L'investisseur Chamath Palihapitiya a publié ce qu'il appelle un « guide d'investissement en IA » sur X, cartographiant les flux de capitaux qu'il attend sur le marché de l'intelligence artificielle. Le fondateur de Social Capital soutient que si les rendements les plus rapides se situent dans l'énergie et l'immobilier de centres de données, les marges durables à long terme appartiendront aux « harnesses » et aux applications construites au-dessus. Ce cadre intervient alors que les hyperscalers, dont Microsoft, Google, Amazon et Meta, engagent collectivement des centaines de milliards de dollars dans l'infrastructure d'IA, intensifiant la concurrence pour les ressources limitées — terrain, électricité et puces — qui sous-tendent l'ensemble de la pile.

Terrain, énergie et enveloppe : le chemin le plus rapide vers la rentabilité

Palihapitiya a catégorisé les opportunités d'investissement en IA en couches, en commençant par ce qu'il appelle LPS — abréviation de land, power, and shell (terrain, énergie et enveloppe). Le terme désigne l'empreinte physique d'un centre de données avant l'installation de toute puce.

Il a décrit cette couche comme « encore le chemin le plus évident et le plus rapide vers un rendement cash sur cash », ajoutant : « Beaucoup de valeur peut être assemblée et échangée rapidement à ce niveau. Et à mesure que les centres de données font face à davantage d'opposition, les terrains alimentés en énergie peuvent voir leur valeur exploser. Très haussier ici. »

Palihapitiya a déclaré que lui et sa partenaire, Anita Verma-Lallian, ont sécurisé près de 6 gigawatts (GW) de puissance électrique jusqu'en 2029 — une ampleur comparable à la production de plusieurs grandes centrales nucléaires. Il avait précédemment affirmé que les terrains approuvés en matière de zonage et l'accès au silicium confèrent à leurs propriétaires un levier de négociation sur tous les acteurs en aval de la chaîne d'approvisionnement en IA. Sécuriser des engagements électriques d'une telle ampleur est devenu de plus en plus difficile dans l'ensemble du secteur, les contraintes du réseau et les délais d'autorisation dans les principaux marchés américains pouvant prolonger les projets de centres de données de plusieurs années.

La couche harness : là où résident les marges durables

Au-dessus de l'infrastructure physique, la thèse centrale de Palihapitiya se concentre sur ce qu'il appelle le « harness ». Dans une publication de juillet sur X, il a écrit : « Un harness moderne + un modèle ouvert réduiront drastiquement votre consommation de tokens tout en maintenant vos performances. »

Un harness, selon un glossaire de Hugging Face publié le 25 mai, est le logiciel enveloppant un modèle d'IA qui détermine ce que le modèle voit, quels outils il peut appeler et quand il s'arrête. Claude Code d'Anthropic, Codex d'OpenAI et Antigravity de Google sont tous des exemples de harnesses. Claude Code est décrit comme « le harness agentique autour de Claude » dans sa documentation officielle.

Palihapitiya a soutenu que « le harness aide les entreprises à posséder leur contexte propriétaire (ce qu'Alex Karp appelle leur "alpha") », qu'il a défini comme incluant les données, les flux de travail et les règles métier. Karp, PDG de Palantir Technologies, a précédemment affirmé que les données propriétaires constituent l'actif concurrentiel déterminant dans l'IA d'entreprise.

Les applications comme gagnantes à long terme

La thèse d'investissement de Palihapitiya s'étend également aux applications, qu'il a identifiées comme une autre gagnante à long terme. Il a écrit : « Chaque entreprise, avec le bon harness, peut désormais imprégner son alpha dans le logiciel qui fait fonctionner l'entreprise. » Cette approche positionne les entreprises existantes — et pas seulement les laboratoires d'IA — comme des bénéficiaires potentiels si elles parviennent à intégrer leurs données et flux de travail propriétaires dans des applications alimentées par des modèles.

Des figures de l'industrie réagissent

Plusieurs dirigeants de l'industrie ont réagià la publication de Palihapitiya, beaucoup faisant écho à son insistance sur les harnesses.

Xiaoyin Qu, fondatrice de Tycoon AI, a exprimé son soutien à la thèse du harness, déclarant qu'un harness « créera de la marge indépendamment de la banalisation du modèle », car le bon harness peut débloquer de vastes tâches à long horizon qui valent plus que n'importe quel résultat individuel d'un modèle.

Aaron Levie, PDG de Box, a réagi à une publication distincte mettant en lumière les performances de divers agents IA, déclarant que le harness est « en passe de devenir la variable la plus importante » de la pile IA, aux côtés de la capacité brute du modèle.

Contexte : les questions antérieures de Palihapitiya sur les dépenses en IA

À la mi-juillet, Palihapitiya a publié sur X un message remettant en question l'état actuel des dépenses en IA, se demandant si elles profitaient à quiconque au-delà de la poignée d'entreprises déjà en train d'encaisser des revenus. Il a souligné que les acheteurs peuvent désormais dépenser 0,50 $ par million de tokens de pointe au lieu de 56 $ pour le même volume.

Sa thèse du harness semble être une réponse directe à cette préoccupation : si les modèles deviennent bon marché et interchangeables, la valeur migre vers quiconque contrôle les données, les flux de travail et, en fin de compte, les applications construites au-dessus.