← Accueil actu | Salle du marché

Goldman Sachs : la bourse de l'IA passe des puces à « l'économie de l'inférence », la couche applicative devient le nouveau refuge des capitaux

2026-11-04 · Source:华尔街见闻全球·中继

Goldman Sachs : la bourse de l'IA passe des puces à « l'économie de l'inférence », la couche applicative devient le nouveau refuge des capitaux

Le récit des dépenses en capital des semi-conducteurs perd de sa force et le marché cherche avec insistance « la prochaine histoire de l'IA » ; pour les acheteurs de puissance de calcul, la période de bascule narrative exige de nouveaux repères décisionnels.

Wall Street pose désormais la question autrement : le relais de la dynamique de l'IA ne sera peut-être plus tenu par les puces. Pete Callahan, expert TMT de Goldman Sachs, a tranché lors d'une récente conférence : le récit d'investissement sur l'IA migre des dépenses en capital des semi-conducteurs vers la couche applicative, « l'économie de l'inférence » et les agents personnels devenant les nouveaux mots-clés. Ce jugement n'est pas une simple parenthèse, mais une remise en question systématique de la ligne de marché des deux dernières années. Depuis 2023, la logique centrale du rallye mondial de l'IA s'est toujours articulée autour de l'offre de puissance de calcul : le rythme des livraisons des fondeurs, les plans de dépenses en capital des datacenters des fournisseurs cloud, les avancées des procédés avancés et de la mémoire à large bande passante — chaque dépassement des attentes enflammait presque à chaque fois le marché. Mais Callahan le souligne : quand « combien on a investi » est devenu une information publique connue de tous, la marge d'écart entre attentes et réalité de ce récit s'est fortement réduite.

Le poids de ce virage réside dans le changement de référentiel. Jusqu'ici, le récit d'investissement IA avait pour noyau les dépenses en capital des semi-conducteurs, et le marché braquait ses projecteurs sur l'ampleur des investissements en puces et en datacenters — la course aux armements de la puissance d'entraînement dans le cloud, la compétition sur les paramètres des très grands modèles, et les infrastructures électriques et de refroidissement qui soutiennent tout cela constituaient le couloir principal de concentration des capitaux ces deux dernières années. Selon le cadre de Callahan, le déplacement du centre de gravité narratif vers l'économie de l'inférence signifie que l'attention passera de « combien on a investi » à quelles activités peuvent réellement émerger côté inférence. Autrement dit, le marché commence à s'intéresser à la valeur commerciale mesurable générée par chaque GPU après son déploiement : volume d'appels d'inférence, coût unitaire par token, taux de conversion payant des applications — ces indicateurs remplaceront progressivement les dépenses en capital elles-mêmes comme nouvelle jauge de santé du secteur de l'IA.

Si les récits applicatifs comme les agents personnels prennent le relais, l'attention pourrait s'étendre de la chaîne d'approvisionnement matérielle à la qualité réelle du déploiement des applications. Par agent personnel, on entend un assistant IA capable d'exécuter des tâches de manière autonome au nom de l'utilisateur et d'orchestrer plusieurs applications ; il est considéré comme l'une des sources potentielles les plus importantes de demande d'inférence — chaque appel autonome d'un agent représente une consommation réelle de puissance d'inférence. Si ce récit se confirme, la durabilité de la demande de puissance côté inférence ne dépendra plus de la volonté de dépenses en capital de quelques fournisseurs cloud, mais sera portée conjointement par des milliards de scénarios d'usage terminaux, ce qui a des implications structurelles pour l'offre de puissance de calcul.

Sur l'IA de programmation, Callahan a été très direct : ce n'est plus un secret de marché. Les assistants de code étaient considérés comme le cas d'usage commercial le plus certain de la couche applicative, et leur vitesse de monétisation ainsi que la fidélité de leurs utilisateurs avaient excité le marché ; mais lorsqu'une ligne narrative est connue de tous, l'écart d'attentes qu'elle peut générer reste limité — ce qui manque réellement au marché, c'est une nouvelle histoire capable de prendre le relais. C'est là toute l'urgence palpable de cette conférence : le marché cherche désespérément « la prochaine histoire de l'IA », mais la réponse n'a pas encore été révélée.

Pour les acheteurs de puissance de calcul comme pour les investisseurs, il convient de noter ce que cette bascule narrative implique pour le secteur matériel. Si la couche applicative devient la ligne principale, la marge de progression du secteur des semi-conducteurs devra s'appuyer sur des preuves autres que les dépenses en capital ; avant l'arrivée d'un nouveau récit, le trading IA risque d'être mis à l'épreuve à répétition dans l'intervalle où l'ancienne histoire s'épuise sans que la nouvelle émerge. La signature typique de cet intervalle est une volatilité accrue et une divergence des valorisations : les actifs soutenus uniquement par le récit font face à une pression de correction, tandis que les sociétés dont les flux de trésorerie et les revenus d'inférence peuvent être vérifiés résistent mieux.

