enesptjazh-Hanszh-Hantfrdeitkoruarhiidtrnlplvithsvhemsukcselrohudafinobn

Un gigawatt de calcul IA coûte désormais 60 milliards de dollars, et les concepteurs de puces en gardent 40 milliards

Dylan Patel estime qu'un gigawatt coûte 60 milliards de dollars, ou 20 milliards sans la marge des concepteurs de puces. La puce d'OpenAI et la Maia 300 de Microsoft veulent combler cet écart.

By Published 25 octobre 2026 7 min read Grounded in the CEOInterviews.AI corpus

Lors du sommet des PDG de CASPA à Santa Clara le 24 octobre, Dylan Patel de SemiAnalysis a donné un prix à la construction de l'IA que la plupart des gens évitent. Un gigawatt de calcul IA coûtait environ 40 milliards de dollars à construire en 2024. Aujourd'hui, il en coûte plus de 60 milliards. Si l'on retire ce que gagnent les maisons de conception de puces, il estime ce coût à près de 20 milliards. Cet écart, environ 40 milliards par gigawatt, est ce que chaque acheteur de calcul veut récupérer. La même semaine, un fondateur de puces, un fondateur de recherche et deux des plus grands allocateurs de Wall Street ont chacun donné une réponse différente sur qui finit par le garder.

Carte HGX Nvidia DGX B200 à huit GPU
Une carte Nvidia DGX B200 à huit GPU. Photo de Pokiiri, Wikimedia Commons, CC BY-SA 4.0.

Un gigawatt coûte maintenant moitié plus qu'en 2024

Patel était sur un panel avec Stacy Rasgon de Bernstein, modéré par Austin Lyons de Chipstrat. Son argument était que presque tout le monde dans la chaîne a augmenté ses prix. Les fabricants de mémoire sont passés de marges brutes négatives il y a environ deux ans à des marges que Lyons estime proches de 90%. TSMC est passé d'environ 45% à 60% et, selon lui, n'a jamais cédé beaucoup de terrain.

Quand on regarde ce genre de marché, pour construire un gigawatt, en 2024, c'était à peu près 40 milliards de dollars, entre les puces, le terrain, l'électricité, la coquille, tout. Maintenant, c'est au-delà de 60.

Dylan Patel, 24 octobre 2026, Sommet des PDG de CASPA 2026

Il a ajouté que Nvidia a maintenu sa propre marge à peu près stable tout en absorbant des coûts plus élevés de mémoire, de substrat et d'optique, de sorte que ses prix de rack ont grimpé malgré tout. Rasgon a donné les chiffres de référence de Nvidia depuis la scène, environ 25 milliards de dollars par gigawatt pour Blackwell et 40 milliards pour Rubin, en arguant que c'est acceptable tant que la performance augmente plus vite que le prix. C'est le scénario haussier en une ligne, et il repose sur le maintien du rythme de Nvidia.

Les plus grands clients construisent leurs propres puces

Le chiffre qui devrait inquiéter les détenteurs d'actions Nvidia est arrivé ensuite. Selon ses calculs, la marge des concepteurs de puces représente environ deux tiers du coût d'un gigawatt.

Si on retire toute la marge des maisons de conception de puces, de Nvidia, Broadcom, Marvell, etc., on arrive à environ 20 milliards de dollars par gigawatt.

Dylan Patel, 24 octobre 2026, Sommet des PDG de CASPA 2026

Il a ensuite décrit ce que son cabinet avait vu lors du test de la première puce d'OpenAI, la partie inférence qu'OpenAI et Broadcom ont dévoilée le 24 juin, avec des serveurs prévus en ligne d'ici la fin de l'année. Il a affirmé que "la performance était supérieure à celle de Blackwell" sur le benchmark open source InferenceX de SemiAnalysis. C'est le test d'un laboratoire sur une classe de modèles, et je voudrais voir les chiffres. Mais c'est une puce de première génération, et il a dit qu'Anthropic veut construire la sienne en moitié moins de temps. Microsoft a annoncé Maia 300 le 12 octobre, promettant 40% de tokens en plus par mégawatt et des déploiements multi-gigawatts à partir de 2027. Patel a également déclaré que la part de Nvidia dans la capacité d'emballage CoWoS de TSMC et dans l'approvisionnement en HBM a diminué en 2026 et diminuera encore l'année prochaine, même si ses revenus continuent de doubler.

