Après avoir raté une multiplication par 20, j'ai trouvé une méthode bête pour investir dans l'IA
Manquer une opportunité de multiplication par 20 m'a conduit à adopter une approche plus méthodique pour investir dans l'IA. Au lieu de se précipiter sur les actions à la mode, il est crucial de d'abord constituer un « capital de connaissances » en comprenant en profondeur toute la chaîne de valeur de l'IA.
Cette industrie suit une trajectoire historique : les investissements se diffusent par vagues successives, des infrastructures de base vers les applications. L'article décompose l'écosystème en quatre couches clés :
1. **Infrastructures de calcul (le « moteur »)** : Cœur physique, incluant les puces (Nvidia, AMD), la fabrication (TSMC), la mémoire (SK Hynix), l'interconnexion optique, le refroidissement et l'alimentation électrique.
2. **Couche des modèles (le « système d'exploitation »)** : Dominée par OpenAI, Anthropic, Google, Meta et xAI. Un changement structurel majeur est observé : la consommation de puissance de calcul bascule de l'entraînement des modèles vers leur **inférence** (utilisation), ce qui pourrait redessiner la concurrence.
3. **Intergiciels et plateformes (la « couche de liaison »)** : Outils comme Scale AI ou Hugging Face, essentiels pour connecter les modèles aux applications.
4. **Applications verticales (l'« entrée d'argent »)** : Domaines comme les outils de développement, la santé, les robots ou les véhicules autonomes, où l'IA crée une valeur directe.
Une contrainte transversale majeure est **l'énergie**, l'électricité devenant un facteur limitant pour la croissance des centres de données IA.
L'article soulève quatre questions cruciales au-delà du consensus :
* L'impact du passage à l'inférence sur les acteurs du matériel.
* Le retour sur les investissements massifs des géants technologiques.
* L'identification des opportunités dans les « cercles » d'investissement moins visibles (refroidissement, sécurité, puces en périphérie).
* L'influence de la géopolitique sur la fragmentation de la chaîne d'approvisionnement.
La conclusion est claire : dans un cycle technologique aussi long que l'IA, la préparation prime sur la précipitation. En cartographiant méticuleusement chaque maillon de l'industrie – ses business models, sa concurrence et ses valorisations – on se prépare à saisir les futures opportunités avec un « instinct de tueur » forgé par l'étude, et non par la chance.
marsbit06/23 04:00