Cette année, environ un tiers de la nouvelle puissance de calcul installée dans le monde finit par travailler pour les deux mêmes entreprises d'IA !
Ces deux entreprises sont Anthropic et OpenAI.
D'ici l'année prochaine, cette proportion pourrait atteindre la moitié.
À ce rythme, d'ici fin 2028, les deux entreprises pourraient contrôler la majorité de la puissance de calcul mondiale effective et disponible.
Celui qui dit cela est Dylan Patel, fondateur de SemiAnalysis.
Dylan Patel invité sur le Dwarkesh Podcast.
Le 25 août, il était invité sur le Dwarkesh Podcast, où il a passé en revue le budget de puissance de calcul pour les trois prochaines années.
Dans les 10 dernières minutes, la conversation a basculé de la puissance de calcul vers une question plus vaste :
Le pouvoir de l'IA va-t-il réellement tomber entre les mains d'un très petit nombre d'entreprises ?
En voyant cela, Thomas Wolf, cofondateur et Chief Scientific Officer de Hugging Face, a été directement choqué.
En partageant, il a dit que c'était la première fois qu'il voyait Dwarkesh tiraillé en direct par cette question.
Venant de lui, cela n'a rien d'étonnant.
Wolf a mis sa carrière sur l'open source, qu'il voit comme la voie pour empêcher la concentration du pouvoir entre les mains des grands acteurs propriétaires.
Manger l'équivalent de trois centrales nucléaires par an
Regardons d'abord à quelle vitesse ces deux entreprises consomment de la puissance de calcul.
Début d'année, OpenAI avait environ 2 gigawatts, Anthropic un peu moins de 2 gigawatts. D'ici fin d'année, les deux dépasseront les 5 gigawatts.
Une multiplication par trois ou quatre en un an, et l'unité est le gigawatt.
Un gigawatt, c'est à peu près la puissance de production d'une grande centrale nucléaire : cela équivaut à « manger » trois centrales nucléaires par an !
Cette année, la nouvelle puissance de calcul installée dans le monde est d'environ 30 gigawatts, 50 l'année prochaine, et environ 70 en 2028. Les 30% qu'absorbent ces deux entreprises proviennent de ces 30 gigawatts.
Non seulement la quantité augmente, mais il y a aussi un multiplicateur souvent négligé : un watt installé cette année est bien plus puissant qu'un watt installé il y a deux ans :
La génération de puces comme le GB300, le TPUv7, le Trainium3 offre des performances par watt 3 à 5 fois supérieures à la génération précédente.
Ainsi, lorsque Dylan dit « fin 2027, les deux entreprises prendront la moitié de la nouvelle puissance de calcul », la valeur de cette moitié est également bien supérieure à celle du stock existant, et cela sera de plus en plus vrai les années suivantes.
C'est la combinaison de ces deux multiplicateurs qui donne lieu à l'expression de Dylan « majorité de la puissance de calcul effective disponible ».
La puissance de calcul totale des puces IA double tous les 7 mois. Un watt installé cette année est bien plus performant qu'un watt installé il y a deux ans. (Source : Epoch AI)
Cependant, ce chiffre comptabilise les utilisateurs finaux de la puissance de calcul, pas la propriété.
Si quelqu'un appelle Claude sur Amazon Bedrock, cette puissance de calcul est comptée au nom d'Anthropic.
Celui qui gagne de l'argent plus vite, consomme plus de puissance de calcul
Pourquoi ces deux-là ?
La réponse se cache dans un indicateur rarement mentionné : les revenus par mégawatt.
Il y a un an, le commerce des tokens était en soi déficitaire.
OpenAI faisait tourner GPT-4 sur Hopper, chaque token vendu avait une marge brute négative, Anthropic brûlait aussi l'argent des investisseurs.
Maintenant, c'est l'inverse.
Anthropic a commencé à être rentable au deuxième trimestre de cette année, OpenAI serait aussi passé dans le vert au troisième trimestre selon les rapports.
