Goldman Sachs a projeté des dépenses cumulées en infrastructures d’IA d’environ 7,5 billions $ à 7,6 billions $ entre 2026 et 2031. La prévision se décompose en environ 5,1 billions $ pour le calcul, 2,1 billions $ pour les centres de données et 358 milliards $ pour les infrastructures électriques, tandis que le capex annuel de l’IA devrait passer d’environ 765 milliards $ cette année à 1,6 billion $ d’ici 2031.

Le cadre de recherche de Goldman identifie NVIDIA comme le principal bénéficiaire de la couche de calcul, le fabricant de puces devant capter environ 75% de ce segment. Goldman a indiqué qu’un tel niveau de concentration n’avait aucun précédent dans les cycles de capex technologique antérieurs.

Le seul rythme annuel ferait déjà de ce cycle le plus important déploiement de capital distinct de l’histoire technologique. Les analystes de Goldman Sachs ont également souligné que les estimations consensuelles ont régulièrement sous-estimé le rythme des dépenses, notant que le consensus de capex pour 2026 est passé de 465 milliards $ à 527 milliards $ au cours d’une seule saison de résultats.

“7,6 billions $ de CAPEX IA d’ici 2031 ? Impressionnant, mais ce qui me gêne vraiment dans les estimations de Goldman Sachs, c’est la faible part allouée à l’électricité”, a écrit Christophe Barraud dans une publication X le 11 juillet 2026. “Sur l’ensemble de la période, Goldman prévoit qu’environ 5,1 billions $ seront consacrés au calcul, plus de 2,1 billions $ aux centres de données et…”

Pour les investisseurs particuliers en crypto qui suivent les infrastructures d’IA, les chiffres de Goldman ne constituent pas un simple bruit de fond. Ils forment le cadre macroéconomique dans lequel sont désormais évalués les jetons de calcul IA, les réseaux GPU décentralisés et les préventes de jetons IA, d’autant plus que ce cycle de dépenses est concentré dans les mêmes couches d’infrastructure que les projets crypto tentent souvent de reproduire ou de compléter.

La projection de 7,5 billions $ représente un cycle de capital suffisamment vaste pour qu’une réorientation de seulement 0,1% vers des rails d’infrastructure natifs de la crypto constitue un catalyseur matériel pour le marché des jetons. La question clé n’est pas de savoir si le cycle existe, mais quels secteurs de jetons sont structurellement positionnés pour en capter une part.

Ce que la prévision de 5,1 billions $ pour la couche de calcul de Goldman révèle sur l’opportunité IA de la crypto

Le chiffre principal est élevé, mais c’est l’architecture interne de la prévision de Goldman qui la rend réellement utile pour l’analyse du positionnement crypto. La couche de calcul, à 5,1 billions $, est la plus importante catégorie de dépenses, soit plus du double de l’allocation aux centres de données et environ quatorze fois le budget énergétique.

La recherche de Goldman rattache cette estimation à des hypothèses matérielles précises, notamment des nœuds GPU de nouvelle génération évalués à environ 80 500 $ l’unité, consommant 3 000 watts par module, avec un ratio d’efficacité énergétique de 1,2. Goldman a indiqué qu’il ne s’agissait pas d’entrées spéculatives, mais d’économiques d’approvisionnement réelles pour l’architecture actuelle de NVIDIA.

La concentration attendue d’environ trois quarts de la couche de calcul chez NVIDIA est ce qui rend les alternatives décentralisées pertinentes d’un point de vue analytique. Lorsqu’un seul fournisseur devrait capter une part aussi importante d’une catégorie de dépenses de 5,1 billions $, le risque de chaîne d’approvisionnement, le pouvoir de fixation des prix et l’exposition aux contrôles à l’exportation créent une ouverture structurelle pour des alternatives de calcul sans autorisation.

La recherche de Goldman note également que l’incertitude, ou la peur de manquer l’infrastructure IA, est autant un moteur du boom des capex que le retour sur investissement mesuré. Cela signifie que le cycle comporte aussi un risque de durée. La thèse d’investissement plus large de Goldman sur l’IA a déjà commencé à influencer simultanément les flux de capitaux sur les marchés émergents et dans différentes classes d’actifs.

L’électricité constitue le poste le plus faible en valeur absolue, à 358 milliards $, mais les analystes de Goldman identifient ce segment comme le principal goulot d’étranglement limitant la vitesse de déploiement, et non la disponibilité du calcul. Les hypothèses de coût des centres de données s’établissent à 15 millions $ par mégawatt de capacité, avec une nouvelle puissance facturée à 2 500 $ par kilowatt.

Les espaces de centres de données brownfield représentent actuellement 15% des déploiements de 2026 et devraient atteindre 30% d’ici 2031, à mesure que les sites greenfield font face à des retards de raccordement au réseau. Le goulot d’étranglement électrique n’est pas une friction temporaire ; il s’agit d’une contrainte structurelle que Goldman s’attend à voir persister sur l’ensemble de la période 2026–2031, et c’est l’argument le plus clair en faveur d’une infrastructure de calcul IA décentralisée et flexible en matière de localisation.

EXPLORE : Les meilleures préventes de memecoins à surveiller en juillet

L’article Goldman Sachs $7.5T AI Capex Breakdown and What It Means for Crypto est apparu en premier sur icobench.com .