Son point le plus tranchant concernait le logiciel. SemiAnalysis a mis six à neuf mois pour faire fonctionner l'inférence sur AMD et environ un mois et demi sur la puce d'OpenAI. Si les modèles d'IA rendent les puces plus faciles à programmer puis à concevoir, la marge de conception est la partie des 60 milliards qui peut être concurrencée.

Naveen Rao affirme que la marge reste dans le matériel de toute façon

Naveen Rao, qui a vendu MosaicML à Databricks et dirige maintenant la startup de puces Unconventional AI, a déclaré à 20VC que la marchandisation arrive pour presque toutes les autres couches. Les modèles ouverts, a-t-il dit, transporteront environ 80% des tokens d'ici trois ans, avec des dépenses réparties à peu près 50/50 contre les modèles de pointe. Les hôtes d'inférence verront les prix des tokens baisser et leurs marges se réduire. Et il ne pense pas que les laboratoires posséderont la pile.

En fait, je ne pense pas que les entreprises de modèles seront celles qui posséderont la marge de toute la pile. Ce n'est même pas vrai aujourd'hui. Nvidia possède la marge de la pile aujourd'hui, non ?

Naveen Rao, 20VC, publié le 24 octobre 2026, source

Mais le côté matériel ne s'effondrera probablement pas. Je pense que cette partie aura toujours un avantage parce qu'on peut encore extraire plus de jus, genre, hé, je convertis l'énergie en intelligence plus efficacement.

Naveen Rao, 20VC, publié le 24 octobre 2026

Lisez Rao à côté de Patel et ils s'accordent plus qu'il n'y paraît. Rao veut dire matériel au sens large, les puces, les systèmes et les réseaux qui transforment l'électricité en tokens, et il construit une puce qui concurrence Nvidia. Son argument est que celui qui convertit l'énergie en intelligence le plus efficacement garde la marge. L'argument de Patel est que le convertisseur efficace pourrait être l'acheteur lui-même. Rao a également dit à l'hôte que "si vous êtes un investisseur purement logiciel, vous êtes un peu fichu" parce que le SaaS cessera de gagner la marge. Il parle de son livre, et il admet qu'il est "plutôt optimiste sur l'IA".

Personne sur scène n'a douté de la demande

Tout cela n'a pas d'importance si les tokens ne sont pas vendus, et les preuves de la demande cette semaine-là venaient d'un endroit étrange. Parag Agrawal, l'ancien PDG de Twitter qui dirige maintenant Parallel Web Systems, vend la recherche web aux agents IA. Il a dit qu'il avait autrefois présenté des agents utilisant le web mille fois plus que les humains, et pense maintenant que c'était trop bas.

Mais ma meilleure estimation actuelle est que les agents utilisent le web à 10 ou 20% du niveau des humains. Ce qui signifie que si mon chiffre de mille fois est juste, nous avons d'ici au moins 5 000 fois ou 10 000 fois de croissance restante.

Parag Agrawal, Sourcery, 24 octobre 2026, source

Sa règle empirique est que "pour chaque 10 GPU que le monde dépense en inférence de modèles, nous dépenserons un à deux en recherche web". Il a également dit que son équipe a traversé plusieurs exercices de pénurie de GPU en trois mois, avec une capacité offerte via iMessage avant que les gens de la finance ne signent les papiers. Une prévision de croissance de 10 000 fois est un chiffre de fondateur. La ruée vers les GPU est un fait, et c'est pourquoi les prix ont tenu jusqu'ici.

