Au fil des évolutions de l’intelligence artificielle, tandis que les investissements ne portent plus exclusivement sur la puissance de calcul, mais incluent d’autres technologies utiles pour créer des applications web ou mobiles, nous trouvons toujours plus d’actions prometteuses ; celles de grandes sociétés du secteur de l’IA ou d’entreprises qui bénéficient de l’IA.
Dans notre nouvelle publication intitulée L’omniprésence de l’intelligence artificielle, nous présentons un aperçu de la thématique de l’IA et évoquons le rôle facilitateur de l’informatique en nuage et des sciences et technologies fondamentales, notamment les semi-conducteurs. Les auteurs abordent certaines des avancées les plus récentes, ainsi que les risques et défis posés par le développement et l’utilisation de l’IA.
L’IA s’appuie sur des sciences et des technologies fondamentales telles que :
- l’informatique en nuage : pour entraîner et héberger les modèles d’IA ;
- l’Internet des objets : pour recueillir les données nécessaires aux applications d’IA ;
- les semi-conducteurs : pour apporter la puissance de calcul de l’IA ;
- la cybersécurité : pour protéger les systèmes et les données d’IA ;
- les énergies renouvelables : pour contribuer à une alimentation électrique durable lors des opérations d’IA énergivores.
Les cas d’utilisation de l’IA se développent rapidement et comprennent la génération de code et la documentation pour les développeurs ; l’automatisation des demandes des clients ; la synthèse de rapports médicaux et la simplification du flux de travail des ventes et du marketing. Toutes ces applications améliorent la productivité et l’efficacité.
Parmi les progrès technologiques récents de l’IA, citons la création de nouveaux grands modèles de langage capables de raisonnement et de résolution de problèmes complexes, capables aussi de rendre les interactions plus intuitives entre les utilisateurs et les modèles d’IA ; ainsi que l’arrivée de semi-conducteurs de nouvelle génération pour soutenir l’entraînement et l’inférence de l’IA[1].
Exploiter le cloud
L’informatique en nuage, ou « cloud computing », présente des avantages tels que des coûts réduits, une évolutivité, une sécurité renforcée et l’accès à des technologies de pointe. Il fournit l’infrastructure et les ressources nécessaires au développement et au déploiement de l’IA. Ainsi, investir dans les infrastructures numériques est crucial pour soutenir les initiatives d’IA : les centres de données, les équipements de réseau et les systèmes de stockage sont tous concernés. Il existe également une demande croissante pour des systèmes de refroidissement, d’efficacité énergétique et de sources d’énergie renouvelable destinés à alimenter les centres de données d’IA.
Les trois principaux fournisseurs de services cloud américains ont augmenté leurs revenus de plus de 30 % au cours des quatre dernières années, dépassant les 180 milliards de dollars de revenus combinés en 2023[2]. Malgré tout, le potentiel de croissance est encore élevé, car à peine 20 % de la charge estimée a été transférée.
Fournisseurs de services d’informatique en nuage, grandes entreprises et entités gouvernementales investissent tous massivement dans la construction et l’équipement des centres de données indispensables au bon déroulement des initiatives d’IA. Nos perspectives d’investissements dans l’infrastructure numérique au cours des prochaines années sont donc positives.
Aujourd’hui, la plupart des investissements en capital sont axés sur la puissance de calcul, ce qui stimule la demande de semi-conducteurs. Les fournisseurs de serveurs et d’autres équipements de centres de données connaissent, eux aussi, une croissance robuste. À court terme, les équipements de réseau et de stockage qui accompagnent l’entraînement et l’inférence de grands modèles de langage et d’autres modèles d’IA devraient cependant attirer une partie des capitaux.
Nous nous attendons à ce que les rendements à long terme issus du développement et du déploiement de la technologie de l’IA soient attrayants. Les entreprises qui s’étendent au-delà de la couche d’infrastructure et qui créent de nouvelles applications ou de nouveaux services pourraient obtenir des retours sur investissement plus élevés. Cependant, le coût élevé des composants est une variable clé.
Principales opportunités d’investissement
Ci-dessous, quelques secteurs importants.
Les développeurs : entreprises d’innovation en IA ; fournisseurs de services cloud qui entraînent et hébergent des modèles d’IA ; entreprises de semi-conducteurs.
Les technologies fondamentales : puces avec mémoire à large bande passante et puces réseau ; fournisseurs de biens d’équipement et de matériaux de semi-conducteurs ; fonderies ; les fournisseurs de systèmes de mise en réseau et de stockage de données ; fournisseurs de solutions d’efficacité énergétique et d’énergies de substitution, notamment le refroidissement des panneaux solaires.
Les fournisseurs de données : entreprises disposant d’ensembles de données propriétaires utiles pour entraîner des modèles d’IA et fournir des avantages concurrentiels.
Les « bénéficiaires » : entreprises qui exploitent l’IA pour améliorer leurs produits et services.
Défis et risques
Les défis et risques comprennent, entre autres, un durcissement de la réglementation, notamment en matière de droits d’auteur et de données, qui ralentirait l’innovation et la demande d’infrastructures d’IA.
Il est également nécessaire d’éviter les biais, de produire des résultats précis et de s’assurer que le contenu réel peut être distingué des fausses informations.
Enfin, les systèmes et les données d’IA doivent être protégés contre les cyberattaques.
Conclusion
L’intelligence artificielle semble se profiler comme le thème technologique le plus remarquable depuis l’arrivée de l’Internet.
À mesure que l’IA progresse et devient omniprésente, nous voyons les opportunités d’investissement dans les actions cotées en bourse s’élargir. Tirer profit des tendances positives et éviter les pièges potentiels nécessitera une gestion des investissements résolument active.
[1] Un modèle d’apprentissage automatique entraîné peut tirer des conclusions (« déduire ») à partir de données inédites, sans exemples du résultat souhaité. En d’autres termes, l’inférence est un modèle d’IA en action.
[2] Taux de croissance annuel composé ; analyse fondée sur la base de serveur installée. Source : Bank of America Global Research, En avant vers 2023 : Une histoire en deux parties (2023 Year Ahead: A Tale of Two Halfves), le 4 janvier 2023.
