La transition vers l’inférence : pourquoi la mise de 240 millions de dollars d’IBM dans l’IA open-source est plus importante que ce projet en lui-même

Les charges de travail d’inférence devraient atteindre65 % de l’ensemble des calculs d’IA d’ici 2029Elle est passée de un tiers en 2023 à la moitié du calcul informatique total actuellement. L’inference représente également entre 80 % et 90 % du coût d’exploitation d’un système d’IA pendant toute sa durée de vie – non pas parce que les opérations sont coûteuses, mais parce qu’elles se déroulent continuellement. La formation des modèles est une investissement périodique. L’inference, quant à elle, représente un coût qui ne cesse jamais. Le marché s’est concentré sur trois ans sur l’infrastructure de formation, le problème lié à CUDA, ainsi que la position monopolistique de Nvidia dans la phase de création des modèles. Le passage loin de cet état de fait n’est pas hypothétique. Il est déjà pris en compte dans les accords commerciaux.

IBM’sAccord pluriannuel de 240 millions de dollars avec Together AIConstruire un cluster d’inférence à grande échelle sur IBM Cloud est une affaire qui indique quelle partie de cette transition vous pensez que va remporter la victoire.

L’infrastructure qui est vraiment importante

Le cluster utiliseSystèmes Nvidia HGX B300– L’architecture Blackwell de la génération actuelle – reliée au réseau Ethernet Spectrum-X. Ainsi, l’IA pourra l’utiliser pour exécuter des modèles open source.DeepSeek, MiniMax et KimiCet aspect lié aux modèles open-source est plus important que l’équipement matériel de Nvidia qui les sous-tend.

Together AI est une plateforme d’IA open-source créée en 2022 par Vipul Ved Prakash, un ancien dirigeant d’Apple, aux côtés de quatre universitaires. Elle permet aux entreprises de entraîner et d’exécuter des tâches liées à l’IA avec des modèles qu’elles peuvent inspecter, modifier et déployer, sans être soumises aux spécificités des API d’un seul fournisseur. Le PDG de l’entreprise a clairement exprimé son idée : l’avenir de l’IA sera construit par des millions de développeurs, en utilisant des modèles ouverts, et non par quelques entreprises privilégiées.

Les chiffres confirment cette conviction. En juillet 2026, AI a levé 800 millions de dollars lors d’une série C, avec une valeur de marché de 8,3 milliards de dollars – soit plus que le double des 3,3 milliards de dollars qu’elle avait en février 2025, et presque sept fois le montant de 1,25 milliard de dollars en mars 2024. L’entreprise a atteint 1,15 milliard de dollars de chiffre d’affaires par an au dernier trimestre rapporté. Nvidia elle-même a investi dans cette opération ; cela montre bien que même le leader du secteur reconnaît l’importance de financer ce niveau de développement technologique.

Ce que cela signifie pour IBM est simple. L’entreprise place sa capacité d’infrastructure – sur son propre cloud, alimenté par son stack Red Hat – derrière la plateforme qui répond aux besoins des développeurs dans le domaine de l’inférence open source.

La positionnement d’IBM sur la transition vers l’inférence

IBM est déjà en train de se préparer à ce changement. En mai 2026, elle a annoncéRed Hat AI Inference sur IBM CloudC’est un service géré, conçu pour permettre aux entreprises de passer des projets d’IA en phase pilote à une utilisation opérationnelle. Ce service utilise vLLM (un moteur d’inférence haute performance) pour fonctionner, offre des API compatibles avec OpenAI, et comprend des outils de gouvernance – intégration IAM, journalisation des audits, fiabilité garantie par des accords de service – nécessaires pour les applications critiques. Il prend en charge des modèles provenant de la gamme Granite d’IBM, ainsi que des modèles Mistral et Llama de Meta. Le cluster d’AI constitue donc une extension naturelle de cette stratégie, plutôt qu’une rupture avec elle.

Voici les chiffres généraux d’IBM dans ce contexte. Au cours de l’exercice 2025, les revenus totaux ont augmenté de 7,9 % par rapport à l’année précédente, pour atteindre 67,5 milliards de dollars. Les revenus liés aux logiciels ont également augmenté.14 % au quatrième trimestre de l’exercice 2025C’est le taux de croissance annuel du secteur logiciel le plus élevé dans l’histoire de l’entreprise. Le secteur logiciel représente maintenant environ 45 % des revenus d’IBM, contre 25 % en 2018. Ce changement est important, car les services d’inférence constituent une source de revenus liée au logiciel, et non aux matériels. Le profil de marges, la nature récurrente des revenus, la scalabilité… tout cela correspond à la trajectoire que IBM suit depuis huit ans.

Le flux de trésorerie libre s’est élevé à 13,14 milliards de dollars au cours des douze derniers mois, avec une augmentation de 12,9 % par an. Le taux de profitabilité du flux de trésorerie libre est de 17,8 %. L’entreprise génère 14,89 milliards de dollars de flux de trésorerie opérationnel. En comparaison, un engagement pluriannuel de 240 millions de dollars correspond à environ deux mois de flux de trésorerie libre. C’est une somme suffisante pour montrer une volonté ferme, mais suffisamment petite pour ne pas nécessiter de décision impulsive.

Pourquoi le modèle des hyperscalers ne permet pas de faire des inférences de la même manière

Les grandes plateformes cloud – AWS, Azure, GCP – ont bâti leur avantage en matière d’IA grâce à l’entraînement des modèles. Elles possèdent les centres de données, les chaînes d’approvisionnement en GPU, et elles possèdent également les clients entreprises qui ont besoin de construire des modèles fondamentaux. Cet avantage ne se traduit pas bien en termes d’inference, car l’inference ne nécessite pas la même échelle d’opérations. Elle exige plutôt une latence plus faible, des coûts plus bas par token, une flexibilité accrue dans le développement des modèles, ainsi que des mécanismes de gouvernance efficaces.

Les entreprises qui réussissent dans ce domaine ne sont pas nécessairement celles qui possèdent le plus de GPU. Ce sont plutôt les entreprises qui sont proches des développeurs qui choisissent les modèles, et les entreprises qui ont besoin de les mettre en œuvre, tout en contrôlant leurs dépenses et leurs fonctionnalités. L’approche open-source de l’IA permet directement de résoudre ce problème. Les modèles DeepSeek, MiniMax et Kimi sont populaires précisément parce que les entreprises ne veulent pas confier leurs données à une API fermée, et ne veulent pas savoir où ces données sont stockées.

L’approche hybride cloud d’IBM – l’idée que les entreprises ne feront pas tout fonctionner sur un seul hébergeur de haute performance, et que les exigences de gouvernance et de sécurité obligent à déplacer les charges de travail entre différents environnements – est plus adaptée pour les processus d’inférence qu’ pour la formation des modèles. La formation bénéficie de clusters centraux et massifs. L’inférence, quant à elle, bénéficie de déploiements distribués, gérés et optimisés en termes de coûts. C’est là que l’architecture de Red Hat, ainsi que la volonté d’IBM de collaborer avec une plateforme d’inférence open source, deviennent vraiment utiles.

La question de la valeur estimation

IBM est cotée à 236,31 dollars par action, soit une baisse d’environ 20 % depuis le début de l’année. Cependant, les résultats financiers de la fin de l’exercice ont été solides. Le cours de marché s’élève à 222,6 milliards de dollars. Le ratio P/E est de 34,3x, ce qui semble élevé au premier abord. Mais le ratio P/E ne reflète pas bien les changements structurels que l’entreprise mène en direction. Avec un ratio P/E de 3,2x par rapport aux revenus, IBM se situe dans une zone basse pour une entreprise où le secteur logiciel représente maintenant près de la moitié des activités de l’entreprise, et qui connaît une croissance annuelle de 14 %.