Le financement décide qui peut se permettre la marge

L'autre point de Patel était que l'argent limite maintenant qui peut construire. Un cloud sans contrat d'un hyperscaler ou d'un grand laboratoire ne peut pas être financé. Il a dit que Volta a payé son cluster Anthropic avec une dette à un coupon d'environ 12% vendue à 95 cents, soit près de 15% tout compris. Semafor a rapporté le 13 octobre que l'accord de 5 milliards de dollars en Norvège devait être évalué à "au moins 11%", avec une commande d'ancrage de 1,5 milliard de dollars d'Apollo. Nvidia a commencé à garantir le loyer des clusters en échange de parts de revenus, ce qui maintient ses puces en mouvement et transfère une partie du risque du propriétaire sur Nvidia.

Bill Ackman a tracé la même ligne sur CNBC le 22 octobre, possédant Microsoft, Amazon et Meta et évitant les neoclouds.

le jeu des neoclouds est un peu comme investir dans un promoteur immobilier, vous savez, dans un format fortement endetté. Et si vous réussissez, vous savez, les rendements des actions à effet de levier sont énormes. Si vous échouez, vous pouvez être anéanti.

Bill Ackman, 22 octobre 2026, CNBC

Stephen Schwarzman possède l'immobilier. Sur Bloomberg's Leaders, publié le 25 octobre, il a dit que la société de data centers que Blackstone a achetée en 2021 pour 10 milliards de dollars est maintenant 15 fois plus grande.

Nous sommes le plus grand propriétaire de data centers au monde. Cela nous met en contact avec les six hyperscalers parce que nous travaillons pour eux tous, donc nous savons ce qui se passe presque partout dans cet écosystème.

Stephen Schwarzman, 25 octobre 2026, Bloomberg Leaders

Il a également qualifié la panique concernant les faillites de sociétés logicielles de "beaucoup trop exagérée" dans la même interview. C'est un contrepoids utile à Rao, de la part d'un homme dont les fonds de crédit privé prêtent à ces sociétés.

Fab 18 de TSMC dans le parc scientifique du sud de Taïwan
Fab 18 de TSMC dans le parc scientifique du sud de Taïwan. Photo de 4300streetcar, Wikimedia Commons, CC BY 4.0.

Nvidia se négocie déjà comme si elle perdait l'argument

Le marché a une opinion. Le multiple forward de Nvidia est tombé à environ 19 fois fin septembre, contre une moyenne à long terme près de 32, ce que le Motley Fool a noté comme étant son plus bas niveau en une décennie. Patel a dit que Nvidia et Broadcom se négocient près de leurs multiples les plus bas jamais enregistrés parce que les investisseurs craignent que Meta, Google et d'autres internalisent la conception. Les bénéfices croissent encore à un rythme de 2x par an. Le multiple évalue ce qui se passera après.

Alors, qui garde les 40 milliards ?

Pour les deux prochaines années, les fournisseurs de ce qui est le plus rare. Patel a classé les substrats en premier, puis la mémoire, puis l'optique, avec l'électricité derrière, et Rasgon s'attend à ce que l'offre reste tendue jusqu'en 2028. Ces vendeurs fixent le prix, et Nvidia le répercute. Ensuite, la marge de conception est exposée. Si la première puce d'OpenAI bat vraiment Blackwell et qu'Anthropic en construit une en moitié moins de temps, les calculs de Patel disent qu'un laboratoire construisant à 20 milliards de dollars par gigawatt "pourrait payer 5 gigawatts avec 1 gigawatt de calcul exécutant l'inférence". Mon avis est que Jensen Huang ne garde sa marge que tant que chaque génération livre bien plus qu'elle ne coûte. Les propriétaires et les prêteurs sont payés de toute façon, à 11 ou 15%, et Schwarzman et Ackman ont tous deux choisi ce siège.