La véritable signification de GPT-6 Astra : ramener le « récit de l’IA » du « débat sur la demande » à la « limite physique »

La publication d’un modèle est en train de changer la direction du débat sur le marché.

Le marché débat depuis plusieurs mois d’une question : « Combien d’infrastructures faut-il pour répondre à la demande connue de l’IA ? » La question sous-jacente étant : l’investissement dans les infrastructures de l’IA est-il déjà trop important ?

Mais selon Trading Desk, un rapport publié par Morgan Stanley le 7 septembre précise que l’importance de GPT-6 Astra ne doit pas être comprise simplement comme une nouvelle itération du discours sur le « scaling ». Il ne s'agit pas d'une simple montée en puissance des modèles.

Astra représente une avancée substantielle en termes d’étendue des capacités et d’interopérabilité, notamment sur quatre axes : raisonnement, compétences en ingénierie, utilisation de l’ordinateur, et exécution de tâches dans le monde physique. Cela signifie que l’IA franchit désormais le cap de l’exécution de raisonnements complexes, de tâches d’ingénierie professionnelles, du contrôle direct de l’ordinateur, voire de la gestion de missions dans le monde réel. Plus elle sait faire de choses, plus le nombre de scénarios monétisables augmente. Le dernier post d’OpenAI souligne aussi qu’un modèle supérieur ouvre la voie à de nouveaux « domaines professionnels ».

La narration sur l’IA revient du « débat sur la demande » à la « contrainte physique »

L’apparition d’Astra pourrait inverser la question centrale du marché : on passerait de « Quelle infrastructure est nécessaire pour la demande d’IA actuellement connue ? », à : « Combien de nouvelles charges de travail deviendront économiquement viables grâce à l’augmentation de l’intelligence des modèles ? »

C’est une question qui va dans la direction inverse. La première relève du côté de la demande, la seconde met la pression côté offre.

• Effet d’élasticité : obtenir plus d’intelligence pour chaque dollar dépensé

Les analystes soulignent un principe économique central dans le rapport : de meilleurs modèles génèrent un effet d’élasticité : plus chaque dollar investi dans l’IA procure d’intelligence et d’utilité, plus le nombre, la durée et la complexité des calculs et raisonnements augmentent.

Ceci évoque le célèbre « paradoxe de Jevons » : améliorer l’efficacité ne réduit pas la consommation, mais l’augmente au contraire. Une augmentation du rendement intelligent par unité de coût → des scénarios auparavant non rentables deviennent viables → de nouvelles charges de travail affluent → la demande en puissance de calcul et en infrastructures s’accroît.

• Extension significative du marché adressable

Selon les analystes, si les capacités d’Astra se traduisent en applications commercialement utiles, le réservoir de revenus d’IA adressable pourrait largement dépasser les scénarios actuels axés sur la conversation et le codage.

Morgan Stanley estime que le TAM des métiers de la connaissance est d'environ 22 500 milliards de dollars (basé sur 900 millions de travailleurs de la connaissance dans le monde, pour un salaire annuel moyen d’environ 25 200 USD) ; le TAM des dépenses consommateurs s’élève à 30 000 milliards de dollars, incluant la vente au détail + les voyages (environ 16 k milliards de dollars), la conduite autonome/mobilité (environ 4 k milliards), la livraison de repas (environ 4 k milliards) et la publicité (environ 3 k milliards).

• La véritable contrainte vient du physique, côté offre

La conclusion des analystes : l’arrivée d’Astra recentre le débat sur la contrainte physique côté offre – pouvons-nous livrer cette intelligence à grande échelle ?

De quoi s’agit-il concrètement ? Puissance de calcul. Électricité. Matériaux. Main-d’œuvre. Etc.

Où se trouvent les goulots d’étranglement physiques : ABF et HBM4E

Deux leviers concrets illustrent les tensions côté offre.

Le premier est le substrat ABF.

Morgan Stanley estime que le substrat ABF sera en situation de pénurie à partir de 2027, et que l’écart d’offre continuera de croître jusqu’en 2030. La contrainte clé : il faut au moins deux ans pour mettre en ligne de nouvelles capacités.

Le second est la complexité des étapes finales (BEOL) sur HBM4E.

Le rapport précise que le BEOL d’HBM4E incarne un changement de paradigme majeur dans la fabrication des semi-conducteurs : HBM passe d’un empilement de mémoire 3D spécialisé à un système logique de Chiplet hautement intégré.

