chuté de 12,7 % le jour suivant – un jour où Nvidia a chuté de 2,3 % et AMD de 4,3 %. C’est une réaction particulière, et c’est la deuxième fois en une semaine que cela se produit. Huit jours plus tôt, l’entreprise avait dépassé les prévisions pour le deuxième trimestre sur presque tous les indicateurs, et avait également augmenté les projections pour l’année entière. Les actions ont chuté d’environ 14 % à 17 % après les horaires de trading. En d’autres termes : le marché a vendu ces actions suite à de bonnes nouvelles deux fois en une semaine. Cette différence est importante. Ce n’est pas le marché qui ignore les informations disponibles. C’est plutôt le marché qui a déjà intégré ces informations dans le prix des actions, et qui a profité du lancement du produit pour réaliser des profits. Lorsqu’un marché devient compétitif et lorsque les informations sont bien intégrées dans le prix des actions, c’est exactement ce que je cherche avant de décider où aller investir de nouveaux capitaux.

Pourquoi le goulet d’étranglement s’est déplacé vers la mémoire

Le cœur de la thèse est architectural, il est donc utile d’analyser plus en détail le mécanisme qui s’applique. Lorsqu’une question est posée à un modèle d’IA, l’inferrence se fait en deux étapes. Le processus de préparation des données – c’est-à-dire la réception du prompt – est une tâche très parallèle, et c’est là que les GPU sont vraiment efficaces. Ensuite, le modèle génère la réponse, un token à la fois. Chaque token généré doit être vérifié contre l’ensemble des poids du modèle. C’est une tâche séquentielle, et elle est limitée par la bande passante mémoire – ou plutôt, par la vitesse à laquelle le processeur peut extraire les poids de la mémoire – plutôt que par les capacités mathématiques du modèle. Les modèles de raisonnement, qui “pensent” à travers de longues chaînes de tokens internes avant de répondre, font que la charge de travail est principalement concentrée sur le processus de décryptage. Le coût de génération de ces résultats longs est pourquoi les prix d’inferrence et les composants nécessaires pour l’inferrence sont devenus des enjeux importants.

C’est précisément dans ce régime que la conception des clusters de Nvidia est structurellement la plus faible. Un système GPU est un ensemble de puces connectées entre elles ; chaque puce récupère les données depuis des mémoires haute bandepassage distinctes, via des connexions interneuses. Les fils d’alimentation constituent donc la partie la plus lente du système. Cerebras conserve l’ensemble de la puce en tant que seul chip, sans la diviser en morceaux rectangulaires. Ensuite, il place 44 Go de mémoire directement sur le propre chip. Il n’y a pas de connexion entre les différentes puces, ni de trajet de données via les mémoires haute bandepassage. Le CS-4 combine trois de ces chips pour former un système de taille de rack : environ 45 000 millimètres carrés de silicone par chip, 4 billions de transistors et 900 000 cœurs par chip.129,6 PB/s de bande passante mémoire— Plusieurs ordres de grandeur par rapport à ce que peut faire n’importe quel cluster de GPU. Lorsque chaque token généré doit parcourir les poids, cette bande passante intégrée est essentielle pour le fonctionnement du système. C’est ce qui distingue une architecture conçue pour l’époque de l’entraînement d’une architecture conçue pour l’époque de l’inférence. C’est pourquoi je dirais que Cerebras se trouve sur le bon côté de cette transition.

La preuve de la production, pas le communiqué de presse

Maintenant, c’est la partie qui m’intéresse plus que tout autre aspect lié aux performances du système. Cerebras affirme que le CS-4 est jusqu’à deux fois plus rapide pour générer des tokens que son prédécesseur, et jusqu’à 30 fois plus rapide que les systèmes basés sur des GPU dans certaines configurations. Je traite les déclarations de performance des fournisseurs comme je traite les prévisions d’analystes : comme des opinions qui nécessitent une vérification en pratique. La vérification en pratique est arrivée. OpenAI a confirmé qu’elle utilise du matériel Cerebras pour alimenter le mode “Ultrafast” de son modèle GPT-5.6 Sol. Ce mode fonctionne jusqu’à 14 fois plus rapidement que le modèle standard pour certains clients. Un système alimenté par Cerebras peut résoudre le test de raisonnement Humanity’s Last Exam avec 2 500 questions en seulement quelques secondes.11 heures, 11 minutes et 26 secondes— plus de trois jours selon le système de comparaison. Et l’engagement d’OpenAI est un contrat, pas une expérience : un accord pluriannuel.750 mégawatts de capacité de Cerebras, d’une valeur supérieure à 20 milliards de dollars.L’injection de capital se fera en plusieurs étapes jusqu’en 2028.

