Nouvel article d'a16z : Des fermes de minage de cryptomonnaies au cloud IA, pourquoi le « nouveau cloud » engloutit-il de plus en plus d'argent à mesure qu'il se développe ?

Titre original : Critique de la semaine : La tête entre dans le nouveau nuage. Auteur original : Moses Sternstein, a16z

« Nouveaux nuages » au-dessus

Au début du XXe siècle, la Southern Pacific Railroad Company possédait de vastes étendues de terrains non aménagés, des zones défrichées reliant villes et villages à travers les États-Unis. Les droits de passage des voies ferrées s'étendaient bien au-delà des voies elles-mêmes, laissant de nombreux corridors le long du tracé ouverts au développement.

La compagnie ferroviaire a donc mis en place un réseau de communication le long de la voie ferrée et l'a baptisé « Réseau téléphonique interne du Southern Pacific Railroad ». Dans les années 1970, elle a commencé à commercialiser le réseau et à l'ouvrir à un plus grand nombre d'utilisateurs.

Par la suite, deux événements se sont produits simultanément : d’une part, le monopole sur le marché des communications longue distance a pris fin ; d’autre part, les câbles à fibres optiques sont devenus commercialement viables. Les infrastructures de communication existantes ont été converties en lignes à fibres optiques, formant un réseau plus tard connu sous l’acronyme « Sprint ». Les infrastructures autrefois dédiées aux chemins de fer sont ainsi devenues l’épine dorsale de la révolution des télécommunications.

Les compagnies ferroviaires ne sont pas les seules à transformer les réseaux physiques existants en infrastructures technologiques commerciales à plus grande échelle.

Dans les années 1980, la société Williams a transformé des gazoducs inutilisés en réseaux de fibres optiques, donnant naissance à WilTel. L'entreprise a ensuite été vendue et rebaptisée WorldCom. Dans les années 1990, les câbles coaxiaux unidirectionnels installés pour la télévision par câble ont fait l'objet d'une modernisation massive et coûteuse, devenant ainsi l'infrastructure permettant à Comcast et Charter de fournir des services Internet haut débit aux consommateurs.

Cela nous amène à un autre type d'entreprise : celles qui disposent également d'une infrastructure facilement disponible et qui sont actuellement largement réorientées et revalorisées pour répondre aux besoins d'une technologie émergente – ce sont des entreprises comme Neocloud.

En résumé, la plupart des nouvelles entreprises de cloud se sont initialement lancées dans le minage de cryptomonnaies, une activité énergivore et gourmande en puissance de calcul. Puis, avec l'arrivée de l'intelligence artificielle, celles qui disposaient du droit d'utiliser l'électricité, l'infrastructure et l'expérience nécessaires pour concevoir et gérer des charges de calcul à haute intensité – notamment un grand nombre de GPU, comme c'était le cas pour CoreWeave – se sont retrouvées dans l'un des secteurs les plus porteurs du moment.

Bien sûr, la comparaison n'est pas tout à fait pertinente. Toutefois, si l'on observe les trois plus grandes entreprises de cloud cotées en bourse, leur croissance de chiffre d'affaires est effectivement remarquable.

Nous ne pouvons estimer que les revenus liés au cloud des fournisseurs de services cloud hyperscale à leurs débuts, mais la tendance générale est déjà claire : les nouvelles entreprises du cloud croissent à un rythme extrêmement rapide, nettement plus rapide que le taux de croissance des trois principaux fournisseurs de services cloud à leurs débuts.

Il convient de noter que sur le marché global des ventes de puissance de calcul, NewCloud n'est actuellement qu'un acteur relativement mineur.

Ils ont encore un long chemin à parcourir pour atteindre la taille des très grands fournisseurs de services cloud.

Les fournisseurs de cloud hyperscale génèrent chaque trimestre des revenus considérablement supérieurs à ceux des nouvelles entreprises du secteur. CoreWeave a ainsi atteint en 25 trimestres environ le chiffre d'affaires de 2,6 milliards de dollars qu'AWS a mis 40 trimestres à réaliser. En résumé : ces entreprises connaissent une croissance fulgurante.