Avec le déploiement de la génération de modèles GPT-5.6, Opus 5, Fable 5, les revenus par mégawatt des deux entreprises ont largement dépassé la ligne de coût de la puissance de calcul de 10 à 15 millions de dollars.
En tête, c'est Anthropic, atteignant jusqu'à 50 millions de dollars par mégawatt.
Dylan Patel donne le prix d'achat de la puissance de calcul : 10 à 15 millions de dollars par mégawatt.
Cette course se joue sur le montant d'argent gagné par mégawatt, pas sur le nombre de cartes accumulées.
Gagner plus permet de payer plus cher ; pouvoir payer plus cher permet d'obtenir plus de puissance de calcul, ce qui permet d'entraîner des modèles plus performants, pour gagner encore plus.
La multiplication par trois ou quatre en un an, c'est comme ça que ça roule.
Et couvrir cette ligne de coût n'est en fait pas difficile.
Une personne ordinaire qui achète un rack GB300, télécharge des poids open source sur OpenRouter, peut gagner plus qu'elle ne dépense. Les mots de Dylan : « Ce n'est pas difficile, et ce n'est pas non plus de la science des fusées. »
Précisément parce que tout le monde peut en gagner, cette ligne ne tient pas, et les prix de location commencent à monter vers 25, 40 millions de dollars le mégawatt.
Dans la Silicon Valley, actuellement, seuls Anthropic et OpenAI peuvent se permettre ces prix.
Dylan prévoit que d'ici fin 2027, leurs revenus par mégawatt pourront encore monter à 70, 80 millions de dollars.
Les fournisseurs de cloud construisent des immeubles, les laboratoires louent
Selon les données d'Epoch AI, environ 71 % de la propriété de la puissance de calcul IA mondiale est encore détenue par les cinq grands fournisseurs de cloud.
Mais l'utilisation se concentre de plus en plus sur deux laboratoires d'IA.
Les fournisseurs de cloud sont des propriétaires, ils achètent des terrains et construisent des centres de données. OpenAI et Anthropic sont comme les deux grands locataires qui louent la majeure partie des logements.
Maintenant, un troisième type d'acteur émerge : construire d'abord, puis chercher des locataires.
La pratique habituelle de la plupart des fournisseurs de cloud est de d'abord signer des clients, d'utiliser les contrats pour emprunter à la banque, et de commencer les travaux une fois l'argent reçu.
Meta et SpaceX n'en ont pas besoin : leur trésorerie est solide, elles peuvent sauter les étapes de recherche de clients et de financement, construire directement, et choisir ensuite le plus offrant une fois le bâtiment terminé.
Musk va même jusqu'à vendre de la puissance de calcul au prix de 40 milliards de dollars le gigawatt.
Dylan a fait le calcul pour lui dans le podcast : un gigawatt de puissance de calcul vaut 15 milliards de dollars, il le vend 40 milliards, récupérant ainsi tout son investissement en un an.
« Anthropic peut gagner plus de 60 milliards avec ce gigawatt, alors pourquoi je ne pourrais pas le vendre plus cher ? »
L'année prochaine, SpaceX sera aussi un grand acteur de la nouvelle puissance de calcul installée, et la majeure partie de ce qu'elle construira sera probablement louée à OpenAI et Anthropic.
Selon le WSJ, Anthropic loue déjà de la capacité de centres de données de SpaceX au prix de 1,25 milliard de dollars par mois.
Et du côté des locataires, l'appétit est plus grand que ce que les propriétaires imaginaient.
OpenAI a lancé Stargate en janvier dernier, visant à sécuriser 10 gigawatts aux États-Unis d'ici 2029. Un peu plus d'un an plus tard, cet objectif est déjà atteint, avec plus de 3 gigawatts supplémentaires rien que ces 90 derniers jours.
Anthropic a annoncé en avril dernier un partenariat avec Google et Broadcom pour une commande de puissance de calcul de l'ordre de plusieurs gigawatts de la prochaine génération de TPU, à mettre en service à partir de 2027, présentée officiellement comme la plus grosse commande de puissance de calcul de l'entreprise à ce jour.
