Le choc pétrolier de 1973 a quadruplé les prix et réécrit les règles de l'industrie automobile
La crise pétrolière de 1973 constitue un précédent crucial quant à la manière dont la rareté de l'énergie peut bouleverser la domination industrielle. Suite à l'embargo pétrolier de l'OPEP, les prix du brut ont bondi de plus de quatre fois en une seule année, rendant obsolète le modèle commercial de l'industrie automobile de Detroit. Le marché américain, alors dominé par des "muscle cars" à gros moteur comme la Ford Mustang, était bâti sur l'hypothèse d'une essence bon marché. Les consommateurs valorisaient la puissance, et l'efficacité énergétique était une préoccupation secondaire.
Ce choc des prix a créé une opportunité massive pour les constructeurs automobiles japonais. Toyota, en se concentrant sur son modèle Corolla, a priorisé l'économie de carburant avant toute autre chose. Ce n'était pas seulement un pivot produit ; c'était un avantage fondamental dans la philosophie de production. L'approche axée sur l'efficacité a permis aux marques japonaises de conquérir 25% du marché américain en une décennie, démontrant que dans un monde contraint par l'énergie, l'efficacité l'emporte sur la force brute.
L'IA face à une demande de puissance de 100 GW, l'histoire se répète
Aujourd'hui, l'industrie de l'intelligence artificielle est dans sa propre "ère des muscle cars". Au cours des dernières années, une course effrénée à la puissance de calcul a vu les géants de la technologie investir des milliards dans les GPU NVIDIA, construisant des centres de données massifs qui consomment l'électricité de villes entières. Cette expansion repose sur la même hypothèse que le Detroit des années 1970 : que la ressource essentielle, dans ce cas l'électricité et la puissance de calcul, est effectivement illimitée.
Cette hypothèse est maintenant en train de s'effondrer. L'électricité représentant plus de 30% des coûts d'exploitation de l'IA dans certains cas, l'industrie est confrontée à un nouveau goulot d'étranglement. Les projections montrent que les centres de données de l'IA pourraient ajouter près de 100 gigawatts de nouvelle demande d'énergie à l'échelle mondiale d'ici 2027. Tout comme la crise de 1973 a détruit le marché des véhicules énergivores, l'augmentation des coûts énergétiques va pénaliser les modèles d'IA qui reposent sur la computation par la force brute.
La performance par watt émerge comme métrique clé de l'IA
Le paysage concurrentiel de l'IA évolue par conséquent de l'échelle à l'efficacité. La question principale n'est plus de savoir qui a le plus grand modèle ou le plus de GPU, mais qui peut accomplir le plus avec le moins d'énergie. Les entreprises qui maîtrisent des techniques telles que la compression de modèles, la distillation et les petits modèles spécialisés sont positionnées pour devenir les "Toyota" de l'ère numérique.
Un nouvel indicateur de performance clé gagne en importance à travers la pile matérielle et logicielle : la performance par watt. Cette métrique mesure la production computationnelle par rapport à l'énergie consommée, liant directement le progrès technologique à l'efficacité économique. Pour les investisseurs, cela signale un point de réévaluation majeur. Les futurs leaders du marché ne seront pas définis par l'échelle de leurs modèles, mais par leur capacité à fournir des solutions intelligentes avec une efficacité énergétique et des coûts supérieurs.
Edgen Stock·Mar 09 2026, 12:18