Posée sur des plaines balayées par la poussière, l’infrastructure de l’intelligence artificielle a pris corps dans l’acier, le béton et des mégawatts. En quelques trimestres, des sites comme Abilene, West Texas, ou West Memphis, Tennessee, sont devenus les nouveaux totems d’une industrie numérique qui s’agrandit à coups de gigawatts et d’émissions obligataires. Les géants de l’IA ont accéléré la transformation du paysage américain en multipliant les chantiers, au prix d’un endettement rarement observé dans la technologie moderne. Cette dynamique, qui entraîne partenaires, sous-traitants et marchés financiers, bouleverse les cartes de l’énergie et les politiques locales, tout en imposant une nouvelle équation économique: la puissance de calcul comme facteur de compétitivité nationale.
Le contraste saute aux yeux. Sur des terrains peu chers et des grilles électriques encore flexibles, des centres de données surgissent à la chaîne, du “Stargate” texan aux campus de l’Arkansas, du Wisconsin et de l’Indiana. Les investissements cumulés défient l’entendement et vont de pair avec une course aux puces accélératrices, aux terrains raccordables, aux sous-stations disponibles. L’évolution paraît inexorable, car chaque amélioration de modèle nourrit une demande d’inférence continue, qui impose des parcs de serveurs toujours plus vastes. Reste une question centrale: la croissance tiendra-t-elle le rythme de la dette, alors que les marchés de crédit renchérissent et que la puissance disponible devient le goulot d’étranglement stratégique?
Capex record des hyperscalers, avec une part croissante dédiée à l’IA.
Endettement massif pour financer des campus dépassant parfois le gigawatt.
Transformation de régions entières par l’implantation de centres de données.
Goulot d’étranglement énergétique qui rebat les cartes du paysage américain.
Chaînes de valeur imbriquées autour des puces, du cloud et des accords exclusifs.
Risques systémiques sur le crédit si la demande déçoit ou ralentit.
De la poussière texane aux mégaprojets de compute: les centres de données qui redessinent le paysage américain
À Abilene, le sable ferreux s’infiltre partout et recouvre les engins d’un voile ocre. Dans ce décor, un campus baptisé “Stargate” a déjà allumé un premier bâtiment et en boucle un second. Les partenaires affichés — Oracle, Nvidia, SoftBank — donnent l’échelle d’un pari sur la technologie: chaque site flirterait avec les 50 milliards de dollars, et certains pourraient dépasser le gigawatt de capacité. Le soir, la lumière embrase l’horizon. Sur le terrain, le flux de véhicules des 6 000 ouvriers raconte une évidence: l’intelligence artificielle s’incarne désormais en acier et en câbles, pas seulement en algorithmes.
Cette poussée ne se limite pas au Texas. En Louisiane, un géant de la tech érige “Hyperion”, un complexe de près de quatre millions de pieds carrés, capable d’aspirer plus d’électricité qu’une grande ville. À West Memphis, un autre groupe a logé en 122 jours un supercalculateur “Colossus” dans une usine fermée, puis a lancé “Colossus 2” avec l’ambition d’un million de GPU. Un ancien site énergétique a même été racheté pour sécuriser l’alimentation, signe d’une tendance lourde: les investisseurs s’arriment aux lignes haute tension autant qu’aux talents en IA.
Au nord, un campus “monde” se bâtit dans le Wisconsin, calibré pour accueillir des centaines de milliers de puces accélératrices. L’Indiana n’est pas en reste avec “Project Rainier”, déployé sur plus de 1 200 acres, et dédié à l’entraînement de modèles via des semi-conducteurs conçus maison. À trente minutes d’un autre chantier majeur, des milliers d’acres d’herbes basses cèdent devant des dalles, des galeries de câbles et des batteries de refroidissement. L’industrie numérique quitte les catalogues pour occuper le terrain.
Ce mouvement est lisible sur une carte. Les terrains sont vastes, peu chers, avec des gouvernements locaux enclins à négocier. Les réseaux, eux, peuvent encore plier, à condition d’investir dans des sous-stations et des lignes de transport. Ce mariage entre foncier abordable et énergie disponible accélère l’implantation. Surtout, il crée de nouveaux corridors économiques où tenanciers de fibres, opérateurs cloud et acteurs industriels se partagent les mêmes échangeurs d’autoroute.