Les impacts précis :

• Le nombre de couches d’interconnexion HBM4E augmente (comme chez SK Hynix avec l’introduction du dummy bump), forçant à réallouer beaucoup d’investissements DRAM à l’expansion de capacité BEOL
• Les investissements en migrations de process FEOL et les volumes de DRAM GB expédiés accélèrent, mais ce ne sera pleinement effectif qu’à partir de la seconde moitié 2027
• Les fabricants de DRAM priorisent l’utilisation de la capacité des équipements, ce qui peut retarder l’expansion de la capacité NAND

Point commun entre ces deux goulots d’étranglement : il s’agit de contraintes physiques vérifiables et traçables, et non d’émotions de marché.

Électricité : le vrai goulot d’étranglement physique

Avec le durcissement de la réglementation sur les data centers, l’approvisionnement en électricité devient un autre goulot d’étranglement physique clé. Les analystes prévoient que la puissance informatique totale des clouds hyperscale passera d’environ 35 GW en 2025 à environ 145 GW en 2028, soit une multiplication par 4.

Ils soulignent que les États-Unis font face à un déficit de 38 GW, les data centers auront de plus en plus recours à des solutions d’autoproduction d’électricité « behind-the-meter ».

La banque estime que chaque GW de capacité d’autoproduction coûte environ 3 milliards de dollars en investissement. À titre d’exemple, pour la génération Rubin Ultra de puces Nvidia, le coût global incluant l’énergie « behind-the-meter » est d’environ 50 milliards de dollars par GW.

Ce que le marché sous-estime

Les analystes considèrent que le marché sous-estime actuellement trois choses :

Premièrement, les bénéficiaires mondiaux de la tech grâce à GPT-6 Astra sont encore sous-évalués.

Deuxièmement, la durée de la tension sur l’offre pourrait être plus longue. Les contraintes sur ABF et le BEOL HBM4E ne se résoudront pas à court terme.

Troisièmement, certaines actions non-IA progressent discrètement. Les puces analogiques (STM, NXP, Renesas) sortent d’un creux en L de plus de trois ans et amorcent une reprise précoce du cycle : les stocks se réduisent, les prix se stabilisent, les commandes industrielles s’améliorent.

La conclusion n’est pas « acheter plus d’IA »

Les priorités d’investissement selon Morgan Stanley :

Puissance de calcul IA (priorité absolue) > Réseaux (ensuite) > Mémoires (sélectif) + Puces analogiques (couverture d’un cycle précoce), incluant :

• Puissance de calcul IA : GPU (Nvidia), ASIC (Mediatek, GUC), substrat ABF (Unimicron, Ibiden), MLCC (Murata, Samsung Electric), assemblage et test avancé (Advantest, Tokyo Electron, Hua Hong, ASE, King Yuan Electronics), alimentation (Delta)
• Réseaux : GLW, LITE, COHR, KEYS, Furukawa Electric, Fujikura
• Mémoires : privilégier la croissance structurelle et la localisation (CXMT), SK Hynix, Samsung, Kioxia en ont un potentiel tactique dans un contexte d’offre toujours restreinte
• Non-IA : Puces analogiques (STMicroelectronics, NXP, Renesas)

La banque précise : « Nous privilégions les sociétés situées à l’intersection du cycle d’inférence élargi, de la capacité physique limitée, de l’augmentation de l’intensité de contenu et de la complexité manufacturière accrue. »

Ce sur quoi il faut rester vigilant

Le rapport Morgan Stanley n’est pas simple optimisme et met en garde sur trois points :

Premièrement, les attentes sur l’IA sont déjà très élevées. La tolérance du marché à l’égard des entreprises IA est passée de « bons résultats » à « résultats parfaits requis » : même si Astra apporte de vrais progrès, si les performances ne dépassent pas largement les attentes, les réactions de cours pourraient rester limitées.

Deuxièmement, la croissance des investissements devrait ralentir en 2028. Or, en Bourse, c’est le rythme de croissance qui compte : une décélération pourrait peser sur les valorisations, même si le montant des dépenses reste en progression.

Troisièmement, les vents contraires macro-économiques persistent. Le rapport mentionne les prix de l’énergie, l’inflation, la politique monétaire de la Fed et l’élection présidentielle américaine de 2028, évoquant en particulier le risque politique pesant sur l’expansion des data centers si les Démocrates remportent le pouvoir exécutif.