Stargate opère un virage stratégique : OpenAI abandonne la construction pour la location, le rêve d'un empire de calcul de 1 400 milliards de dollars s'évapore

marsbitPublié le 2026-03-17Dernière mise à jour le 2026-03-17

Résumé

Le projet Stargate d'OpenAI, initialement présenté comme un investissement de 1 400 milliards de dollars pour construire ses propres centres de données, a subi une restructuration majeure. Au lieu de construire, OpenAI se tourne désormais vers la location de puissance de calcul auprès de Microsoft Azure, Oracle et Amazon AWS. Le budget a été réduit à 600 milliards de dollars jusqu'en 2030. La raison principale de ce changement est le manque de financement et l'absence de progrès concret depuis son lancement en janvier 2025. Aucun employé n'a été embauché et aucun centre de données n'a été construit. OpenAI a divisé Stargate en trois équipes : gestion des contrats cloud, conception technique des serveurs et opérations des infrastructures. L'objectif reste d'atteindre une capacité de calcul de 7 gigawatts, avec un recentrage sur la plateforme Vera Rubin de NVIDIA pour 2026. Malgré des revenus annuels bien inférieurs à ceux des géants tech, OpenAI maintient son ambition, bien que son modèle soit désormais basé sur la location plutôt que la possession.

1 400 milliards de dollars. C'est le montant total présenté par le PDG d'OpenAI, Sam Altman, aux investisseurs fin 2025 pour le projet d'infrastructure de calcul Stargate. Quatorze mois plus tard, ce chiffre a été réduit à 600 milliards.

Selon un rapport de The Information du 16 mars, OpenAI a restructuré en profondeur le projet d'infrastructure de calcul Stargate, abandonnant son plan de construire ses propres centres de données pour se tourner entièrement vers la location de puissance de calcul auprès de fournisseurs de services cloud comme Microsoft Azure, Oracle et Amazon AWS. Stargate a été divisé en trois équipes fonctionnelles, toutes supervisées par Sachin Katti, ancien directeur technique et IA d'Intel.

La raison directe de ce changement est simple. Stargate a été annoncé en grande pompe à la Maison Blanche en janvier 2025, avec la création d'une coentreprise avec SoftBank et Oracle pour construire de grands centres de données, avec un investissement initial de 100 milliards de dollars et un investissement total de 500 milliards de dollars sur quatre ans. Mais plus d'un an après son lancement, aucun employé n'a été embauché et aucun centre de données n'a été concrètement développé. Selon CNBC, les prêteurs étaient réticents à fournir des milliards de dollars de financement pour la construction à une entreprise affichant toujours des pertes d'exploitation colossales. OpenAI a également mis fin plus tôt ce mois-ci aux négociations pour l'extension de Stargate avec Oracle à Abilene, au Texas.

Plus d'un an, zéro employé, zéro chantier ouvert. La voie de la « construction propre » de Stargate n'a jamais vraiment démarré.

Selon les données détaillées figurant dans les documents destinés aux investisseurs, l'engagement total de 1 400 milliards de dollars mentionné par Altman était réparti entre sept fournisseurs. Selon l'analyse des documents d'investisseurs par l'analyste en capital-risque Tomasz Tunguz, Broadcom représentait 350 milliards de dollars, Oracle 300 milliards, Microsoft 250 milliards, NVIDIA 100 milliards, AMD 90 milliards, AWS et CoreWeave combinés 60 milliards.

En février 2026, selon CNBC, ce chiffre a été ramené à environ 600 milliards de dollars (d'ici 2030), une réduction de 57%. Le même article donne un chiffre légèrement différent mais allant dans le même sens : OpenAI prévoit de dépenser 665 milliards de dollars en serveurs cloud d'ici 2030.

600 milliards de dollars reste un chiffre qui nécessite un point de comparaison pour être appréhendé. Selon les prévisions internes d'OpenAI, l'objectif de chiffre d'affaires de la société pour 2030 est de 280 milliards de dollars, ce qui signifie un ratio dépenses cumulées sur cinq ans / chiffre d'affaires d'environ 2:1. Et selon les données financières internes citées par ainvest, les pertes prévues de cette société pour 2026 sont de 14 milliards de dollars, et selon plusieurs médias, sa marge brute n'est que de 33% (Note : la marge brute reflète la rentabilité intrinsèque du produit, tandis que la perte nette est le résultat final après déduction de tous les coûts, y compris la R&D et la gestion ; les deux peuvent coexister).

