Les grandes entreprises technologiques doivent générer un chiffre d'affaires annuel de 600 milliards de dollars pour justifier les dépenses en matériel d'IA

Selon un analyste de Sequoia Capital

Les grandes entreprises technologiques doivent générer un chiffre d'affaires annuel de 600 milliards de dollars
pour justifier les dépenses en matériel d'IA, selon un analyste de Sequoia Capital,

L’industrie technologique est en pleine effervescence, portée par l’intérêt croissant pour l’intelligence artificielle (IA). Les géants de la tech investissent massivement dans l’infrastructure nécessaire pour répondre à la demande anticipée de produits basés sur l’IA. Cependant, un analyste de Sequoia Capital, David Cahn, soulève des questions importantes concernant la viabilité future de ces investissements.

David Cahn, analyste chez Sequoia Capital, a noté en septembre dernier qu'il existait un écart très important entre les attentes en matière de revenus liées à la mise en place de l'infrastructure de l'IA et la croissance réelle des revenus dans l'écosystème de l'IA. Il estimait à 200 milliards de dollars les revenus annuels de l'IA nécessaires pour amortir leurs investissements.

Près d'un an plus tard (période au cours de laquelle Nvidia est devenue l'entreprise avec la plus grosse capitalisation boursière au monde) ce chiffre est passé à 600 milliards de dollars par an.

Qu'est-ce qui a changé depuis septembre 2023 ?

Cahn indique les éléments qui ont modifié son analyse :

1. La pénurie d'approvisionnement s'est atténuée : La fin de l'année 2023 a été le point culminant de la pénurie de GPU. Les startups appelaient les sociétés de capital-risque, appelaient tous ceux qui voulaient bien leur parler, pour demander de l'aide afin d'avoir accès aux GPU. Aujourd'hui, cette préoccupation a presque entièrement disparu. Pour la plupart de mes interlocuteurs, il est relativement facile d'obtenir des GPU dans des délais raisonnables.
2. Les stocks de GPU augmentent : Nvidia a indiqué au quatrième trimestre qu'environ la moitié de son chiffre d'affaires dans les centres de données provenait des grands fournisseurs de services de cloud computing. À lui seul, Microsoft a probablement représenté environ 22 % du chiffre d'affaires de Nvidia au quatrième trimestre. Les dépenses en capital pour l'hyperscale atteignent des niveaux historiques. Ces investissements ont été un thème majeur des résultats des grandes entreprises technologiques au premier trimestre de l'année 24, les PDG ayant effectivement dit au marché : « Nous allons investir dans les technologies de l'information et de la communication, nous allons investir dans les GPU, que cela vous plaise ou non ». La constitution de stocks de matériel n'est pas un phénomène nouveau, et le catalyseur d'une remise à zéro se produira lorsque les stocks seront suffisamment importants pour que la demande diminue.
3. OpenAI se taille toujours la part du lion des revenus de l'IA : The Information a récemment rapporté que les revenus d'OpenAI s'élèvent désormais à 3,4 milliards de dollars, contre 1,6 milliard de dollars à la fin de l'année 2023. Bien que nous ayons vu une poignée de startups augmenter leurs revenus jusqu'à moins de 100 millions de dollars, l'écart entre OpenAI et tous les autres continue de se creuser. En dehors de ChatGPT, combien de produits d'IA les consommateurs utilisent-ils réellement aujourd'hui ? Pensez à la valeur que vous apporte Netflix pour 15,49 $/mois ou Spotify pour 11,99 $. À long terme, les entreprises d'IA devront offrir une valeur significative pour que les consommateurs continuent d'ouvrir leur portefeuille.
4. Le trou de 125 milliards de dollars est désormais un trou de 500 milliards de dollars : Dans la dernière analyse, j'ai généreusement supposé que Google, Microsoft, Apple et Meta seraient en mesure de générer 10 milliards de dollars par an de nouveaux revenus liés à l'IA. J'ai également supposé que Oracle, ByteDance, Alibaba, Tencent, X et Tesla généreraient chacun 5 milliards de dollars de nouveaux revenus liés à l'IA. Même si cela reste vrai et que nous ajoutons quelques entreprises à la liste, le trou de 125 milliards de dollars va maintenant devenir un trou de 500 milliards de dollars.
5. Ce n'est pas fini - le B100 arrive : Au début de l'année, Nvidia a annoncé sa puce B100, qui offrira 2,5 fois plus de performances pour un coût supérieur de 25 % seulement. Je m'attends à ce que cela entraîne une dernière hausse de la demande de puces NVDA. Le B100 représente une amélioration spectaculaire du rapport coût/performance par rapport au H100, et il y aura probablement une nouvelle pénurie d'approvisionnement, car tout le monde essaiera de mettre la main sur des B100 dans le courant de l'année.

Le coût de l’IA

Voici le raisonnement de Cahn : il part du principe que pour chaque dollar dépensé pour un GPU (unité de traitement graphique), environ un dollar doit être consacré aux coûts énergétiques nécessaires pour faire fonctionner le GPU dans un centre de données. Au quatrième trimestre 2023, les prévisions de revenus de Nvidia pour les centres de données s'élevaient à 50 milliards de dollars. Il a pris cette prévision de revenus et l'a multipliée par deux pour refléter le coût total des centres de données d'IA.

Il a déterminé que les dépenses implicites des centres de données d'IA s'élevaient à 100 milliards de dollars. Il a ensuite multiplié ce chiffre par deux pour refléter une marge brute de 50 % pour l'utilisateur final du GPU.

Le calcul final est de 200 milliards de dollars de revenus à vie devant être générés par ces GPU pour rembourser l'investissement initial. Et ce chiffre n'inclut aucune marge pour les fournisseurs de services dématérialisés, a précisé Cahn - pour qu'ils obtiennent un rendement positif, le revenu total requis serait encore plus élevé.

D'ici le quatrième trimestre 2024, les prévisions de revenus des centres de données de Nvidia devraient s'élever à 150 milliards de dollars, ce qui signifie que les dépenses d'IA dans les centres de données s'élèvent à 300 milliards de dollars et que les revenus d'IA nécessaires pour le remboursement s'élèvent à 600 milliards de dollars.


L'équilibre financier

Les entreprises de la Big Tech doivent non seulement continuer à investir massivement dans l’infrastructure d’IA, mais aussi s’assurer que les revenus générés par l’IA sont suffisants pour justifier ces dépenses. Le défi est de taille, d’autant plus que l’on ne sait pas encore si ces investissements sont liés à une demande réelle des clients ou s’ils sont anticipés en prévision d’une demande future.

En outre, Cahn prévoit que les revenus de l'IA nécessaires à l'amortissement atteindront un jour 100 milliards de dollars, en se référant à la puce B100 récemment annoncée par Nvidia, qui offrira des performances 2,5 fois supérieures pour un coût seulement 25 % plus élevé. « Je m'attends à ce que cela entraîne une augmentation de la demande de puces Nvidia », déclare Cahn. « Le B100 représente une amélioration spectaculaire du rapport coût/performance par rapport au H100, et il y aura probablement une nouvelle pénurie d'approvisionnement, car tout le monde essaiera de mettre la main sur des B100 plus tard dans l'année ».

En fin de compte, Cahn pense que les dépenses en vaudront la peine. Selon lui, les investissements dans les GPU s'apparentent à la construction de voies ferrées, ce qui signifie que les trains finiront par arriver,...