Pour illustrer cette bascule, l’histoire de Luis Martinez, grutier arrivé d’El Paso, résonne. Sa journée commence avant l’aube et s’achève à la tombée du soleil, quand la poussière se dépose de nouveau sur les structures. Son équipe lève des racks qui logeront des dizaines de milliers de cartes. Chaque module assemblé raconte la même promesse: plus de compute, donc des modèles plus utiles dans la banque, la santé ou l’éducation. Le récit industriel replace la technologie dans une économie réelle, faite de salaires, de béton et d’acier.
Ce n’est pas une simple extension de centres de données traditionnels. La densité énergétique grimpe, l’architecture réseau se spécialise, et la redondance se pense à l’échelle d’archipels de calcul. La poussière du Texas évoque la frontière, mais les plans directeurs s’alignent sur des horizons 2026-2029. À mesure que ces sites s’ouvrent, la demande d’inférence sature les capacités, validant le pari d’un déploiement en avance sur le marché.
De Hyperion à Rainier, chaque campus cristallise une stratégie. L’un parie sur l’intégration verticale avec du silicium sur mesure, un autre sécurise l’énergie en rachetant une centrale. Les retombées locales sont immédiates: routes refaites, bus affrétés, hôtels complets. Le paysage américain se mue en échiquier de puissance où la proximité d’un transformateur vaut parfois plus qu’un paquet d’exonérations fiscales. La suite logique mène aux chiffres, car la bascule industrielle ne tient que si la finance suit.
Au-delà des images spectaculaires, la clé se trouve dans les bilans et le coût du capital. La section suivante plonge dans l’endettement et les signaux émis par les marchés.
Financer la démesure: endettement, marchés obligataires et risques pour l’industrie numérique
Le cycle en cours se lit d’abord dans les capex. Les cinq plus grands acteurs du cloud alignent des dépenses d’investissement supérieures à 440 milliards de dollars, avec une trajectoire qui grimperait vers 600 milliards l’an prochain. Les analystes estiment qu’environ trois quarts de ces montants irriguent directement l’infrastructure de l’IA. Cette intensité capitalistique dépasse de loin les vagues précédentes de la technologie. Les bilans restent forts, pourtant la trésorerie ne suffit plus, d’où l’explosion de la dette émise.
Les émissions obligataires ont franchi de nouveaux records. Sur une seule année, plus de 120 milliards de dollars de dette fraîche ont été placés, soit plus de quatre fois la moyenne des cinq années précédentes. Meta a levé 30 milliards, Alphabet 25, tandis qu’Oracle a réussi un placement de 18 milliards et figure désormais parmi les premiers émetteurs non financiers en grade d’investissement. Ce tempo s’est emballé au dernier trimestre, ce qui traduit l’urgence d’arrimer des financements à des carnets de commandes déjà réservés.
Les banques d’investissement n’anticipent pas d’accalmie. Plusieurs maisons évoquent jusqu’à 1 500 milliards de dollars de dette additionnelle potentielle liée à l’infrastructure IA sur les prochaines années. Certaines notes de recherche projettent jusqu’à 900 milliards d’émissions nouvelles rien que pour 2026, à mesure que les campus basculent en production. La logique est assumée: il s’agit d’un pari sur la demande d’inférence, donc sur des flux récurrents plutôt que sur un seul pic d’entraînement.
Le marché des dérivés de crédit a réagi. Les spreads de CDS se sont élargis pour certains émetteurs perçus comme plus exposés à la construction de centres de données. Des brokers ont conseillé de se couvrir. Fait notable, un marché liquide de protection sur la dette d’un grand réseau social a commencé à s’activer, ce qui traduit la volonté d’investisseurs d’absorber le choc d’un cycle de levée plus agressif. Le message est clair: la finance soutient l’essor, mais exige une prime de risque croissante.
Le parallèle avec la bulle des télécoms au tournant des années 2000 revient souvent. À l’époque, la fibre s’est tendue partout avant que le trafic ne suive, provoquant restructurations et pertes. Pourtant, le réseau, lui, a survécu et constitue aujourd’hui la colonne vertébrale d’Internet. La différence, cette fois, réside dans la nature de la demande: l’inférence crée une consommation continue, chaque utilisateur ou agent numérique ajoutant une charge permanente. Le profil de risque se déplace donc vers une logique de “service public” privé.