Pour les acheteurs réels de puissance de calcul IA, ce virage possède aussi une valeur décisionnelle directe. Premièrement, la montée de la demande d'inférence signifie que la structure d'achat doit évoluer d'un « stockage massif en une fois de puissance d'entraînement » vers un « extension flexible de la puissance d'inférence à la demande » ; les charges d'inférence étant plus volatiles, la facturation à l'usage ou la location courte durée peuvent, après ajustement du risque, coûter moins cher qu'un engagement long terme sur des racks complets. Deuxièmement, l'intervalle narratif est souvent une fenêtre de négociation des prix : lorsque le récit des dépenses en capital refroidit et que le marché devient prudent sur le matériel, la pression haussière sur les prix au comptant et à la location de la puissance de calcul devrait s'atténuer, permettant aux acheteurs de négocier plus sereinement sans craindre que la puissance de calcul soit arrachée par les applications. Troisièmement, lors de l'évaluation des fournisseurs, au-delà des spécifications matérielles, il faut prêter attention à la stabilité de leurs services d'inférence, à l'efficacité de leur ordonnancement et à la transparence de leur facturation — dans le contexte de « l'économie de l'inférence », le rendement effectif réel de chaque unité de calcul est le véritable dénominateur du coût.

Il faut toutefois rappeler qu'une bascule narrative ne signifie pas la fin de la logique matérielle. La course aux grands modèles côté entraînement se poursuit, et la croissance de la demande côté inférence repose, paradoxalement, sur l'expansion continue de l'offre matérielle. Le vrai changement se situe dans la logique de valorisation : le marché exigera une chaîne causale plus claire entre investissements matériels et revenus d'inférence. Dans cette optique, le jugement de Callahan relève moins d'un pessimisme sur les puces que de l'établissement d'un « standard de preuve » plus élevé pour toute la chaîne industrielle de l'IA — celui qui saura le premier rentabiliser l'activité d'inférence détiendra le sésame de « la prochaine histoire de l'IA ».

Côté données de marché, les actifs GPU liés à cette bascule narrative ne sont pas encore couverts par le suivi en temps réel de notre site ; aucune offre à la vente n'est actuellement disponible pour ce modèle. Les acheteurs souhaitant connaître les derniers prix transactables et les quantités en vente sont invités à consulter les prochains rapports sur les cours de la puissance de calcul publiés par notre site, ou à obtenir un devis personnalisé via le canal de demande de cotation.

Q : Quel est le sens profond de « l'économie de l'inférence » selon Goldman Sachs, et en quoi se distingue-t-elle de la ligne d'investissement IA passée ?

R : Selon le cadre de Pete Callahan, expert TMT de Goldman Sachs, le changement essentiel est le déplacement de l'attention depuis « combien on a investi » en dépenses en capital vers quelles activités peuvent émerger côté inférence ; les agents personnels deviennent une source clé de demande incrémentale, tandis que l'IA de programmation n'est plus un secret de marché et offre une marge d'écart d'attentes limitée.

Q : Pendant l'intervalle où les anciens et les nouveaux récits de l'IA se remplacent, comment les acheteurs de puissance de calcul devraient-ils ajuster leur stratégie d'achat ?

R : Il est recommandé de passer du stockage de puissance d'entraînement à une extension flexible de la puissance d'inférence, de privilégier la facturation à l'usage ou la location courte durée pour couvrir la volatilité des charges, et de profiter de la fenêtre de négociation offerte par le refroidissement narratif ; aucun prix en vente n'étant actuellement disponible pour le modèle concerné, toute transaction effective devra s'appuyer sur une cotation en temps réel et sur les derniers rapports de marché.

Q : Quel est le sens profond de « l'économie de l'inférence » selon Goldman Sachs, et en quoi se distingue-t-elle de la ligne d'investissement IA passée ?

R : Selon le cadre de Pete Callahan, expert TMT de Goldman Sachs, le changement essentiel est le déplacement de l'attention depuis « combien on a investi » en dépenses en capital vers quelles activités peuvent émerger côté inférence ; les agents personnels deviennent une source clé de demande incrémentale, tandis que l'IA de programmation n'est plus un secret de marché et offre une marge d'écart d'attentes limitée.

Q : Pendant l'intervalle où les anciens et les nouveaux récits de l'IA se remplacent, comment les acheteurs de puissance de calcul devraient-ils ajuster leur stratégie d'achat ?

R : Il est recommandé de passer du stockage de puissance d'entraînement à une extension flexible de la puissance d'inférence, de privilégier la facturation à l'usage ou la location courte durée pour couvrir la volatilité des charges, et de profiter de la fenêtre de négociation offerte par le refroidissement narratif ; aucun prix en vente n'étant actuellement disponible pour le modèle concerné, toute transaction effective devra s'appuyer sur une cotation en temps réel et sur les derniers rapports de marché.

Mots-clés: Goldman Sachs · Pete Callahan · Inference Economy · AI Agents · Semiconductor Capex


À lire aussi


萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle