Financer les infrastructures d’IA exige de nouvelles sources de revenus

Une IA utile a toujours besoin d’un modèle de financement

Une entreprise peut accomplir davantage de travail avec l’IA tandis que ses fournisseurs font face à un besoin de financement distinct. Une meilleure production et des coûts plus faibles pour les clients créent de la valeur économique, mais les fournisseurs financent l’infrastructure avec les revenus qu’ils tirent de cette valeur. Au rythme de dépenses prévu, le montant qu’ils peuvent capter devient une question business de plusieurs milliers de milliards de dollars.

Pour les dirigeants technologiques et les investisseurs en infrastructure, le financement ajoute un second critère à la question de savoir si une application fonctionne. Les applications doivent créer suffisamment de valeur, et les fournisseurs doivent en capter une part suffisante assez rapidement, pour soutenir l’investissement. La construction exige déjà des milliards de dollars, tandis que les revenus destinés à soutenir cette capacité dépendent d’applications encore en train de prendre forme. Les projections décrivent une condition exigeante pour un financement durable. Elles définissent une exigence future plutôt qu’elles ne décrivent un effondrement actuel du financement.

Les dépenses d’infrastructure se poursuivent après la construction

L’engagement de dépenses commence avec la concurrence entre les hyperscalers, les plus grands opérateurs d’infrastructures de cloud computing. Microsoft, Google, Amazon, Meta et Oracle accélèrent leurs investissements dans les puces d’IA, les centres de données, les réseaux et les systèmes électriques. Leurs dépenses d’investissement, c’est-à-dire l’argent consacré à la construction ou à l’achat d’actifs durables, augmentent avant que le marché des applications n’atteigne l’échelle nécessaire pour les soutenir.

Les dépenses augmentent à la fois avec la taille de chaque installation et avec le nombre d’installations construites. Davantage d’équipements informatiques nécessitent plus d’électricité, de réseau et d’infrastructures de support, ce qui accroît les coûts de développement. Les perspectives du marché de l’IA de Bain & Company présentent les projections ci-dessous concernant les dépenses combinées des opérateurs et la capacité électrique des installations et des campus, ainsi qu’une tendance sur les plus grandes installations attribuée à Epoch AI.

La tendance des plus grandes installations provient de la Figure 1, attribuée à Epoch AI. Elle suit la taille et le coût du plus grand centre de données IA à chaque moment ; chaque point correspond à une estimation distincte. La puissance et le coût utilisent les points médians des fourchettes publiées, et les estimations pour 2027, 2029 et 2030 prolongent la tendance au doublement. Comme cette mesure suit la plus grande installation, elle doit rester distincte des projections plus larges concernant les installations et les campus.

Même après l’ouverture d’une installation, ses équipements nécessitent des dépenses supplémentaires. La projection annuelle d’infrastructure inclut de nouveaux centres de données et de nouvelles capacités de calcul, ainsi que des mises à niveau des unités de traitement graphique, ou GPU, de la mémoire et des équipements réseau déjà en service. Les revenus doivent donc financer l’expansion tout en couvrant aussi le renouvellement des équipements installés grâce à des investissements antérieurs.

L’exigence de revenus découle de deux hypothèses

Les investissements récurrents font de la relation entre dépenses et revenus un élément central du calcul de financement. Le scénario de Bain suppose des dépenses annuelles d’infrastructure IA de 1,5 billion de dollars en 2031 et des dépenses d’investissement égales à 25% des revenus du secteur, un ratio qu’il considère comme ambitieux mais raisonnable au vu des tendances des fournisseurs cloud. Le calcul est le suivant : 1,5 billion de dollars ÷ 25% = 6 billions de dollars de revenus annuels liés à l’IA. C’est le niveau de revenus nécessaire pour soutenir le rythme de dépenses supposé.