En plaçant l'objectif de dépenses d'OpenAI dans le panorama plus large de la course aux armements en matière de calcul des Big Tech, les rapports de proportion deviennent plus clairs.

Selon les rapports financiers et les prévisions publiques (Guidance) des différentes entreprises, Amazon prévoit des dépenses en capital (capex) de 200 milliards de dollars en 2026, Alphabet 180 milliards, Meta 125 milliards, Microsoft environ 120 milliards. Les dépenses de ces quatre entreprises ont généralement doublé ou triplé en deux ans, dépassant 650 milliards de dollars au total, dont environ les trois quarts sont destinés aux infrastructures d'IA.

Les 600 milliards de dollars d'OpenAI sont un objectif cumulé sur cinq ans, soit environ 120 milliards de dollars annualisés, ce qui est comparable aux dépenses en capital annuelles de Microsoft. La différence est que le chiffre d'affaires annuel de Microsoft dépasse 240 milliards de dollars, tandis que celui d'OpenAI atteint tout juste 25 milliards de dollars annualisés, et la société ne prévoit pas de générer des flux de trésorerie positifs avant 2030.

La restructuration de Stargate ne se limite pas à un changement de chiffres budgétaires ; l'ajustement de la structure organisationnelle révèle un changement d'orientation plus profond.

Le Stargate restructuré est divisé en trois axes. Le groupe Epic Commerce & Partnerships, dirigé par Peter Hoeschele, un vétéran d'OpenAI et ancien manager chez Deloitte, est responsable de la gestion des contrats cloud avec Microsoft, Oracle, Amazon ainsi que des transactions avec les fabricants de puces. Ces transactions incluent un contrat pluriannuel avec AMD (utilisant jusqu'à 6 gigawatts de puces, pour un coût maximal de 10% des actions ordinaires d'AMD) et un accord avec la startup de puces Cerebras Systems.

Le groupe Technique, Ingénierie & Conception est co-dirigé par Chris Malone, ancien ingénieur chez Meta et Google, et Adrian Caulfield, ancien responsable de l'ingénierie chez Microsoft. Il est chargé de reconcevoir les clusters de serveurs IA utilisés par OpenAI. Le groupe Exploitation des Installations Physiques est dirigé par Nick Saddock, ancien directeur des centres de données chez Google, qui remplace Keith Heyde parti il y a quelques semaines.

L'équipe semi-conducteurs, dirigée par l'ancien cadre supérieur de Google, Richard Ho, ne relève pas de Katti et rend compte directement au président d'OpenAI, Greg Brockman. Cette équipe collabore avec Broadcom pour développer ses propres puces, OpenAI espérant que ces puces permettront finalement de réduire les coûts d'inférence pour exécuter des produits comme ChatGPT.

Le nom « Stargate » est toujours là, mais ce qu'il désigne a complètement changé. En janvier 2025, c'était un projet de coentreprise avec SoftBank et Oracle pour construire des centres de données. En mars 2026, c'est la stratégie générale d'OpenAI pour mettre en ligne une capacité de serveurs de l'ordre du gigawatt. On est passé de « Je vais construire ma propre centrale électrique » à « Je vais signer les meilleurs contrats de location ». La capacité totale planifiée de tous les sites reste de près de 7 gigawatts, avec un investissement total sur trois ans dépassant toujours 400 milliards de dollars. OpenAI recentre désormais sa stratégie de puissance de calcul sur la plateforme Vera Rubin de NVIDIA, avec pour objectif de mettre en ligne sa première capacité de l'ordre du gigawatt au second semestre 2026.

Questions liées

QQuel était le coût initial du projet Stargate présenté par Sam Altman en 2025, et combien a-t-il été réduit en 2026 ?

ALe coût initial était de 1,4 billion de dollars. En 2026, il a été réduit à 600 milliards de dollars, soit une diminution de 57%.

QPourquoi OpenAI a-t-il abandonné son projet de construire ses propres centres de données pour Stargate ?

AOpenAI a abandonné la construction de ses propres centres de données principalement parce que les prêteurs n'étaient pas disposés à fournir des milliards de dollars de financement pour la construction à une entreprise qui affichait encore des pertes d'exploitation importantes. Aucun employé n'avait été embauché et aucun centre de données n'avait été développé de manière substantielle plus d'un an après l'annonce du projet.