Avec de tels taux de croissance et en surfant sur la vague de l'industrie de l'IA, les investisseurs devraient théoriquement être très enthousiastes. C'est vrai dans une certaine mesure, mais la réalité est plus complexe.

Bien que ces sociétés aient généralement fait état de bons résultats dans leurs derniers rapports de bénéfices, le cours de l'action de CoreWeave a tout de même chuté d'environ 16 % au cours de l'année écoulée ; seule Nebius est relativement proche de son précédent sommet.

Par conséquent, l'histoire reste globalement positive, mais elle est clairement moins attrayante pour les plus grandes des nouvelles entreprises du cloud.

Le marché est resté relativement stable ces derniers temps, en partie parce que de nombreuses prévisions de croissance ont probablement déjà été intégrées aux valorisations.

Pour les entreprises à forte intensité capitalistique comme NewCloud, le ratio cours/chiffre d'affaires n'est pas l'indicateur de valorisation le plus pertinent, mais il reste assez intuitif pour mettre en lumière certains problèmes. Des entreprises plus petites et à croissance plus rapide comme Nebius et Applied Digital affichent des primes de valorisation nettement supérieures à celles de CoreWeave, pourtant bien plus importante. Le chiffre d'affaires de CoreWeave continue de doubler, mais il est déjà inférieur au taux de croissance de 400 % à 450 % des entreprises les plus performantes.

Le véritable problème de cette nouvelle entreprise de cloud computing ne réside pas dans sa croissance, mais dans sa rentabilité à long terme. Pour se développer, elle a besoin d'investissements continus dans les puces, l'électricité et les infrastructures physiques, et ces coûts sont loin d'être négligeables.

CoreWeave, par exemple, a enregistré une croissance impressionnante de son chiffre d'affaires, mais ses dépenses d'investissement sont encore plus colossales. Parmi les autres coûts importants figurent l'amortissement des puces — qui représente déjà plus de la moitié du chiffre d'affaires — et la hausse des charges d'intérêts liées aux emprunts contractés pour financer la construction anticipée d'infrastructures coûteuses.

Cet article n'a pas pour but de prédire le succès futur de NewCloud ni la pertinence de son cours actuel. Au-delà de la popularité du sujet, il vise avant tout à illustrer comment NewCloud incarne parfaitement le bras de fer entre optimistes et pessimistes qui caractérise le marché des valeurs liées à l'IA.

D’une part, elles évoluent sur un marché vertical bien plus vaste que prévu et en constante expansion – le marché de la puissance de calcul – et ont atteint des taux de croissance sans précédent ; d’autre part, le coût de construction de telles entreprises atteint également des sommets historiques, nécessitant d’énormes investissements dans des infrastructures fixes qui continuent de se déprécier.

Le SaaS horizontal fait-il son retour ?

Voici un bref aperçu de l'évolution constante du marché du « SaaS : l'apocalypse ». L'une des entreprises les plus durement touchées par la précédente chute des cours boursiers du secteur des logiciels a réalisé de très bonnes performances le mois dernier.

Au cours des 30 derniers jours de bourse, les sociétés de logiciels horizontales ont figuré parmi les plus performantes de l'ETF IGV Software, même si elles ont restitué une partie de leurs gains depuis le début de la collecte des données.

Globalement, les fondamentaux de ces entreprises restent solides. Atlassian, en particulier, n'a pas subi le déclin attendu face à l'impact de l'IA, contrairement aux prévisions du marché.

Cette entreprise de logiciels de productivité a dépassé ses prévisions et ses résultats : son chiffre d'affaires cloud a progressé de 31 % sur un an, et celui des commandes en attente a même connu une croissance encore plus rapide. Mais le signal le plus important est peut-être que l'IA devient un moteur de croissance, et non un frein. Atlassian a indiqué que son assistant IA, Rovo, a été largement adopté ; par ailleurs, les utilisateurs de Rovo dépensent près de deux fois plus que les autres.

C'est une bonne nouvelle pour Atlassian, une bonne nouvelle pour Rovo et une bonne nouvelle pour le SaaS horizontal.