Cette bascule change la manière d’évaluer les projets. Les analystes dissèquent désormais la qualité des contrats d’hébergement IA, les engagements énergétiques, les accords de fourniture de puces et la visibilité sur l’utilisation réelle. Les investisseurs privilégient les sites connectés tôt au réseau, avec des garanties de puissance ferme. Ils scrutent aussi la diversité des clients, afin de limiter la dépendance à une seule plateforme ou à un seul modèle.
Lecture fine des signaux de crédit
Les écarts de valorisation s’expliquent par ces nuances. Les titres perçus comme “en avance sur la demande ferme” se paient une décote. Ceux qui affichent des carnets multipartenaires et des délais de raccordement courts inspirent davantage confiance. Dans les échanges, un constat s’impose: la croissance justifie l’endettement tant que la courbe d’usage tient. Le moindre fléchissement des revenus d’inférence pourrait cependant créer un effet domino sur des chaînes d’approvisionnement désormais étroitement couplées.
Les flux financiers n’expliquent pas tout. Sans électricité, le capital reste inerte. La prochaine étape explore la contrainte énergétique, devenue la variable stratégique numéro un.
La nouvelle géopolitique de l’électricité: gigawatts, goulots et «real estate énergisé»
“Le vrai goulot, c’est la puissance”, résume un directeur financier de plateforme IA. La phrase est devenue un mantra. À Abilene, les ambitions dépassent déjà le gigawatt. Dans le Midwest, des gouverneurs ajustent leur planification pour répondre à des demandes de raccordement inouïes. La contrainte ne vient pas seulement des centrales, mais aussi des capacités de transport et des délais de sous-stations. Chaque mégawatt ferme vaut de l’or, et chaque mois gagné sur un transformateur crée un avantage compétitif.
La notion de “real estate énergisé” s’impose. Les terrains ne se valent que par leur proximité à une ligne haute tension, à une conduite d’eau et à des permis obtenables. Des acteurs du capital-investissement se repositionnent sur ces actifs hybrides, mélange de foncier, d’énergie et de technologie. Un mouvement emblématique l’a montré: l’acquisition d’un grand investisseur en data centers par un conglomérat télécoms-tech, suivie d’une réallocation d’actions de semi-conducteurs pour financer des engagements IA. Le signal est net: la rareté a changé de camp.
Sur le mix énergétique, le pragmatisme l’emporte. Les renouvelables restent clés, mais leur intermittence impose des compléments. Des centrales à gaz servent de relais. Le nucléaire revient dans les conversations, y compris via des projets modulaires qui promettent une puissance stable et une emprise au sol limitée. Les acteurs tech explorent tous les leviers, y compris des contrats de long terme avec des producteurs d’énergie et des investissements directs dans des infrastructures de transport.
La variable hydrique compte aussi. Les systèmes de refroidissement sont optimisés, parfois avec des boucles fermées pour réduire la consommation d’eau. Dans certaines régions arides, des solutions à air ou des innovations d’immersion permettent de tenir des objectifs. Les autorités locales exigent des rapports environnementaux détaillés, car l’acceptabilité sociale dépend d’un équilibre entre emplois nouveaux et impact écologique. Des audits indépendants se généralisent.
Les opérateurs reconnaissent la tension sur les délais. Un grand constructeur de centres de données évoque 18 à 24 mois entre le premier coup de pelle et la mise en service, hors imprévu sur la chaîne des puces. Or les marchés changent à la vitesse d’un trimestre. Cette dissonance exige une gestion fine du risque: réserver des lots de GPU sur plusieurs générations, répartir les charges de travail entre sites et diversifier les fournisseurs.
Pour les territoires, l’enjeu dépasse l’aménagement. Un maire du sud des États-Unis l’explique sobrement: “Nous réécrivons notre pacte industriel.” Les budgets municipaux gagnent en recettes, mais doivent suivre en infrastructures routières, en formation et en logement. Les écoles techniques voient affluer des cohortes d’électriciens, de frigoristes et d’automaticiens. Ce maillage humain donne sa réalité à une industrie qui pouvait sembler lointaine.
Vers une gestion «comme une utilité»
La comparaison avec une course aux utilités privées s’affermit. Les opérateurs sécurisent des contrats d’énergie comme des compagnies historiques, mais avec une agilité propre aux cycles tech. Les partenaires exigent de la visibilité sur 2027-2029, car les modèles d’IA en gestation réclament déjà leurs créneaux de calcul. En filigrane, une évidence: l’énergie conditionne la trajectoire de l’IA autant que la recherche en modèles. Place maintenant aux alliances industrielles, car la demande et l’offre de compute se négocient dans un jeu très serré.
