Les marchés boursiers mondiaux ont été pris de court par l'annonce d'une société chinoise pratiquement inconnue, DeepSeek, capable de reproduire une partie du succès des principaux LLM d'IA d'OpenAI, Meta et autres, mais à un coût bien moindre. Si l'on peut s'interroger sur ce qui a permis d'y parvenir, cette surprise remet en question la durabilité de certains modèles commerciaux et la nécessité potentielle d'investir massivement dans les centres de données et les GPU de Nvidia. Jusqu'à récemment, de nombreux investisseurs pensaient que ce que les grandes entreprises technologiques avaient amassé et dépensaient pour l'IA constituait un avantage concurrentiel. Si les gains d'efficacité prouvent qu'il est possible d'en faire plus avec moins, cela aura des répercussions importantes sur le secteur.

D'abord, cela confirme ce que certains commençaient à supposer, à savoir que les LLM se banalisent. Cela signifie que la majorité des avantages économiques profitera probablement aux applications qui s'appuient sur les LLM ou aux fournisseurs de cloud (Microsoft, Amazon, Google) les intégrant à leur plateforme existante, et non aux entreprises, pour la plupart privées, qui se sont précipitées vers la création de modèles toujours plus rapides et efficaces. L'année dernière, nous avons remis en question cette tendance, avec d'autres investisseurs, car nous nous inquiétions du retour sur investissement de toutes ces dépenses.

Ensuite, si les LLM sont essentiellement des enjeux de table et peuvent être entraînés et exécutés à un coût bien moindre, alors les montants nécessaires pour investir dans les GPU et les centres de données ne sont peut-être pas aussi structurels qu'on le croit. Les dépenses d'investissement des quatre plus grands hyperscalers (Amazon, Google, Microsoft, Meta) devraient dépasser les 300 milliards de dollars en 2025, soit environ le double de ce qui a été dépensé il y a deux ans. Une grande partie de ces investissements est consacrée aux centres de données, et récemment, Mark Zuckerberg a annoncé que Meta construisait un centre de données si grand qu'il pourrait couvrir une grande partie de Manhattan !

Si les LLM peuvent être formés à moindre coût et à plus petite échelle, tous ces investissements pourraient ressembler au surdéveloppement de la fibre optique dans les années 1990. Ceux-ci nous ont permis de bénéficier d'internet à très haut débit, de la vidéo en streaming, etc., mais sa surcapacité a provoqué une baisse des prix dont les bénéfices ont été répercutés sur les consommateurs plutôt que sur les opérateurs. Ces trois dernières années, ce sont les entreprises fournissant les outils, les plateformes et l'infrastructure essentiels au développement technologies d'IA qui ont été les plus profitables. La croissance a été forte, mais une question se pose : « est-elle durable ? ».

Bien sûr, les partisans de l'IA diront qu'à mesure que les coûts baisseront, l'adoption des outils d'IA augmentera et continuera d'alimenter le besoin de centres de données et de GPU. Peut-être, mais pour construire des LLM banalisés, a-t-on besoin des GPU Nvidia les plus récents et les plus chers ? DeepSeek a montré une voie moins coûteuse et plus efficace. Le capitalisme est une drôle de chose, pour reprendre les mots de Jeff Bezos : « Votre marge est mon opportunité. » Nvidia a généré des marges énormes ces dernières années, mais cela peut-il durer dans un monde où les modèles d'IA sont construits et exécutés à une échelle plus petit et in-fine moins coûteuse ?

À mesure de ces nouveaux développements, nous continuons à mettre en œuvre une approche disciplinée et prudente susceptible de créer des opportunités à la fois dans nos valeurs exposées à l'IA et dans des secteurs moins appréciés du marché ayant peut-être été négligés. Le contexte récent a été favorable, car le marché a commencé à reconnaître la durabilité de nombreuses entreprises qui étaient restées en marge des projecteurs de l'IA. Les récents développements nous rappellent une fois de plus l'importance de faire la distinction entre la spéculation et l'investissement.