Toutefois, la valorisation globale des solutions SaaS horizontales reste légèrement inférieure à celle des autres catégories de logiciels.

À quelques exceptions près, les entreprises SaaS horizontales, dont Atlassian, ont généralement des ratios cours/chiffre d'affaires attendus inférieurs au niveau correspondant à la ligne de tendance « taux de croissance - multiple de valorisation ».

Pour résumer, le SaaS horizontal n'a connu qu'un mois relativement bon. Or, les performances d'un seul mois sont loin d'être suffisantes pour convaincre le marché que le « cataclysme du SaaS » a été évité.

Bien sûr, si votre activité logicielle relève des domaines de la cybersécurité ou de l'observabilité, c'est une autre histoire ; pour ces entreprises, le prétendu « jour du jugement dernier du SaaS » ne s'est jamais produit.

Le secteur de la cybersécurité continue de surperformer nettement les autres catégories de l'ETF IGV Software. Dans ce domaine, l'IA joue un rôle déterminant : le marché est généralement convaincu que l'IA renforce la sensibilisation aux risques liés aux cybermenaces, et aucune entreprise ne se contentera de solutions de sécurité improvisées.

Il reste à voir si cette logique se vérifiera à terme. Mais pour l'instant, la situation des entreprises de logiciels traditionnelles est loin d'être uniforme.

Les investisseurs observent attentivement si l'IA profitera ou nuira à chaque entreprise, et il est tout à fait naturel qu'ils revoient leurs jugements à chaque nouvelle série de données.

Vers la frontière d'efficience de l'investissement en jetons

Le paysage du marché concernant l'utilisation des modèles, la consommation de jetons et la gestion des dépenses en jetons continue d'évoluer de diverses manières intéressantes.

Prenons Databricks comme exemple.

Face à des questions comme « Quel modèle utiliser ? » et « Quel est le meilleur modèle ? », Databricks n'a pas opté pour une approche où le gagnant rafle tout, ni pour une simple allocation de budget aux ingénieurs. L'entreprise a soulevé une autre question : « Et si nous développions une solution qui attribue automatiquement les tâches appropriées aux modèles adéquats ? »

Databricks n'est certes pas la seule entreprise à procéder ainsi, mais elle a développé un « routeur intelligent » et est très satisfaite de ses performances.

Les routeurs de Databricks seraient capables de faire appel à des modèles plus puissants et plus coûteux en cas de besoin, et d'utiliser des modèles moins performants et moins chers lorsque les conditions le permettent, « réduisant ainsi en permanence le coût moyen d'une tâche de plus de 30 % ».

Globalement, la recherche de l'« optimum » en matière de dépenses de jetons est loin d'être une mauvaise chose. Cela signifie que la demande continue de croître et que les cas d'utilisation évoluent non seulement en termes de performances, mais aussi en s'étendant à des modèles moins avancés. Dans le discours pessimiste initial, on pensait que ces modèles sous-optimaux deviendraient rapidement obsolètes.

Comme nous l'avons mentionné précédemment, les gains d'efficacité élargiront le champ de la demande, ce qui correspond exactement au type de dynamique que le marché souhaite observer, à l'instar du paradoxe de Jevons.

L’indice de force des prix des jetons de Silicon Data montre que la force globale des prix est en baisse, notamment parce que les modèles ouverts à prix inférieur gagnent une part plus importante sur un marché en expansion.

Il est nécessaire de clarifier un point souvent mal compris : ces indices mesurent l’intensité du coût des dépenses en jetons, et non leur montant absolu en dollars. Elle dépend à la fois du nombre de jetons utilisés et de leur coût total. Ainsi, même si le prix unitaire d’un jeton diminue, le nombre total de jetons utilisés et le montant total dépensé peuvent continuer d’augmenter.

Ce qui importe vraiment, c'est que la demande globale continue de croître, et l'évolution des prix et du choix des modèles vers une efficacité optimale ne fera qu'amplifier cette croissance. Il est particulièrement important de noter que la « demande d'IA » ou « l'adoption de l'IA » ne constituent pas un concept unique et homogène. Un écart significatif persiste entre les utilisateurs intensifs et les autres. Cela démontre clairement que « toujours utiliser le meilleur modèle » peut fonctionner pour certaines entreprises, mais certainement pas pour toutes.

Le marché développe rapidement de nouvelles options alternatives. Globalement, c'est une bonne chose.

Selon les données de Ramp, une plateforme de gestion des dépenses d'entreprise, toutes les entreprises augmentent leurs dépenses en IA, mais l'écart entre les dépenses médianes et celles des 10 % d'entreprises les plus performantes, ainsi qu'entre ces 10 % et le top 1 %, est extrêmement important.

Les données de Ramp sont généralement biaisées en faveur des entreprises technologiques, et il convient d'en tenir compte lors de leur interprétation. Toutefois, elles montrent que les 10 % d'entreprises les plus dépensières consacrent environ 50 fois plus de ressources à l'IA par employé que l'entreprise médiane.

Cette répartition n'est probablement pas le fruit du hasard. Les entreprises capables de tirer le meilleur parti de leurs investissements en IA sont sans doute celles qui investissent le plus ; même si toutes ne fonctionnent pas ainsi, un nombre significatif d'entre elles suivent cette tendance.

Une analyse menée par le Boston Consulting Group sur 107 sociétés cotées en bourse a révélé que les sociétés figurant dans les deux quintiles supérieurs en matière d'utilisation des jetons ont connu une croissance de leurs revenus nettement plus rapide que les autres sociétés.

L'idée principale est que la demande et l'efficacité de l'utilisation des jetons se renforcent mutuellement : plus une entreprise gagne en valeur, plus elle consomme de jetons.

Ce processus implique naturellement des compromis répétés entre les investissements et les bénéfices, et la R&D engendre toujours des coûts initiaux. Cependant, pour la grande majorité des entreprises, l'accumulation indiscriminée de jetons n'est jamais une stratégie efficace.

Il est donc clairement positif que les entreprises n'aient plus besoin d'adopter cette pratique à l'avenir.

La bataille pour les talents dans les laboratoires de pointe

New Media a récemment accueilli deux membres exceptionnels au sein de l'équipe OpenAI. Nous terminerons donc par quelques graphiques intéressants illustrant la situation du recrutement des talents dans ce laboratoire d'IA de pointe.

Dario Amodei a récemment exprimé son inquiétude quant au fait que les employés privilégient l'argent à la mission. Les données de Levels.fyi semblent indiquer que cette inquiétude n'est peut-être pas infondée.

Si l'on interprète les données au pied de la lettre, Anthropic verse à ses ingénieurs des salaires très élevés, bien supérieurs à ceux des ingénieurs ayant des qualifications similaires dans des entreprises comme Google et Tesla.

Il semblerait que devenir membre de l'équipe technique soit effectivement une bonne chose.

Par ailleurs, il existe un autre ensemble de données qui est également très intéressant.

D’après les données de Live Data Technologies, compilées et présentées par Truist Securities, les sources de talents des différents laboratoires se recoupent de manière significative tout en différant sensiblement :

Les deux entreprises ont recruté un nombre important de talents issus de sociétés technologiques à très forte capitalisation, mais seule OpenAI a recruté chez Nvidia et Tesla, et ces deux recrutements ont eu lieu en 2026.

Databricks, Snowflake (récemment), Palantir et DeepMind sont toutes des sources de talents pour les deux entreprises.

Les deux laboratoires ont également embauché un nombre important d'employés issus de Salesforce et de Stripe.

Mais la similitude entre les deux semble s'arrêter là. Anthropic a recruté de nombreux talents issus d'entreprises SaaS, tandis qu'OpenAI n'en a quasiment aucun ; OpenAI, de son côté, a recruté beaucoup de profils provenant d'entreprises du secteur de l'internet grand public, des plateformes de marché et des technologies publicitaires, tandis qu'Anthropic a recruté relativement peu dans ces domaines, à l'exception d'Airbnb, Netflix et Uber.

Quant à la signification de ces différences, je vous laisse le soin de l'interpréter.