Infrastructure IA : Carmignac voit le hardware loin d’avoir atteint son plafond
15/10/2026
Par Kristofer Barrett, responsable de la gestion actions internationales chez Carmignac
Les dépenses d’investissement des hyperscalers pourraient dépasser 1 200 milliards de dollars en 2027, contre moins de 200 milliards en 2023. Deux risques dominent le débat. Pour Carmignac, aucun des deux n’implique une baisse de la demande de puissance de calcul.
Le succès de Muse, l’agent IA personnel de Meta, a récemment redonné de l’élan aux semi-conducteurs en ravivant les attentes sur la demande de calcul qu’engendrerait l’IA agentique. Quelques jours plus tôt, des chercheurs d’Anthropic notamment évoquaient la nécessité de ralentir le développement de modèles toujours plus puissants. Ce type de contraste illustre le bruit auquel les investisseurs sont confrontés. Plutôt que d’y réagir, Carmignac revient aux fondamentaux : qu’est-ce qui pourrait réellement freiner la dynamique du hardware, et que le marché pourrait-il encore sous-estimer ?
Risque n°1 : un ralentissement de la course aux modèles
Les appels à ralentir le développement des modèles les plus avancés ont d’abord inquiété le secteur. L’intuition est simple : moins de nouvelles générations de modèles, moins de besoins liés à leur entraînement. Cette lecture paraît incomplète à Carmignac.
Renforcer la sécurité des modèles pourrait exiger davantage de puissance de calcul, pas moins. Tester leur comportement, les surveiller, les comparer ou faire appel à d’autres systèmes pour les contrôler sont des usages très consommateurs de ressources. Des règles plus strictes avantageraient par ailleurs les acteurs les plus importants — précisément ceux qui ont été parmi les premiers à appeler à ce ralentissement. Plus fondamentalement, ralentir la course aux modèles les plus avancés ne signifie pas ralentir la demande de calcul : cela pourrait simplement en déplacer la destination, vers le déploiement des modèles existants, la multiplication des usages et l’exécution des agents.
Risque n°2 : un ralentissement des dépenses des hyperscalers
C’est la question centrale. Les dépenses d’investissement des hyperscalers et acteurs du cloud pourraient dépasser 1 200 milliards de dollars en 2027, contre moins de 200 milliards en 2023. Les investisseurs sont devenus plus exigeants : les flux de trésorerie disponibles sont sous pression, le coût du financement a augmenté et le marché attend des preuves que ces centaines de milliards génèreront des rendements suffisants.
Le rythme de croissance actuel ne peut pas durer indéfiniment. Mais Carmignac distingue un ralentissement de la croissance des investissements d’une baisse des dépenses : même en cas de forte décélération, les montants resteraient historiquement élevés. La concurrence rend par ailleurs un repli brutal peu probable — investir moins protège les flux à court terme mais augmente le risque de retard technologique. Cette logique proche du « AI or die » fixe un seuil élevé avant toute réduction significative. À ce stade, le principal frein au cycle viendrait davantage des contraintes physiques de capacité que d’un manque de volonté d’investir.
L’IA agentique élargit la base hardware
La première phase de l’IA générative avait une logique hardware relativement simple : entraîner des modèles sur d’immenses clusters de GPU, puis les utiliser pour répondre aux requêtes. L’IA agentique change cette logique. Un agent ne génère plus seulement une réponse — il navigue sur Internet, interagit avec différentes applications et exécute des successions de tâches pendant plusieurs minutes, voire plusieurs heures. Les GPU assurent l’essentiel des calculs d’inférence, mais les CPU doivent gérer les systèmes d’exploitation, les navigateurs et potentiellement des centaines d’actions périphériques. La complexité croissante de ces usages entraîne des besoins supplémentaires en mémoire, connectivité, stockage, alimentation et refroidissement.
Les goulets d’étranglement se déplacent, ils ne disparaissent pas
Nvidia anticipe une croissance de son chiffre d’affaires d’environ 70 % sur son prochain exercice, au-dessus des attentes précédentes. Mais si les prévisions de revenus se révisent rapidement, les capacités physiques de production ne s’adaptent pas au même rythme. Et lorsqu’un goulot d’étranglement se résout, un autre apparaît : davantage de GPU nécessitent davantage de mémoire ; davantage de mémoire suppose plus de capacités de packaging ; des clusters plus importants exigent des réseaux plus rapides ; une densité accrue crée de nouveaux besoins en refroidissement et en alimentation. Les contraintes se déplacent progressivement le long de la chaîne de valeur.
Le hardware est déjà dans la phase de monétisation
Le marché s’interroge sur la capacité des hyperscalers à générer suffisamment de revenus pour justifier leurs investissements. Pour les entreprises du hardware, l’équation est plus directe : leurs clients dépensent déjà. Les commandes se transforment en chiffre d’affaires, puis en bénéfices et en flux de trésorerie disponible. Associée aux délais de production parfois longs, cette dynamique peut offrir aux acteurs du hardware une meilleure visibilité sur leurs résultats que celle dont disposent les entreprises qui financent elles-mêmes le déploiement de l’IA. Une situation qui contraste avec certains hyperscalers, dont l’intensité capitalistique augmente au moment précis où les investisseurs deviennent plus exigeants sur la rentabilité future.
La valorisation reste déterminante. Malgré la forte hausse des semi-conducteurs, Carmignac trouve encore des opportunités où la croissance attendue des flux de trésorerie disponible reste attractive au regard des multiples payés.
Source : Carmignac — tribune de Kristofer Barrett, responsable de la gestion actions internationales, octobre 2026. Données Nvidia et Carmignac au 30/09/2026.