Ce qui alimente l'IA

La partie du sujet que les investisseurs connaissent déjà bien

Les sommes investies dans les infrastructures d’IA sont tout simplement vertigineuses. L’Agence internationale de l’énergie indique que les dépenses d’investissement des grandes entreprises technologiques dépassent désormais les investissements mondiaux dans la production de pétrole et de gaz naturel.

Source : Refinitiv, Recherche directe sur les actions en interne. E= Estimations du consensus

Une grande partie de ces dépenses concerne les semi-conducteurs, qui restent le moyen le plus direct de s’exposer au thème d’investissement de l’IA.

Le reste de la facture est moins bien compris. Selon une estimation portant sur un centre de données d’IA d’une puissance d’un gigawatt, les serveurs représentent 60 % du coût total de possession.5 Les 40 % restants correspondent à tout ce qui est nécessaire pour que ces serveurs fonctionnent.

Et c’est précisément cette partie de la facture qui crée des opportunités pour les investisseurs.

L’IA consomme de plus en plus d’énergie, les puces sont plus efficaces, mais cela ne suffit toujours pas

Chaque génération de puces d’IA consomme plus d’énergie que la précédente. L’accélérateur A100 de Nvidia était spécifié à 400 watts, le Blackwell à 1 000 watts6 , et son successeur, Rubin, devrait consommer encore plus d’énergie. L’Agence internationale de l’énergie prévoit que la densité de puissance des serveurs d’IA quadruplera à nouveau d’ici 2027 : un seul rack, de la taille approximative d’un grand réfrigérateur domestique, pourrait bientôt consommer la puissance de pointe de 65 foyers.

Le rendement s’améliore également. Des tests ont montré que les systèmes les plus récents fournissaient plus de dix fois plus de tokens par watt que les générations précédentes.8 L’AIE constate que la consommation d’énergie par tâche d’IA diminue d’au moins un ordre de grandeur par an.

Ce n’est toutefois pas encore suffisant. La consommation totale continue d’augmenter. La demande en électricité des centres de données a progressé de 17 % en 2025. Celle des installations dédiées à l’IA a quant à elle augmenté de 50 %.

Satya Nadella, PDG de Microsoft, a donné un nom à ce mécanisme : à mesure que l’IA devient plus efficace et plus accessible, son utilisation va exploser. Les économistes appellent cela « le paradoxe de Jevons ». Contrairement à ce que l’on pourrait croire, les gains d’efficacité entraînent une augmentation de la demande globale d’énergie.

Où l'opportunité s'élargit

Suivre le parcours de l’électricité, de sa production jusqu’à la puce, permet de mesurer l’ampleur des opportunités.

Tout commence par la production. L’AIE prévoit que la moitié de la croissance mondiale de la demande des centres de données sera couverte par les énergies renouvelables, soutenues par le stockage et le réseau électrique au sens large, parallèlement aux turbines à gaz commandées plusieurs années avant leur livraison et au regain d’intérêt pour le nucléaire, les premiers petits réacteurs modulaires devant entrer en service vers 2030.

Cela passe par le transport et la distribution. Les sous-stations, les transformateurs, les appareillages de commutation et le câblage acheminent l’électricité du réseau vers les bâtiments. À l’échelle du gigawatt, jusqu’à 40 % de l’énergie peut être perdue avant même d’atteindre les systèmes informatiques, en grande partie à cause de l’inefficacité du refroidissement et d’un surdimensionnement des installations. L’ingénierie électrique est devenue un facteur concurrentiel plutôt qu’une simple routine.

Et comme toute électricité, elle se transforme en chaleur. Une installation d’IA de pointe doit dissiper une chaleur équivalente à environ 30 chaudières au gaz naturel pour chaque rack.18 Le refroidissement par air seul est insuffisant, et les systèmes à base d’eau deviennent de plus en plus complexes. Le refroidissement à lui seul peut représenter entre 7 % et 30 % de la consommation électrique d’une installation, selon sa conception.

Tout autour de cela se trouvent les réseaux reliant ces sites, les services publics qui les alimentent, les entrepreneurs qui les construisent et les capitaux nécessaires au financement d’actifs de cette envergure.

L’électrification, le refroidissement, les réseaux électriques, les fournisseurs d’énergie et gestionnaires de réseauxainsi que le financement des infrastructures ne sont pas des sujets périphériques à l’IA. C’est là que le monde physique rencontre le monde numérique. Et c’est un domaine dans lequel nous identifions aujourd’hui des opportunités.

Toutes les opportunités ne se valent pas, et la situation évolue rapidement

Rien de tout cela n’est acquis. Les grands cycles d’investissement ne répartissent pas les rendements de manière uniforme. Le risque lié à la mise en œuvre est bien réel, les conditions de financement évoluent et les valorisations peuvent devancer la concrétisation des résultats attendus.

Cette thèse est contestée. Par exemple, le « scénario défavorable » de l’Agence internationale de l’énergie prévoit une croissance de la demande bien plus lente que dans son scénario de base.

Chez Quintet, nous suivons de près les dépenses d’investissement des hyperscalers, la construction de centres de données, les d’équipements électriques et d’infrastructures de réseau, ainsi que la manière dont ces éléments se traduisent en bénéfices. Notre point de vue évolue à mesure que les données changent.

La course à la création du modèle d’IA le plus performant est extrêmement compétitive, et la suprématie d’un modèle est à la fois éphémère et incertaine. Ce qui est beaucoup moins incertain, c’est la plateforme sur laquelle ces modèles fonctionnent.

Les puces finiront par être mises sous tension. Reste à savoir qui captera la valeur avant même leur installation.