L'IA facilitera-t-elle ou entravera-t-elle la transition vers une économie plus verte ?

L'IA promet de contribuer de manière significative à accélérer la transition vers une économie plus verte. Mais cette révolution technologique en est encore à ses débuts et représente déjà un risque immédiat important pour les ressources de la Terre. À mesure que la demande pour l'IA continue de croître, l'intensité énergétique et l'empreinte carbone des centres de données qui soutiennent cette technologie augmentent également. Face à ces défis, comment les investisseurs durables peuvent-ils naviguer efficacement et s'engager avec le thème transformateur de l'IA tout en tenant compte de son impact environnemental ?

L'IA est adoptée au rythme le plus rapide de toutes les technologies de l'histoire

L'IA est adoptée par des entreprises et des particuliers au rythme le plus rapide de toutes les technologies de l'histoire. ChatGPT d'OpenAI a atteint 100 millions d'utilisateurs en un temps record, seulement 2 mois après son lancement en novembre 2022, et compte désormais 180 millions d'utilisateurs, avec 23 % des adultes américains¹ et 92 % des entreprises du Fortune 500² qui utiliseraient apparemment le service. Les solutions IA et les modèles de base qui les alimentent ont progressé rapidement au cours des 18 derniers mois. Au cours des 5 à 10 prochaines années, l'IA devrait transformer l'économie mondiale avec des gains significatifs en matière d'efficacité et de productivité, ainsi que dans nos vies.

ChatGPT a atteint une adoption massive en un temps record

Temps nécessaire pour que diverses applications atteignent 100 millions d'utilisateurs.

Source: Visual Capitalist, Bank of America

L'IA imprègne déjà pratiquement tous les aspects de notre vie, révolutionnant les industries et transformant notre façon de travailler, de vivre et d'interagir. Bien que nous soyons encore aux premiers stades du développement des solutions IA, une large gamme de cas d'utilisation potentiels émerge déjà dans des secteurs tels que la santé (outils de diagnostic alimentés par l'IA), la fabrication (automatisation, maintenance prédictive), le commerce de détail (chaînes d'approvisionnement optimisées et shopping personnalisé), la finance (détection de fraude), la maison (assistants virtuels et appareils intelligents), l'éducation (apprentissage personnalisé et automatisation) et bien d'autres. Les entreprises de logiciels améliorent leur offre en créant des applications d'IA générative pour des cas d'utilisation professionnels et grand public, accélérant ainsi l'adoption de la technologie. Le potentiel de l'IA agentique³ et physique⁴ ne fera qu'élargir les cas d'utilisation et propager l'IA dans toute la société.

L'écosystème de l'IA est vaste et se développe rapidement

La couche d'infrastructure de l'IA comprend le matériel et l'infrastructure cloud nécessaires pour stocker et traiter d'énormes quantités de données afin d'entraîner des modèles d'IA et d'exécuter des tâches d'inférence en temps réel.

• Le matériel d'IA constitue la colonne vertébrale du calcul IA, fournissant des puces spécialisées conçues avec la puissance de traitement nécessaire pour les tâches d'entraînement et d'inférence : Nvidia est le leader incontesté dans ce domaine avec ses GPU Hopper et Blackwell⁵. Plusieurs concurrents tels qu'AMD et la plupart des grandes entreprises technologiques proposent ou développent leurs propres puces d'IA. TSMC, en tant que principal fabricant de semi-conducteurs et avec sa technologie d'emballage avancée CoWoS⁶, est essentiel à la fabrication des puces d'IA. Ce matériel est associé à une couche logicielle (comme CUDA de Nvidia⁷) avec des bibliothèques préconstruites pour aider les développeurs de modèles d'IA.
• Fournisseurs de services cloud (CSP) : Les hyperscalers (tels qu'Amazon Web Services, