La semaine qui s’est achevée le 24 janvier a vu une start-up chinoise – alors inconnue – présenter un grand modèle de langage (GML ou LLM en anglais), une technologie d’IA dont les performances seraient similaires à celles des modèles américains phares. Cet événement inattendu pourrait bouleverser le paradigme d’un quasi-monopole du premier fabricant de puces américain ; suscitant l’inquiétude et provoquant une chute significative des valorisations de certaines grandes entreprises technologiques. Depuis, les marchés ont retrouvé une bonne partie de leur aplomb. Nous exposons ici notre point de vue sur ces développements.
Lundi 27 janvier, le cours de l’action du premier producteur américain de processeurs d’IA puissants a plongé de près de 17 %. Le lendemain, cette perte a été partiellement inversée, l’action rebondissant de 9 % et invitant d’autres valeurs technologiques américaines dans son sillage haussier. Le 28 janvier, l’indice du NASDAQ composite augmentait, lui, de 2 %, après un net recul de 3,1 % la veille.
La correction du 27 janvier semble résulter d’un sinistre concours de circonstances favorisé par plusieurs facteurs :
- des valorisations anticipant un scénario économique parfait ;
- un positionnement encombré dans les entreprises exposées aux centres de données ;
- un marché véritablement surpris, avec des réactions marquées par l’impulsivité plutôt que par la réflexion.
L’intelligence artificielle demeure un thème de croissance à long terme
Nous restons optimistes concernant la croissance à long terme du thème de l’IA. L’efficacité grandissante des modèles devrait élargir et accélérer l’adoption de l’intelligence artificielle, dans un contexte où de vastes perspectives existent encore pour les innovations nécessitant une plus grande puissance de calcul.
Les entreprises qui investissent dans l’IA poursuivront sur cette lancée afin de développer et entraîner leurs modèles, et adopteront parallèlement des techniques pour en améliorer le plus possible l’efficacité. Il pourrait en résulter des cycles d’investissement et de mise en œuvre asynchrones entre les entreprises.
Notre scénario central comprend un potentiel de croissance plus lente des dépenses d’investissement. Dans la plus mauvaise situation, c’est-à-dire des réductions simultanées et à court terme des dépenses, une période de transition apparaîtrait là où de nouvelles technologies auraient été déployées, et elle serait suivie d’une reprise de la croissance. À son tour, cette reprise aurait des répercussions sur le rythme de la demande de semi-conducteurs et d’équipements d’infrastructure numérique.
Répercussions pour certaines industries
Les principaux fournisseurs de services « cloud » ou en nuage jouissent d’un positionnement idéal pour profiter de la démocratisation de l’IA. La baisse des coûts d’inférence (le processus selon lequel les puces tirent des conclusions logiques à partir de propositions connues ou supposées) et l’utilisation plus fréquente d’applications d’IA devraient accroître les migrations informatiques vers le cloud.
Un scénario assorti d’une croissance plus lente des prévisions de dépenses d’investissement allégerait la charge de l’investissement et améliorerait le retour sur investissement des acteurs du cloud.
Par ailleurs, les « hyperscalers » (centres de données à grande échelle offrant d’immenses ressources informatiques, généralement sur des plateformes de stockage cloud élastique) peuvent monétiser les innovations d’IA en créant des applications au-dessus de la couche d’infrastructure numérique ou en tirant parti de l’IA pour améliorer les services existants.
Les fournisseurs de logiciels de plateformes et d’applications ne devraient pas être touchés, hormis de légers bénéfices selon leurs applications de l’intelligence artificielle. Une réduction des coûts d’inférence se traduira par un plus grand recours aux fonctionnalités d’IA. Les marges sur les logiciels pourraient (légèrement) en profiter si elles assument actuellement le coût de l’inférence (qui diminue) et qu’elles ne répercutent pas celui-ci sur l’utilisateur final. À l’avenir, nous voyons les fonctionnalités d’IA proliférer dans les logiciels et éventuellement créer des tendances d’engagement plus fortes pour les fournisseurs qui exécuteront bien leur stratégie.
À l’aube d’une augmentation de la demande ?
Nous maintenons une approche diversifiée de l’investissement dans l’IA et ne prévoyons aucun changement majeur de nos positions à court terme. Nous suivons toujours attentivement les résultats financiers, l’évolution des dépenses d’investissement et les innovations de modèles d’IA pour réagir adéquatement lorsque surviendront de nouvelles informations.
Si le nouveau modèle chinois est réellement plus efficace (ce qui reste à confirmer), cette percée pourrait accélérer l’adoption de l’IA et faire grimper la demande de puissance en général. Les économies seraient dès lors soumises au paradoxe de Jevons, du nom de l’économiste anglais William Jevons. Il avait observé, en 1865, que les avancées technologiques menant à une utilisation plus efficace du charbon augmentaient, en fin de compte, la consommation totale de charbon.
Lire aussi : L’omniprésence de l’intelligence artificielle.