Chaînes de valeur imbriquées: deals OpenAI, fabricants de puces et clouds face à la «circularité»
Au cœur de la mécanique, une plateforme a catalysé l’alignement des partenaires. En quelques semaines, des accords présentés publiquement ont agrégé des engagements colossaux: parts de capital, droits d’approvisionnement en systèmes de prochaine génération, commandes de puces sur mesure et premier contrat cloud hors alliance historique. Les montants affichés avoisinent des milliers de milliards en “headline commitments”, même s’ils s’apparentent souvent à des cadres, soumis à des conditions suspensives et à des jalons techniques.
Un volet central porte sur dix gigawatts d’équipements accélérateurs promis par un champion des GPU, assortis d’une prise de participation réciproque. D’autres accords ont mobilisé des alternatives avec des cartes concurrentes et des semi-customs confiés à un leader des puces réseaux. Sur le cloud, un contrat inaugural a marqué l’ouverture du jeu, desserrant l’exclusivité d’un partenaire historique. Cette diversification réduit le risque de dépendance, tout en nourrissant la concurrence entre fournisseurs d’infrastructure.
Les critiques parlent d’économie circulaire: la demande, la capacité et le chiffre d’affaires tournent entre quelques acteurs. La boucle fonctionne tant que la croissance reste élevée. Si elle faiblit, les expositions croisées peuvent transmettre les chocs. Un fabricant de puces a d’ailleurs rappelé dans un document que rien ne garantissait la signature finale d’un investissement dans les termes annoncés. Les lignes bougent vite, car chaque trimestre rebat les priorités d’allocations de wafers et d’interconnexions.
Les dirigeants impliqués assument cette logique. “La demande est large et déjà engagée”, explique un co-CEO d’un grand intégrateur de centres de données. Côté startups, la discipline reste un mot d’ordre public. Des fondateurs rappellent que les délais de construction et de livraison de puces créent un “cône d’incertitude”. D’où une préférence pour des financements adossés aux partenaires, avec des schémas “pay-as-you-go” plutôt que des levées dilutives, tant que le coût de l’equity demeure élevé.
Dans les back-offices, le sourcing s’industrialise. Des équipes visitent plus de 800 sites potentiels en Amérique du Nord, en notant les sous-stations et les capacités de transport. Le mix énergétique est étudié au cas par cas, y compris des options nucléaires. Les directions financières admettent que la ligne budgétaire la plus critique n’est pas le coût du capital, mais l’accès à la puissance ferme. Tant que la consommation d’inférence progresse, la courbe de revenus reste corrélée au stock de GPU livrés et mis en service.
Cette intrication s’observe aussi dans la valorisation des startups IA de premier plan. Certaines ont vu leurs revenus multipliés par dix plusieurs années de suite. Leurs tours de table ont décollé, passant de dizaines à plusieurs centaines de milliards de capitalisation implicite. Ce rythme renforce la conviction sur les “scaling laws”, qui postulent que plus de calcul produit des modèles plus compétents. Reste à convertir cette compétence en marges, ce qui suppose des architectures d’inférence sobres et des logiciels d’orchestration avancés.
Tableau des mégaprojets emblématiques
Campus
Localisation
Investissement estimé
Capacité électrique
Mise en service
Partenaires/Atouts
Stargate I–III
Abilene, Texas
~50 Md$ par site
>1 GW (site mûr)
Bâtiment 1 en ligne, 2 imminent
Oracle, Nvidia, SoftBank; foncier vaste
Hyperion
Nord-Est Louisiane
Multi-Md$
> consommation de NOLA
Phasage 2026–2028
4M sq ft; IA à grande échelle
Colossus 1–2
Memphis, TN / Southaven, MS
Multi-Md$
Acheminement dédié
1 construit en 122 jours
Reconversion industrielle, centrale rachetée
Wisconsin AI Campus
Sud-Est Wisconsin
>7 Md$
Centaines de milliers de GPU
Début 2026
Accélération IA “monde”
Project Rainier
Nord de l’Indiana
~11 Md$
Silicium custom
Phase 1 2026
Entraînement dédié à un modèle tiers
Arkansas Compute Park
West Memphis, AR
Multi-Md$
1 100 acres raccordables
Phasage 2026–2029
Plus gros investissement privé de l’État
Les chiffres frappent, mais ils ne disent pas tout du terrain. Pour comprendre l’arbitrage social, il faut descendre au niveau des villes et des travailleurs. C’est là que se mesure l’acceptation de cette évolution accélérée.