C’est également la stratégie de chip de l’OpenAI dans son ensemble. En 2025, l’OpenAI s’est engagée…Plus de 1,4 trillion de dollarsIl s’agit de contrats d’infrastructure entre Nvidia, AMD et Broadcom – des engagements à plusieurs gigawatts et pour différentes générations de technologies, tant pour les fournisseurs traditionnels que pour ceux qui utilisent du silicium personnalisé. Ajouter Cerebras à cette liste n’est pas un signe d’enthousiasme ; c’est plutôt une stratégie de gestion des risques. Un laboratoire qui travaille avec trois architectures différentes montre qu’il croit que aucun fournisseur, y compris Nvidia, ne peut maîtriser toutes les étapes du processus d’inférence. Les tâches de raisonnement complexes, où la latence est un facteur clé, sont précisément ce que OpenAI souhaite que Cerebras puisse offrir.

AMD reconnaît le problème de congestion lié à la décodage.

La collaboration avec AMD est un signe plus discret, mais en certains points, elle est plus significative. En juillet, AMD a annoncé que ses systèmes Helios et le moteur Cerebras de taille wafre fonctionneraient ensemble.Un seul flux de travail d’inférence décomposéLes GPU d’AMD gèrent le processus de précharge des données, tandis que Cerebras s’occupe de la décodification. Selon les entreprises, le système combiné offre 5 fois plus de performance qu’un système utilisant uniquement des GPU d’AMD, et 10 fois plus rapide que les GPU d’AMD seuls. Il faut comprendre ce que cela signifie : la deuxième marque de produits de calcul, une entreprise qui a passé des années et des milliards d’argent pour tenter de supplanter Nvidia dans le domaine des centres de calcul, décide que la meilleure façon de gagner des clients est d’utiliser les chips d’une autre entreprise à côté des siens. AMD admet, publiquement et commercialement, que la phase de décodification est un problème hardware différent de celui sur lequel elle travaille. C’est là une différence architecturale qui se confirme : non pas grâce au marketing d’un concurrent, mais grâce au plan de développement produit d’une entreprise dominante. Lorsque le concurrent du “cheval noir” choisit de vendre ensemble avec lui, l’argument est réglé.

“Cependant” – ce que le marché vous a facturé pour tout cela.

C’est là que ma perception change, car l’histoire du produit et l’histoire des stocks se sont désormais différenciées. Cerebras est une entreprise valant 52 milliards de dollars, avec une valeur boursière d’environ 77 fois son chiffre d’affaires récent. En comparaison, Nvidia a une valorisation d’environ 21 fois, et AMD environ 19 fois. Le taux de marge opérationnelle est en dessous de -80 % selon les normes GAAP, tandis que le taux de marge brute GAAP est d’environ 35 %. L’entreprise est jeune, et les entreprises jeunes méritent un prix plus élevé. Mais même selon mes critères – je considère que 20-30 fois le chiffre d’affaires constitue la zone normale pour les entreprises de haute croissance dans le domaine de l’IA – 77 fois représente une perspective d’optimisme différente. C’est un prix qui suppose une exécution quasi parfaite.25,4 milliards de dollars pour les obligations de performance restantesLa capacité de production a augmenté de plus de 10 fois cette année, et les marges brutes restent stables.Le niveau de base à 41 %Les informations de gestion ont été publiées récemment. Rien de tout cela n’est impossible. Tout est encore non vérifié concernant les coûts que les actions doivent payer.