QQuelles sont les trois nouvelles équipes qui composent le projet Stargate après sa restructuration, et qui les dirige ?

AAprès la restructuration, Stargate est divisé en trois équipes : 1) L'équipe de partenariat commercial (Epic), dirigée par Peter Hoeschele. 2) L'équipe technique d'ingénierie et de conception, co-dirigée par Chris Malone et Adrian Caulfield. 3) L'équipe d'exploitation des installations physiques, dirigée par Nick Saddock. Toutes sont supervisées par Sachin Katti.

QQuel est l'objectif de revenus d'OpenAI pour 2030 et comment se compare-t-il aux dépenses prévues pour Stargate ?

AL'objectif de revenus d'OpenAI pour 2030 est de 280 milliards de dollars. Les dépenses cumulées prévues pour Stargate sur cinq ans sont d'environ 600 milliards de dollars, ce qui représente un ratio dépenses/revenus d'environ 2:1.

QQuel changement fondamental la restructuration de Stargate représente-t-elle pour la stratégie d'OpenAI en matière d'infrastructure de calcul ?

ALe changement fondamental est le passage d'une stratégie de construction et de possession de ses propres centres de données (comme un projet conjoint avec SoftBank et Oracle) à une stratégie de location de puissance de calcul auprès de fournisseurs de services cloud comme Microsoft Azure, Oracle et Amazon AWS. C'est un passage de « construire sa propre centrale électrique » à « signer les meilleurs contrats de location ».

Lectures associées

La narration du BTC en tant qu'« or numérique » a-t-elle échoué ?

**Résumé en français :** L'article aborde la récente chute brutale du Bitcoin (plus de 50% depuis son pic de 2025) pour explorer la solidité de son récit de "l'or numérique". L'auteur développe trois points principaux. **1. La nature de l'actif Bitcoin :** Il est présenté comme une catégorie d'actif nouvelle et potentiellement supérieure à l'or physique en raison de son plafond fixe (21 millions), de sa facilité de transfert et de sa traçabilité sur la blockchain. L'auteur souligne son stade encore précoce (taux de pénétration ~3-4%), similaire à Internet dans les années 2000, ce qui explique une volatilité extrême. **2. Comprendre la correction actuelle :** Cette chute est interprétée comme une vente cyclique prévisible post-halving (2024), amplifiée par un "grand transfert" historique. L'arrivée des ETF a permis aux investisseurs institutionnels d'entrer, incitant les premiers détenteurs (miners, early adopters) à réaliser leurs bénéfices. L'auteur note que l'amplitude des baisses historiques diminue (93% → ~50%), signe d'une maturation et d'une diversification des détenteurs. **3. Perspective à long terme :** Le potentiel est évalué par rapport à la capitalisation boursière de l'or (~20 000 Md$). Même si le Bitcoin n'en captait que 30 à 50%, sa valorisation actuelle (~1 400 Md$) laisse une marge de hausse significative. Le véritable risque n'est pas la disparition du Bitcoin, mais une mauvaise gestion de portefeuille (effet de levier, allocation excessive) ou un manque de conviction qui empêcherait de supporter les fortes volatilités. **Conclusion :** L'auteur compare cette phase à la chute d'Amazon après la bulle internet. La question n'est pas de savoir si le Bitcoin va augmenter, mais si l'investisseur a la structure et la conviction pour survivre aux turbulences. La divergence actuelle entre la performance de l'or et celle du Bitcoin refléterait moins un échec du récit qu'une période nécessaire de transition et de consolidation vers un actif de placement mature.

marsbitIl y a 8 h

La narration du BTC en tant qu'« or numérique » a-t-elle échoué ?

marsbitIl y a 8 h

Le récit du Bitcoin en tant qu'« or numérique » a-t-il échoué ?