De plus, les deux entreprises commencent aussi à développer leurs propres infrastructures IA : OpenAI développe ses propres puces, les TPU d'Anthropic sont déployés par Fluidstack.
Après avoir été longtemps locataires, elles veulent aussi construire leurs propres bâtiments.
À quoi sert la puissance de calcul achetée ?
Actuellement, la répartition de la puissance de calcul dans les laboratoires est approximativement : 50 % pour la recherche, 10 % pour le développement, 40 % pour l'inférence.
La plus grosse partie est la recherche, pas l'entraînement.
Pour l'entraînement de Mythos par Anthropic, le pré-entraînement a utilisé moins de 200 mégawatts de puissance de calcul sur un seul site, pendant environ deux mois, l'apprentissage par renforcement qui a suivi en a utilisé encore moins.
Avec plusieurs gigawatts en main, seulement 200 mégawatts sont réellement alloués à « l'entraînement d'un modèle ».
Ce n'est pas qu'ils n'osent pas l'utiliser, c'est qu'ils ne peuvent vraiment pas l'utiliser.
Cette puissance de calcul est répartie dans des salles serveurs aux quatre coins du monde, la vitesse de transmission des données ne suit pas la vitesse de calcul, les regrouper de force ne fait que les faire s'attendre mutuellement. C'est la même chose pour l'apprentissage par renforcement, plus d'entraînement ne signifie pas un meilleur entraînement.
Ainsi, le gros morceau restant est brûlé dans les tests de nouvelles architectures, l'ajustement des ratios de données, la validation de diverses idées.
Dylan a un autre jugement encore plus contre-intuitif : la part de l'inférence va continuer à diminuer.
Aujourd'hui, un mégawatt peut rapporter 30 à 40 millions de dollars, utiliser 40 % pour l'inférence et vendre des tokens, c'est logique. Mais quand il rapportera 60, 70 millions de dollars ?
Le conseil d'administration a alors deux options : continuer à vendre des tokens, gagner de l'argent, verser des dividendes, racheter des actions, et rendre les actionnaires heureux ; ou récupérer toute cette puissance de calcul et l'investir dans la R&D, pour créer l'AGI.
Pour Dylan, ce choix n'a rien d'évident.
Du point de vue des laboratoires, le retour sur investissement de l'AGI est bien plus grand que ces quelques dividendes immédiats.
Il y a déjà des signes : la nouvelle puissance de calcul mensuelle d'Anthropic continue d'augmenter, mais l'incrément de revenu annuel s'aplatit déjà. La nouvelle puissance de calcul achetée ne se transforme pas en revenus, elle va dans la R&D.
Mais les investisseurs ne poseront qu'une question : « Un gigawatt aurait pu générer des centaines de milliards de dollars de revenus, pourquoi continuer à augmenter les investissements dans l'entraînement ? »
Le problème, c'est que ces deux entreprises se dirigent vers une introduction en bourse.
Les laboratoires parient sur l'AGI, les investisseurs attendent des dividendes, les comptes ne correspondent pas dès le départ.
Qui va payer la facture de 11 000 milliards de dollars ?
Cette année, les dépenses en capital mondiales pour l'IA dépassent légèrement les 1 000 milliards de dollars, et elles dépasseront les 2 000 milliards en 2028.
Les dépenses en capital combinées des cinq grands fournisseurs de cloud augmentent en moyenne de 72 % par an, approchant les 500 milliards de dollars en 2025. Si la tendance se poursuit, elles atteindront 770 milliards de dollars en 2026. (Source : Epoch AI)
Selon les estimations de SemiAnalysis, le cumul de 2024 à 2029 serait d'environ 11 000 milliards de dollars. Environ 6 000 milliards pourraient être payés avec l'argent gagné, les 5 000 milliards restants ne pourront être que empruntés.
5 000 milliards de dollars de dette, tous jetés dans le même marché du crédit, l'argent devient plus cher.
