Un nouveau rapport de Goldman Sachs soutient que l'industrie de l'intelligence artificielle approche d'un point d'inflexion critique où la baisse des coûts de calcul débloquera une augmentation de 24 fois de la demande rentable de jetons générés par l'IA d'ici 2030, offrant un contre-récit puissant aux craintes de dépenses d'investissement insoutenables des géants de la technologie.
« L'industrie de l'IA passe d'une phase d'économie d'inférence incertaine qui pourrait diluer les marges à une nouvelle étape où la croissance incrémentielle des jetons est relutive », ont écrit les analystes de Goldman Sachs dans le rapport du 5 mai. La banque suggère que ce point d'inflexion de rentabilité pourrait survenir d'ici trois à douze mois.
Le cœur de l'argument repose sur un graphique en « ciseaux » montrant la divergence entre le coût de production de l'IA et le prix facturé pour celle-ci. Selon l'analyse de Goldman, alors que les prix des modèles grand public se sont stabilisés après des baisses brutales, le coût de calcul sous-jacent par jeton — alimenté par les puces de Nvidia, AMD et Google — continue de chuter de 60 à 70 % par an. Cet écart croissant crée une marge bénéficiaire durable pour des fournisseurs comme AWS d'Amazon et Google Cloud.
Cette analyse recadre le débat autour des dépenses massives d'infrastructure des hyperscalers. Alors que des entreprises comme Microsoft et Meta consacrent plus de 100 % de leur flux de trésorerie opérationnel aux dépenses d'investissement dans l'IA, le rapport de Goldman soutient que la vague de consommation rentable de jetons à venir rend ces investissements économiquement viables, contestant directement la thèse baissière selon laquelle l'IA d'entreprise n'a pas encore montré de retour sur investissement (ROI).
L'économie des agents d'IA
Le moteur de cette croissance est ce que Goldman appelle « l'économie des agents d'IA », où des agents logiciels autonomes entraînent une augmentation massive de l'utilisation du calcul. La banque estime que ces agents porteront la consommation mondiale de jetons à 24 fois les niveaux actuels d'ici 2030, et à 55 fois d'ici 2040, à mesure qu'ils seront intégrés dans les flux de travail des entreprises.
Les agents d'entreprise sont le facteur le plus important, devant représenter plus de 70 % de l'utilisation totale des jetons d'ici 2040. Contrairement aux simples chatbots, ces agents effectuent des tâches complexes à plusieurs étapes qui sont beaucoup plus gourmandes en jetons. Le modèle de Goldman montre qu'un agent de programmation pourrait consommer 7 millions de jetons par jour, tandis qu'un agent de saisie de données pourrait en utiliser 25 millions. Aux prix actuels des API, le coût de ces agents reste bien inférieur au coût du travail humain pour les mêmes tâches, créant une incitation économique claire à l'adoption.
Les agents destinés aux consommateurs devraient également entraîner une multiplication par 12 de l'utilisation des jetons d'ici 2030. Le changement clé se produit lorsque les agents passent de tâches à la demande à une surveillance en arrière-plan « toujours active » des e-mails, calendriers et autres flux de données. Une simple requête de chatbot peut utiliser 1 000 jetons, mais un assistant persistant pourrait dépasser les 100 000 jetons par jour.
Implications pour l'investissement
La principale conclusion du rapport est que l'amélioration des marges bénéficiaires soutiendra les niveaux élevés d'investissement en infrastructure des hyperscalers. Goldman a réitéré son opinion positive sur Amazon, citant la réaccélération des revenus d'AWS et un carnet de commandes de 364 milliards de dollars, ainsi que sur Google, notant la croissance de 63 % de sa division cloud et un carnet de commandes de 460 milliards de dollars.
Pour le marché plus large, cette thèse justifie les valorisations élevées des entreprises permettant le déploiement de l'IA. Si le coût unitaire de l'intelligence continue de baisser, le marché adressable total (TAM) du calcul est susceptible de croître plus rapidement que la baisse du coût par unité — un modèle observé lors des précédents changements technologiques comme le cloud computing et les données mobiles. Cela soutient des perspectives haussières à long terme pour les entreprises de semi-conducteurs comme Nvidia et les plateformes cloud qui déploient leurs puces.
Le rapport suggère que les investisseurs devraient cesser de s'interroger sur le coût de l'IA pour analyser les nouveaux modèles commerciaux qui émergent à mesure que le coût de l'intelligence approche de zéro.
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