Le résultat est conditionnel parce que les deux paramètres peuvent évoluer. Des dépenses d’infrastructure plus faibles réduiraient l’exigence de revenus, tandis qu’allouer une part plus faible des revenus aux dépenses d’investissement l’augmenterait. La base annuelle compte également : les fournisseurs ont besoin de revenus continus pour financer les investissements de chaque année tout en exploitant leur activité. Le calcul fixe un seuil de financement plutôt qu’il ne prédit les achats des clients.

Pour évaluer la distance jusqu’à ce seuil, les perspectives du marché de l’IA de Bain estiment ce que les usages établis côté grand public et entreprise pourraient apporter. Bain vend des services de conseil et bénéficie commercialement lorsque les entreprises recherchent des conseils sur leur stratégie et leurs investissements en IA. Ses estimations portent cette perspective commerciale, ce qui compte lorsqu’on interprète l’ampleur des opportunités.

L’IA grand public offre des voies directes de monétisation via les abonnements et la publicité. L’IA d’entreprise offre une opportunité plus importante grâce aux améliorations du développement logiciel, des ventes, du marketing, du service client et des opérations IT. Cela inclut l’aide apportée aux équipes logicielles pour développer des produits, aux organisations commerciales pour servir les clients et aux équipes IT pour travailler plus efficacement. L’estimation de Bain pour l’entreprise couvre les gains captés par les fournisseurs ; les clients peuvent conserver une valeur supplémentaire sous forme de temps gagné, de coûts réduits ou d’une meilleure production.

Pourtant, même la borne haute combinée de Bain laisse encore environ 4,2 billions de dollars de revenus annuels supplémentaires à trouver. Cet écart subsiste même dans le scénario le plus favorable de la fourchette grand public et entreprise, et des résultats plus faibles l’élargiraient. La partie suivante de la thèse d’investissement se tourne donc vers des applications supplémentaires et vers la manière dont leurs bénéfices pourraient devenir des revenus pour les fournisseurs.

Quatre catégories d’applications pourraient élargir le marché

Pour explorer ces applications, Bain identifie quatre catégories au-delà des opportunités initiales côté grand public et entreprise. La Figure 2, attribuée à Bain & Company et Nvidia, les situe dans les perspectives du marché mondial de l’IA. Nvidia vend du matériel de calcul pour l’IA et bénéficie lorsque les clients augmentent leurs dépenses d’infrastructure IA ; son intérêt commercial compte donc lui aussi dans la lecture de ces perspectives. Les catégories décrivent plusieurs façons de créer de la valeur. Leurs estimations reposent sur des mesures financières différentes.

La recherche et la publicité offrent une voie directe vers les revenus, car les annonceurs peuvent payer les fournisseurs de modèles pour atteindre les utilisateurs de chatbots. À mesure que les personnes utilisent l’IA pour des tâches auparavant prises en charge par la recherche Internet traditionnelle, elles créent une audience dont les fournisseurs peuvent vendre l’accès. L’estimation de Bain reflète l’opportunité de générer des revenus à partir de ce changement de comportement des utilisateurs. La contribution à l’ensemble des revenus de l’IA dépend de la manière dont la publicité déjà comptabilisée ailleurs est traitée.

Au-delà de l’activité en ligne, la catégorie « autonomie généralisée » de Bain couvre les automobiles, camions, drones et équipements industriels qui fonctionnent avec moins d’intervention humaine. Son estimation dépend d’équipements fonctionnant plus longtemps tandis que les coûts d’entraînement et d’exploitation diminuent. Les voitures et camions grand public, les services de robotaxi et la logistique automatisée offrent différentes façons de commercialiser ces améliorations. Chaque activité doit atteindre les gains opérationnels qui rendent son service précieux.

L’IA physique étend ces gains à des systèmes qui interagissent avec le monde physique. Des modèles avancés peuvent prendre en charge des simulations réalistes et des jumeaux numériques, c’est-à-dire des représentations numériques utilisées pour tester le comportement de processus physiques. Un fabricant pourrait tester une modification proposée dans une simulation, améliorer sa productivité et accélérer le déploiement d’un système autonome. La simulation change ainsi la manière dont une entreprise évalue une décision opérationnelle avant de la mettre en pratique.