Impact territorial et social: poussière, emplois et arbitrages locaux à l’ère de l’intelligence artificielle
Sur le chantier d’Abilene, la poussière colle aux bottes, mais les paies arrivent à l’heure. Des dizaines de corps de métiers se croisent: électriciens haute tension, frigoristes, coffreurs, logisticiens. Les hôtels affichent complet, et les écoles techniques doublent leurs promotions. Pour la première fois, des villes traditionnellement agricoles voient prospérer des filières de maintenance IT aux côtés des ateliers de mécanique. Cette cohabitation incarne une transformation discrète, mais profonde.
Les municipalités négocient des exonérations ciblées contre des engagements en emplois, en formation et en infrastructures. Les routes s’élargissent, des parcs photovoltaïques apparaissent, et des bassins de rétention se creusent pour sécuriser le refroidissement. Les syndicats locaux discutent d’horaires et de primes, car les cadences restent soutenues. De leur côté, les opérateurs publient des bilans carbone plus détaillés et s’ouvrent à des audits tiers, conscients que l’acceptabilité sociale conditionne la pérennité.
Les coûts environnementaux ne sont pas éludés. L’empreinte électrique des centres de données interroge, surtout quand les modèles passent d’expériences en laboratoire à des usages massifs d’inférence. L’eau suscite autant de débats, même si des architectures à air, à adiabatique ou à immersion réduisent la consommation. Dans le Midwest, des partenariats avec des utilities prévoient des modernisations de lignes qui bénéficient aussi aux industriels locaux, pas seulement aux géants de l’IA.
Les bénéfices se répartissent de manière inégale. Des commerçants prospèrent autour des bases-vie, tandis que des habitants pointent la tension sur le logement. Les villes réagissent en accélérant les permis de construire et en ciblant des zones mixtes. Le dynamisme attire d’autres entreprises: camions de fibres, fabricants d’armoires électriques, ateliers de câblerie. En deux ans, un cluster peut émerger là où s’étendaient des jachères.
Au-delà de la construction, la question de la durabilité des emplois se pose. Les phases d’exploitation nécessitent moins de personnel, mais plus qualifié. Des programmes de reconversion offrent des passerelles, par exemple du BTP vers la maintenance réseau. Les syndicats mettent en avant des engagements pluriannuels, pendant que les opérateurs rappellent la nature continue de l’inférence, qui garantit une activité soutenue des sites.
Pour rendre ces arbitrages concrets, voici des indicateurs que les conseils municipaux scrutent avant de signer:
Puissance ferme disponible et calendrier de raccordement.
Consommation d’eau et technologies de refroidissement prévues.
Engagements d’emplois en phase chantier et en exploitation.
Effets d’entraînement sur le tissu local (fournisseurs, formation).
Contribution fiscale nette sur dix à quinze ans.
Ces critères inspirent des décisions plus fines, où la qualité des projets l’emporte sur le volume brut. Les communautés ne veulent plus de promesses: elles demandent des preuves mesurables et des clauses de réversibilité.
De la crainte à la maîtrise locale
Dans plusieurs comtés, l’opinion a évolué. La méfiance initiale s’est muée en vigilance active, avec des comités de suivi communautaires. Les opérateurs acceptent ces garde-fous, car la stabilité sociale vaut des points de disponibilité. L’enjeu désormais? S’assurer que la trajectoire de l’IA ne creuse pas un fossé entre zones “énergisées” et territoires laissés au bord de la route. La réponse passe par la formation et la sobriété d’inférence. Reste un ultime maillon: la rentabilité à l’usage, qui boucle la chaîne entre dettes émises et valeur créée.
De l’entraînement à l’inférence: où se gagnent les marges dans la grande transformation de 2026
La thèse fondatrice tient en une courbe: plus de calcul, donc des modèles meilleurs. Jusqu’ici, chaque saut de génération a validé l’hypothèse, des agents plus autonomes aux traducteurs instantanés. Pourtant, l’économie ne se joue pas seulement à l’entraînement. Le centre de gravité glisse vers l’inférence, où chaque requête consomme de l’énergie et de la mémoire. La marge se construit alors dans l’optimisation: compilateurs, sparsity, caches d’embeddings, planification de tokens et micro-batching intelligent.