Il existe également un risque de concentration structurelle lié au cas du “bull market” : le modèle ne prend pas en compte cette situation. Cerebras est essentiellement une entreprise spécialisée dans la décodage – c’est donc la solution adaptée pour un secteur spécifique et en croissance rapide. Mais il s’agit d’un secteur particulier, et non d’une solution générique. Son client le plus important est OpenAI. Avec 750 mégawatts de capacité contractée répartis entre un seul laboratoire, cela signifie que la demande est réelle, mais la diversification n’a pas encore eu lieu. L’intensité de capital nécessaire pour développer ce modèle est maintenant visible : environ 750 millions de dollars de dépenses de développement sur douze mois, contre des revenus d’environ 680 millions de dollars. La société dispose donc d’une position nette en liquidités supérieure à 7 milliards de dollars pour financer ses activités.10x la taille de la fabricationLes engagements de capacité en hausse sont ce que je cherche pour confirmer la demande – et c’est aussi ce que je surveille en tant que risque lié au levier de financement. En effet, une architecture de haute qualité, au prix correspondant à celui d’un laboratoire de recherche, doit encore transformer cette accumulation de stocks en une augmentation continue des revenus avant que l’action ne puisse en tirer profit.

Qu’est-ce qui pourrait briser le cas ?

Les conditions de mesure de mes résultats sont spécifiques, et elles peuvent être mesurées dans les deux à quatre trimestres à venir. Premièrement, si les prochains rapports ne montrent pas que les revenus principaux augmentent progressivement, dépassant le niveau d’environ 210 millions de dollars par trimestre, et que le chiffre attendu pour le trimestre actuel est de environ 214-216 millions de dollars, alors les commandes en retard ne se transforment pas comme prévu, et le multiple n’a donc aucun point de départ pour croître. Deuxièmement, si le taux de marge brute, qui était estimé par la direction à 38-40 %, mais qui est en réalité de 41 %, tombe en dessous de cette plage, lorsque l’échelle de production de 10x s’applique, alors l’idée selon laquelle “une estimation rapide est sujette à une prime” est fausse. Troisièmement – c’est ce qui est plus difficile à surveiller – si la demande de capacité de Cerebras de la part d’OpenAI s’arrête complètement…Les tranches jusqu’en 2028La concentration dans un seul client ne devient plus une protection contre les risques, mais constitue plutôt tout le risque en soi. Ce ne sont pas des objectifs définis par les analystes ; ce sont des points de contrôle que je peux vérifier à partir des données financières.

Où va le capital

Donc, le jugement est clair. Je pense que Cerebras occupe une position architecturale très solide dans le domaine de l’intelligence artificielle. Elle a créé l’outil qui est valorisé par les modèles de raisonnement informatique ; elle a également transformé le client le plus influent du marché. De plus, elle a réussi à faire venir un concurrent pour partager sa technologie. La théorie à long terme reste valable. Je pense que cette architecture sera importante dans les valeurs boursières de 2030, d’une manière que les analystes n’ont pas encore pleinement compris. Mais toute la discussion se concentre maintenant sur le moment et le prix. Le marché m’a montré son point de vue : il a vendu les actions lors d’un pic de prix, puis à nouveau lors du lancement du produit qui valide cette théorie. Dans mon cadre, c’est le marché qui indique que cette validation existe déjà.

La question n’est pas de savoir si Cerebras reste importante. Il s’agit plutôt de savoir si c’est là que le petit revenu peut avoir les meilleures chances de croissance. Avec un ratio de 77x par rapport au chiffre d’affaires, des marges opérationnelles négatives, un grand volume de travail encore à résoudre, et un seul client important, il s’agit d’une entreprise à faible positionnement, à haute volatilité, à long terme. C’est ce que mon modèle prévoit : quelques pourcents du portefeuille. L’entrée dans cette entreprise devrait se faire après avoir des preuves de conversion, et non en fonction d’un événement particulier. Et il faut évaluer cette entreprise en tenant compte des alternatives possibles : la même logique s’applique à Nvidia et AMD, qui paient pour les pré-chargement, pour l’entraînement des données, et pour les fonctions générales, à un tiers de ce ratio. AMD utilise désormais Cerebras dans son propre système. Si cette logique est réelle – et je crois que c’est le cas – alors elle sera bénéfique dans plusieurs domaines. Cerebras a gagné sur le plan de l’architecture. Le marché boursier a payé le prix fort pour ce gain. De plus, deux fois en une semaine, le marché a montré qu’il connaissait bien cette situation.