Cela dit, le bilan financier introduit un risque lié au levier. Le montant total des dettes s’élève à 117,6 milliards de dollars, avec un ratio dettes/actions de 179,5 %. La dette nette est de 53,9 milliards de dollars. IBM dispose de suffisamment de flux de trésorerie pour couvrir ces obligations – les 13,1 milliards de dollars de flux de trésorerie gratuits suffisent pour payer les intérêts. Mais le plafond du levier est réel. Tout ralentissement dans la croissance du secteur logiciel ou toute erreur dans les investissements en infrastructure IA pourrait entraîner une diminution des marges. L’accord de 240 millions de dollars avec Together AI représente une petite partie des flux de trésorerie annuels, mais c’est simplement une partie d’un ensemble plus large d’investissements en infrastructure qui doivent se multiplier. Si la demande en services d’inférence ne atteint pas le niveau prévu par Together AI et le marché dans son ensemble, alors ces capitaux resteront inutilisés.

Condition de pause

Je pense que la transition vers l’infermentation est réelle. Les chiffres le confirment : l’infermentation représente maintenant un tiers à deux tiers de la puissance de calcul en IA, et elle domine déjà l’équation des coûts de vie. L’architecture est importante : il s’agit de modèles open source fonctionnant sur une infrastructure distribuée, gérés par des entreprises. Le coût par token est la mesure qui est réellement optimisée. Les chips Blackwell de Nvidia alimentent le cluster, mais Nvidia ne contrôle pas le niveau d’infermentation, comme elle contrôle le niveau de formation des données.

Qu’est-ce qui changerait ma vision ? Si la réduction des coûts d’inférence continue d’accélérer à un rythme similaire à celui documenté par Stanford – passant de 20 dollars à 0,07 dollar par million de tokens – et si les conditions économiques s’assouplissent suffisamment pour que les plateformes spécialisées en inférence ne puissent plus maintenir une avantage concurrentiel par rapport au location de GPU de masse, alors tout le modèle s’effondrerait. Si l’expansion de l’infrastructure de Together AI de 50 fois ne se traduit pas par une augmentation proportionnelle des revenus, alors la valeur de 8,3 milliards de dollars représente un problème pour tous les acteurs de cette chaîne, y compris le partenaire cloud qui héberge le cluster. Et si la croissance du logiciel d’IBM ralentit en dessous de quelques chiffres, alors l’idée que c’est une opération basée sur les marges de logiciel perd son ancrage.

Mais si la transition se déroule comme prévu – avec une part de l’inference atteignant 65 % du calcul informatique d’ici 2029, les entreprises passant d’une phase pilote à une phase de production, et des modèles open-source réussissant à obtenir une part significative sur les plateformes fermées – alors IBM est sur le bon chemin pour cette transformation architecturale. L’entreprise n’est pas simplement une entreprise spécialisée dans l’inference. C’est plutôt une plateforme hybride cloud diversifiée qui s’adapte à une phase où les dépenses liées à l’inference sont plus importantes que celles liées à l’entraînement des modèles. C’est une opportunité intéressante à examiner de plus près, surtout étant donné que les actions de l’entreprise ont chuté de 20 % au cours de l’année écoulée, tandis que les revenus augmentent de près de 8 %, et les flux de trésorerie libres de près de 13 %.

La question n’est pas de savoir si IBM deviendra une entreprise spécialisée dans les services d’inférence. Il s’agit plutôt de savoir si cette transition est suffisamment importante pour permettre à IBM de réévaluer une entreprise qui a déjà passé du domaine des équipements physiques au domaine des logiciels. De plus, il s’agit de savoir si la positionnement de IBM en tant que fournisseur de services cloud hybride lui donne un avantage que les grandes entreprises cloud ne peuvent pas facilement copier. À mon avis, les arguments structurels sont présents. Le moment où se produira cette transition est influencé par divers facteurs ; ce n’est pas une raison pour l’ignorer. C’est une raison pour le surveiller attentivement.