Goldman Sachs attire l'attention sur les infrastructures physiques qui soutiennent le boom de l'intelligence artificielle, en faisant valoir que l'accès à l'électricité haute tension est devenu une contrainte plus forte que le capital nécessaire à l'achat de puces. La banque indique que la demande d'infrastructure IA continue de dépasser les capacités disponibles et que l'écart entre l'offre et la demande de calcul se creuse, sur la base de récents échanges avec les directions d'entreprises technologiques.

Selon l'analyse de Goldman, le goulot d'étranglement se déplace des puces vers l'énergie. Les opérateurs qui ont déjà sécurisé des capacités de réseau pourraient être mieux placés pour se développer, tandis que la disponibilité électrique, plutôt que l'approvisionnement en puces, pourrait déterminer le rythme de construction des nouveaux centres de données d'ici 2027. La banque précise que les principaux hyperscalers — les plus grands opérateurs de cloud et de centres de données IA — s'emploient déjà à sécuriser des contrats d'approvisionnement électrique pour 2028 et au-delà, la capacité du réseau pour 2026 et 2027 étant pour l'essentiel entièrement réservée, un horizon qui illustre à quel point l'accès à l'énergie doit désormais être planifié en amont.

Goldman indique qu'un probable ralentissement de l'entraînement des modèles est compensé par un investissement accru dans la sécurité de l'IA et la supervision du rythme. Ces activités exigent des ressources de calcul supplémentaires, ce qui maintient la demande globale de calcul à un niveau élevé malgré une éventuelle modération de l'entraînement.

La banque souligne également que les dépenses d'investissement augmentent en raison de l'inflation des composants et du besoin croissant en puces. Dans le même temps, le revenu généré par unité d'énergie a progressé d'environ deux tiers au cours de l'année écoulée par rapport aux niveaux de prix antérieurs — un indicateur qui relie directement le revenu des opérateurs à l'électricité qu'ils consomment. Selon Goldman, disposer du capital nécessaire pour acheter des GPU ne suffit plus en soi ; l'accès aux infrastructures énergétiques haute tension détermine de plus en plus les entreprises capables de se développer.

Le rapport résume la situation en des termes concis : l'argent permet d'acheter les GPU, mais c'est l'énergie qui décide qui peut les mettre en marche.

Goldman rel également une mutation structurelle dans les dépenses logicielles d'entreprise. La banque estime que les plateformes de données et de sécurité figurent parmi les principaux bénéficiaires des investissements en IA, car les systèmes d'IA dépendent de données propres, organisées et sécurisées. Les directeurs des systèmes d'information orientent de plus en plus les budgets vers les couches de données fondamentales et les outils de cybersécurité, afin de protéger l'intégrité des données et de maîtriser les risques liés à l'usage non autorisé de « shadow AI » — des outils d'IA adoptés en dehors de tout aval officiel des services informatiques — au sein des organisations.

À l'inverse, les logiciels applicatifs sont de plus en plus conçus pour des agents d'IA plutôt que pour des utilisateurs humains. Goldman qualifie cette transition de passage des logiciels applicatifs au « headless ». Cette évolution permet aux éditeurs d'intégrer des fonctionnalités d'IA plus puissantes à leurs plateformes existantes et soutient pour l'instant la croissance du secteur, même si la banque avertit qu'elle pourrait à terme modifier la manière dont les éditeurs de logiciels fixent leurs prix et monétisent leurs produits.

Ce déplacement des dépenses traduit un écart croissant entre les plateformes fondamentales et les éditeurs applicatifs. L'accent mis par Goldman sur les rendements des plateformes de base suggère que la monétisation prouvée du calcul pourrait être perçue plus favorablement que les nouvelles sources de revenus spéculatives, bien que la banque ne présente pas cela comme une prévision de performance des marchés.

Parmi les sociétés qu'elle met en avant, Goldman indique que Meta continue de générer un retour sur investissement de deux à trois fois par mégawatt d'énergie dans son activité principale — une mesure des rendements par rapport à l'électricité consommée — tout en explorant de nouvelles sources de revenus complémentaires. Google, quant à lui, s'appuie sur ce que Goldman décrit comme un avantage full stack combinant silicium personnalisé, cloud, sécurité et une vaste base de distribution pour soutenir la monétisation de son activité principale. Les ventes de puces TPU de Google constituent une composante de cette stratégie de portefeuille plus large.

Goldman conclut que la monétisation de l'IA offre une flexibilité substantielle. Cela dit, la banque estime que la monétisation des plateformes de base demeure l'un des usages du calcul présentant le plus haut niveau de confiance et les rendements les plus élevés. Dans ce contexte, les plateformes établies qui génèrent déjà de solides rendements sur leur énergie pourraient rester les bénéficiaires les plus fiables tant que les capacités resteront rares. Les indicateurs pratiques à suivre désormais, sur la base des observations de la banque, incluent les calendriers de construction des centres de données d'ici 2027, l'anticipation avec laquelle les opérateurs sécurisent des contrats d'approvisionnement électrique pour 2028 et au-delà, et la poursuite ou non du déplacement des budgets d'entreprise vers les fondations de données et de sécurité.