Une fois qu’une décision passe à l’exploitation physique, des robots alimentés par l’IA pourraient l’exécuter dans des conditions variables. Bain inclut les robots humanoïdes et des applications allant de la fabrication à la chirurgie. Ses secteurs prioritaires sont l’automobile, l’électronique, les semi-conducteurs, ainsi que l’aérospatial et la défense. Ces usages pourraient changer la manière dont un processus est conçu et la manière dont les machines l’exécutent.

L’estimation financière de l’IA physique dépend du fait que ces changements réduisent les coûts. Bain suppose que des rendements de production plus élevés et des montées en cadence plus rapides des usines, c’est-à-dire le processus d’augmentation de la production d’une usine, pourraient réduire de 10% les coûts de recherche-développement et de fabrication. Cette hypothèse sous-tend l’opportunité présentée dans le tableau. Elle mesure les économies potentielles pour les entreprises qui supportent ces coûts ; un calcul commercial supplémentaire est donc nécessaire pour déterminer la part qui revient aux fournisseurs d’IA.

Le développement de nouveaux produits pourrait aller plus loin encore en rendant viables des offres auparavant non économiques. Bain identifie la découverte de médicaments pilotée par l’IA comme un moyen de rendre économiquement viable le développement et la fourniture de traitements pour les maladies rares. Il cite aussi un soutien en santé mentale disponible en permanence, répondant à une demande non satisfaite mesurée en milliards de dollars. Ces applications créent des opportunités en rendant des services accessibles à des personnes dont les besoins restent non couverts.

Cette même catégorie s’étend aussi aux matériaux et à la recherche scientifique. Des avancées en science des matériaux pourraient permettre des batteries et des semi-conducteurs de nouvelle génération, tandis que la recherche scientifique autonome pourrait accélérer les travaux en neurosciences et en énergie de fusion. Ces produits et découvertes vont au-delà des canaux de revenus établis de l’IA. Leur contribution à l’exigence de financement dépend des offres qui deviendront viables et de la manière dont les fournisseurs en tireront des revenus.

Les bénéfices clients doivent passer un test de captation des revenus

Les mesures qui sous-tendent ces catégories comptent lorsqu’il s’agit d’évaluer comment elles pourraient financer l’infrastructure. L’estimation de 900 milliards de dollars de Bain pour l’IA physique part de réductions de coûts chez les clients, alors que son estimation précédente pour l’IA d’entreprise couvre explicitement les gains revenant aux fournisseurs. Les économies réalisées par les clients peuvent rendre un produit digne d’être acheté, mais c’est le prix payé qui détermine quelle part de cette valeur devient un revenu pour le fournisseur. Le calcul de financement a besoin du montant que les fournisseurs peuvent capter.

Le prix laisse encore une question : qui reçoit le paiement ? Une offre de valeur peut impliquer plusieurs fournisseurs, et les entreprises qui financent la capacité IA ont besoin de revenus qui leur parviennent via ces relations. Compter l’intégralité du bénéfice client comme un revenu pour le fournisseur d’infrastructure reviendrait à supposer le résultat commercial que la thèse d’investissement doit précisément établir. Le test porte sur la manière dont le bénéfice est réparti et sur la part qui atteint les fournisseurs assumant l’engagement de dépenses.

La publicité soulève un problème comptable distinct, car les revenus des fournisseurs d’IA peuvent inclure des budgets redirigés depuis des services existants. À mesure que l’IA prend en charge une activité auparavant réalisée via la recherche sur Internet, les annonceurs peuvent déplacer leurs dépenses vers des produits de chatbot. La publicité apparaît aussi dans l’estimation de l’IA grand public, créant un chevauchement potentiel entre catégories. Toute contribution incrémentale doit donc distinguer les nouveaux revenus des dépenses déplacées et des revenus déjà comptabilisés.

