GPU : le pétrole du XXIe siècle ou un simple mirage comptable ?

En bref

• Le consensus : L'accord SpaceX-Google confirmerait que la puissance de calcul est la ressource stratégique ultime de l'économie mondiale.
• L'idée clé : L'analogie avec le pétrole masque une réalité marquée par une obsolescence foudroyante et une rentabilité encore incertaine.
• Ce que vous pouvez réutiliser : Une grille pour distinguer la rareté réelle des infrastructures de la simple spéculation matérielle.

L'ombre portée du contrat SpaceX-Google

L'annonce d'un partenariat industriel d'envergure entre SpaceX et Google semble graver une nouvelle hiérarchie économique. Avec un paiement mensuel estimé à 920 millions de dollars pour l'accès à environ 110 000 GPU Nvidia, l'accord ne se limite pas à une transaction. Il alimente le récit selon lequel le silicium est le nouveau brut, une ressource dont la possession dicte la souveraineté. Cette vision s'appuie sur une concentration géographique forte : les États-Unis hébergent désormais 5 427 centres de données d'IA, soit dix fois la capacité de n'importe quel autre pays. La puissance de calcul n'est plus un outil, mais un actif stratégique dont la rareté perçue justifie des investissements massifs.

Pourtant, cette comparaison avec les ressources fossiles repose sur une hypothèse fragile. Le pétrole tire sa valeur de sa consommation physique, tandis que le GPU est un bien d'équipement dont la valeur dépend de sa capacité à exécuter un logiciel. Si les institutions américaines ont produit 40 modèles d'IA notables en 2024 contre 15 pour la Chine, cette avance matérielle est-elle un rempart durable ou une avance temporaire sur une technologie dont les fondations mutent ?

La commoditisation face au mur de l'obsolescence

Le calcul se transforme en simple commodité. La conceptualisation d'un marché à terme des jetons d'IA indique une volonté de normaliser l'accès à la puissance, à l'image des contrats dérivés sur les matières premières. La valeur ne résiderait plus dans la possession des puces, mais dans la capacité à arbitrer leur usage. Les recherches sur les implications des agents d'IA dans les marchés financiers montrent que l'infrastructure devient un sous-jacent financier comme un autre, perdant sa spécificité technologique au profit d'une logique de flux.

Cette normalisation se heurte à une différence majeure avec le pétrole : la dépréciation. Un baril de brut garde sa valeur énergétique, alors qu'un GPU subit une érosion brutale dès qu'une architecture plus efficace apparaît. Sur le marché secondaire, les GPU H100 usagés se sont vendus jusqu'à 50 000 dollars à la mi-2024 avant de subir une chute drastique. Cette volatilité pose la question de la nature de ces actifs. S'agit-il d'une réserve de puissance ou d'un matériel dont la durée de vie utile est trop courte pour justifier une analogie avec les infrastructures énergétiques ? Si l'Agence Internationale de l'Énergie prévoit que la consommation des centres de données atteindra 945 TWh d'ici 2030, cette faim d'énergie pourrait être le signe d'une inefficacité passagère plutôt que d'une rente structurelle.

Le paradoxe de l'efficacité et le piège de la rentabilité

L'argument de la rareté est mis à mal par les progrès de l'optimisation. Les coûts d'inférence ont chuté de 75 % depuis 2025, rendant l'IA plus accessible mais réduisant la valeur de chaque unité de calcul. C'est le paradoxe de Jevons : la baisse des coûts d'une ressource augmente sa demande globale, créant un besoin de calcul croissant malgré les gains d'efficacité. Cette spirale masque une réalité financière plus sombre.

Le marché semble ignorer l'absence de retour sur investissement mesurable. Un rapport MIT (projet NANDA) indique que 95 % des organisations n'obtiennent aucun retour mesurable sur leurs investissements GenAI, malgré des dépenses entreprises estimées entre 30 et 40 milliards de dollars. Cette déconnexion est visible chez les leaders. Une analyse sectorielle cite des pertes projetées de 14 milliards de dollars pour OpenAI en 2026, pour des revenus de l'ordre de 25 à 30 milliards. Si les capacités des modèles doublent environ tous les sept mois selon les mesures METR sur les tâches longues, cette course exige des capitaux si vastes qu'elle pourrait épuiser les investisseurs avant la rentabilité.

Même la question des données voit ses certitudes vaciller. Alors qu'on prédisait une pénurie, les projections de l'épuisement des données de haute qualité ont été repoussées entre 2026 et 2032 (voir le rapport AI Index cité plus haut). Cette respiration suggère que l'urgence matérielle est peut-être moins une fatalité qu'une construction narrative destinée à justifier des valorisations records.

Ce que vous pouvez réutiliser

Pour naviguer dans cette économie sans céder aux métaphores simplistes, confrontez chaque projet à trois questions :

1. L'avantage concurrentiel dépend-il du matériel ou de la finesse de l'optimisation logicielle ?
2. Quel est le plan de sortie si la valeur de revente de l'infrastructure chute de 50 % en un an ?
3. La rentabilité repose-t-elle sur une baisse des coûts d'inférence ou sur une hausse réelle de la productivité métier ?

Une question de perspective

Si le calcul est une ressource stratégique, il est aussi la première dont l'efficacité s'améliore plus vite que sa capacité de production. L'accumulation massive de GPU est-elle le socle d'une puissance durable ou le stockage coûteux d'une technologie déjà en voie d'obsolescence ?