Les opérateurs alignent plusieurs leviers. D’abord, un dimensionnement fin des lots GPU entre entraînement et service, pour éviter la sous-utilisation. Ensuite, des couches logicielles qui routent dynamiquement vers le meilleur modèle pour un cas donné, évitant d’invoquer des géants quand un modèle spécialisé suffit. Enfin, la compression et la quantification avancées, qui abaissent le coût par requête sans sacrifier la qualité perçue.
La bataille se joue aussi sur l’orchestration multi-cloud et l’edge. Des requêtes peu sensibles migrent vers des régions moins chères, tandis que des workloads critiques restent proches de l’utilisateur final. Des fournisseurs émergents proposent des marketplaces d’inférence, avec des contrats à terme sur le compute. Cette financiarisation du service de calcul lie directement l’endettement aux revenus, par des couvertures qui sécurisent un prix au mégaflop-s.
Sur le plan produit, l’intégration dans les métiers fait la différence. Dans la banque, l’assistanat à la conformité réduit les délais de revue. Dans l’assurance, la catégorisation automatique des sinistres fluidifie l’indemnisation. Dans l’industrie, la synthèse d’anomalies accélère le diagnostic. Chaque cas d’usage fixe des budgets et démontre une création de valeur mesurable, condition sine qua non pour soutenir le mur d’investissements.
Les équipes qui réussissent traitent l’IA comme une pile complète: données, modèles, infrastructure et sécurité. Elles mesurent l’empreinte énergétique par requête et l’améliorent à la source. Elles documentent les gains de productivité par rôle, afin de piloter l’adoption sans casser les rythmes sociaux. C’est ainsi que l’IA quitte la démonstration pour devenir une utilité invisible, présente dans chaque flux, mais presque banale dans l’expérience utilisateur.
Indicateurs de pilotage de l’inférence
Pour boucler la boucle entre dette et valeur, plusieurs indicateurs s’imposent:
Coût par requête et son évolution trimestrielle.
TAEG d’utilisation GPU en service, distinct de l’entraînement.
Taux de routage vers modèles compacts vs fondations géantes.
SLA énergétiques par région et par partenaire utility.
Revenu d’inférence récurrent par client et par cas d’usage.
Ces métriques rapprochent la finance du produit. Elles permettent d’adosser les échéances obligataires à des trajectoires d’usage tangibles. Dans ce cadre, les géants de l’IA peuvent aligner la transformation technologique sur une discipline économique durable.
On en dit quoi ?
Le pari est immense, et il engage autant la finance que l’énergie et l’aménagement du territoire. Les chantiers américains ont métamorphosé des zones entières en hubs de calcul, au prix d’un endettement assumé. Si l’inférence tient ses promesses, l’IA deviendra une utilité de fait, avec des retombées économiques profondes et durables. Si la demande cale, l’industrie affrontera un ajustement douloureux, mais les actifs — énergie, fibre, terrains — resteront stratégiques. L’heure est à la mesure: piloter par les usages, sécuriser la puissance, et rendre des comptes sur l’empreinte. C’est ainsi que la poussière des plaines se transforme en valeur.
Pourquoi l’énergie est-elle devenue le principal goulot d’étranglement ?
Parce que l’inférence crée une consommation continue. Les réseaux et sous-stations doivent suivre, et chaque mégawatt ferme conditionne la capacité à servir des usages 24/7.
L’endettement actuel des géants de l’IA est-il soutenable ?
Oui, tant que les revenus d’inférence progressent conformément aux plans. Les marchés exigent toutefois des contrats solides, une diversité de clients et des garanties d’accès à la puissance.
Quel est l’impact local des nouveaux centres de données ?
Emplois, recettes fiscales et modernisation des infrastructures. En contrepartie, les territoires gèrent des enjeux de logement, d’eau et de renforcement de réseau.
Les accords entre plateformes, clouds et fabricants de puces ne créent-ils pas un risque systémique ?
Ils créent des expositions croisées. La diversification des fournisseurs, des sites et des financements limite ce risque, mais la vigilance reste nécessaire.
Où se jouent les marges à court terme ?
Dans l’inférence, via l’optimisation logicielle, la quantification, le routage vers des modèles plus compacts et un haut taux d’utilisation des GPU en service.