L'auteur Jason propose un cadre de réflexion sur le bitcoin, en abordant trois points essentiels. Il voit le bitcoin comme un nouvel actif, une forme de « digital gold » supérieur sur le long terme : offre fixe à 21 millions d'unités, transferabilité facile et vérifiabilité totale via la blockchain. Comparant sa pénétration actuelle (3-4%) à celle d'internet ou du e-commerce à leurs débuts, il souligne son potentiel de croissance, tout en rappelant sa très grande volatilité inhérente à ce stade précoce. Concernant la récente forte baisse (de 126 000 $ à environ 61 000 $), il l'interprète comme une vente cyclique attendue après le pic post-réduction de moitié (« halving ») de 2024, et surtout comme un « grand transfert » historique des premiers détenteurs vers les nouveaux investisseurs institutionnels via les ETF. Il note que l'amplitude des corrections historiques diminue (de -93% en 2011 à -50% actuellement), signe d'une maturité croissante de l'actif. Sur le long terme, en comparant la capitalisation du bitcoin (environ 7% de celle de l'or), il estime que son potentiel de hausse reste important si le récit d'« or numérique » se réalise, même partiellement. Il met cependant en garde : le risque principal n'est pas que le bitcoin échoue, mais une mauvaise gestion du portefeuille (position trop importante, effet de levier) ou un manque de compréhension profonde de l'actif, qui pourraient forcer une sortie prématurée lors des fortes corrections. La clé, comme pour Amazon après l'éclatement de la bulle internet, est de « survivre » assez longtemps pour bénéficier de la tendance à long terme.

链捕手Il y a 8 h

Le récit du Bitcoin en tant qu'« or numérique » a-t-il échoué ?

链捕手Il y a 8 h

Du code à la cognition : un guide de dix mille mots sur l'évolution du cerveau robotique

Auteur: Matt White, CTO AI mondial de la Linux Foundation. Compilé par: Felix, PANews. Cette longue exploration retrace l'évolution de l'intelligence des robots, des systèmes classiques codés à la main aux approches modernes fondées sur l'IA. **L'ère pré-LLM** était dominée par une pile logicielle modulaire (perception, estimation d'état, planification, contrôle) et des arbres de comportement, prévisible mais peu adaptable. **L'apprentissage automatique** a ensuite révolutionné la perception (réseaux neuronaux) et le contrôle (apprentissage par renforcement, imitation), mais chaque compétence restait étroite et spécifique. **L'avènement des LLM** a introduit un planificateur en langage naturel, capable de décomposer une instruction en séquences d'actions atomiques exécutées par des contrôleurs existants (ex: SayCan de Google). Le saut suivant fut les **modèles Vision-Langage-Action (VLA)**, comme RT-2 de DeepMind ou OpenVLA. Ces réseaux de neurones unifiés fusionnent flux visuel et instruction linguistique pour générer directement des commandes motrices, couplant raisonnement et action. Les architectures les plus performantes, comme le GR00T de NVIDIA ou Helix de Figure AI, adoptent une **stratégie à "deux cerveaux"** : un système 2 lent (VLA, ~7-9 Hz) pour la réflexion et un système 1 rapide (~200 Hz) pour l'exécution réactive, avec parfois un système 0 réflexe pour l'équilibre. Les calculs critiques s'exécutent localement (ex: sur module NVIDIA Jetson) pour la latence et la fiabilité. **L'essor des modèles open-source** (OpenVLA, GR00T N1.7, π0) est crucial, permettant aux startups de raffiner des bases pré-entraînées avec leurs propres données, accélérant le développement et favorisant l'audit de sécurité. Cependant, des défis persistent : récupération après erreur, efficacité des données, généralisation entre corps robotiques, planification à long terme et raisonnement physique/spatial. C'est là qu'interviennent les **modèles du monde (World Models)**, comme NVIDIA Cosmos ou Meta V-JEPA 2. Ces réseaux prédisent les conséquences futures d'une action (simulant une vidéo). Ils permettent au robot d'évaluer mentalement plusieurs scénarios avant d'agir, améliorant la reprise, la généralisation et la planification. Différentes approches architecturales coexistent (diffusion de pixels, JEPA, modèles à actions latentes). L'acquisition de **données** (téléopération) reste un gouffre clé. La simulation (Isaac Sim) permet un entraînement massif. Les coûts matériels chutent rapidement (ex: robots humanoïdes à ~2500$). Les modes de défaillance des robots pilotés par LLM peuvent être étranges, nécessitant des contraintes de sécurité. En conclusion, l'intelligence robotique migre progressivement du code des ingénieurs vers des modèles apprenant le monde lui-même. Nous en sommes à une phase de progression constante (analogue à GPT-2 pour l'IA physique), promettant à terme des robots bien plus généraux et adaptatifs. La question évolue de "que peuvent-ils faire ?" vers "que devrions-nous leur faire faire ?".

marsbitIl y a 9 h

Du code à la cognition : un guide de dix mille mots sur l'évolution du cerveau robotique

marsbitIl y a 9 h

Trading

Spot
Futures
活动图片