Ces différences limitent la manière dont les estimations d’opportunité peuvent être combinées. Les économies clients, les gains des fournisseurs et les revenus publicitaires mesurent des résultats économiques différents ; les additionner directement reviendrait donc à traiter chacun comme un flux distinct de revenus fournisseurs. Le développement de nouveaux produits reste lui aussi une opportunité ouverte plutôt qu’un montant pouvant être soustrait de l’exigence de financement. Chaque catégorie a besoin de sa propre trajectoire entre bénéfice économique et paiement.

Les revenus doivent arriver quand l’infrastructure a besoin de financement

Même une trajectoire claire vers le paiement doit fonctionner selon le calendrier de l’infrastructure. La capacité est développée en amont de la demande, et les équipements installés continuent d’avoir besoin de mises à niveau. Une application qui finit par produire des revenus substantiels peut malgré tout arriver trop tard pour soutenir les dépenses au moment où le paiement est dû. La justification d’un engagement en capital a donc besoin d’une estimation du moment où les clients commenceront à payer et du moment où ces revenus atteindront les fournisseurs d’infrastructure.

Pour répondre à ce besoin, Bain propose une innovation et un entrepreneuriat plus rapides, afin de créer des applications comparables par leur importance à celles rendues possibles par le mobile et le cloud. Ces technologies offrent des exemples historiques de création substantielle d’applications, même si le résultat commercial de l’IA dépend encore des entreprises développées autour d’elle. L’ambition est de construire des applications capables de générer des billions de dollars de revenus supplémentaires. Les réductions de coûts pour les clients peuvent aider à soutenir ces activités lorsque les fournisseurs peuvent en capter une part suffisante.

Au-delà des revenus des fournisseurs, les perspectives de financement de Bain présentent l’expansion économique nécessaire comme un ajout d’environ 1% au taux annuel de croissance du PIB mondial. Le PIB mesure la valeur des biens et services produits ; il s’agit donc d’une affirmation sur une activité économique supplémentaire à l’échelle mondiale. Cela est distinct du calcul des dépenses d’investissement, qui relie les revenus des fournisseurs aux dépenses d’infrastructure. L’exigence de croissance appelle des applications qui élargissent ce que l’économie peut produire, en plus de celles qui améliorent les workflows existants.

Points clés

• Prévoyez les coûts d’infrastructure continus : Les dépenses d’investissement des hyperscalers devraient atteindre 780 milliards de dollars en 2026. Les investisseurs en infrastructure doivent inclure les mises à niveau récurrentes des GPU, de la mémoire et du réseau, en plus des nouvelles constructions, dans leurs plans de financement.
• Testez les hypothèses de revenus : Des dépenses annuelles d’infrastructure de 1,5 billion de dollars nécessiteraient 6 billions de dollars de revenus en 2031 avec un ratio de dépenses d’investissement de 25%. Les équipes finance qui évaluent ce scénario font face à un écart de 4,2 billions de dollars même dans la borne haute des contributions estimées du grand public et des entreprises.
• Évaluez les nouvelles applications selon leur modèle de paiement : La publicité, les opérations autonomes, l’IA physique et les nouveaux produits pourraient élargir le marché. Les équipes produit et investissement doivent établir qui paie, quel bénéfice justifie le prix et quelle part des revenus atteint les fournisseurs d’infrastructure.
• Distinguez les économies clients des revenus fournisseurs : L’opportunité de 900 milliards de dollars liée à l’IA physique mesure des réductions potentielles de coûts pour les clients. Les analystes en investissement doivent convertir ces économies en paiements aux fournisseurs et vérifier les estimations publicitaires pour les budgets déplacés et les chevauchements de revenus.
• Faites coïncider le calendrier des revenus avec les engagements de dépenses : La construction d’infrastructures et les mises à niveau d’équipements nécessitent un financement avant que certaines applications ne génèrent des revenus significatifs. Les équipes finance et infrastructure doivent tester le moment où les paiements des clients arrivent par rapport au calendrier d’investissement.