Meta émet actuellement des obligations à un taux d'intérêt de 5 % à 6 %. Dylan estime qu'elle est prête à payer jusqu'à 8 %, car le retour sur la puissance de calcul construite est si élevé que payer ces deux ou trois points supplémentaires ne lui fait pas mal.
Le problème, c'est que l'argent provient du même bassin.
Les entreprises d'IA sont prêtes à emprunter à des prix élevés, le coût du financement de l'ensemble du marché est tiré vers le haut par ces quelques entreprises.
En plus de l'argent, la régulation gouvernementale doit aussi être mentionnée.
New York limite les centres de données, le Texas fait une pause, le gouverneur de l'Ohio a carrément annoncé : l'exemption fiscale pour les centres de données est suspendue.
Le 27 mai 2026, le gouverneur de l'Ohio DeWine annonce la suspension de l'exemption fiscale pour les centres de données.
Encore plus radical, empêcher la publication des meilleurs modèles.
L'Astra d'OpenAI n'a pas été publié, Anthropic retient aussi le modèle considéré par les observateurs extérieurs comme le prochain Mythos en cours d'évaluation de sécurité.
Pour les laboratoires, ce n'est pas seulement une occasion de gagner de l'argent en moins.
Selon le scénario de Dylan, si tout se passe bien, ces deux entreprises continueront d'acheter jusqu'en 2028, absorbant 70 à 80 % de la nouvelle puissance de calcul mondiale.
Mais la régulation coupe ce cercle vertueux de gagner plus pour acheter plus, acheter plus pour devenir plus fort :
Si les meilleurs modèles ne sont pas publiés, les revenus par mégawatt n'augmentent pas ; si les revenus n'augmentent pas, ils n'ont pas l'assise pour faire monter le prix de la puissance de calcul à un niveau où les autres ne peuvent pas suivre ; s'ils n'achètent pas plus de puissance de calcul, la prochaine génération de modèles ralentit, et les revenus par mégawatt augmentent encore moins.
La première étape du scénario de Dylan est également coupée.
Les mégawatts investis aujourd'hui, la main-d'œuvre IA de demain
L'animateur Dwarkesh a finalement fait un autre calcul.
La puissance de calcul de pointe augmente de 4 à 5 fois par an, tandis que la puissance de calcul nécessaire pour atteindre un même niveau de capacité diminue d'un tiers chaque année.
En multipliant les deux, la « main-d'œuvre IA effective » des laboratoires de pointe augmente de 10 fois par an.
En extrapolant à cette vitesse : un laboratoire qui détient 10 millions de main-d'œuvre IA cette année, en aura 100 millions l'année prochaine, et 1 milliard l'année d'après.
« Dans quelques années seulement, la main-d'œuvre effective d'une seule entreprise pourrait dépasser la population totale de la planète ! »
Le calcul de Dwarkesh revient à dire que c'est l'effet d'échelle :
Le coût de l'entraînement sera dilué sur des milliards de sessions, plus l'échelle est grande, plus c'est rentable ; plus la puissance de calcul est rare, plus une petite avance permet de facturer une prime ; et les modèles apprendront aussi du déploiement, plus ils sont utilisés, plus ils collectent de données.
Chaque force court vers la concentration, faisant s'exclamer Dylan « effrayant à mort ».
La course à l'IA accélère dans une nouvelle direction, il y a trois ans on comparait les paramètres, il y a deux ans les benchmarks, maintenant on compare combien d'argent on peut gagner par mégawatt.
Le véritable défi n'est pas de savoir qui créera l'AGI en premier, mais de savoir qui pourra l'invoquer une fois qu'elle sera créée.
Références :
https://x.com/dwarkesh_sp/status/2092652326112682489
https://www.dwarkesh.com/p/dylan-patel-3
https://openai.com/index/building-the-compute-infrastructure-for-the-intelligence-age/
https://www.anthropic.com/news/anthropic-expands-partnership-with-google-and-broadcom
https://epoch.ai/trends
Cet article provient du compte WeChat officiel « 新智元 » (ID : AI_era), auteur : ASI启示录 ; éditeur : 元宇
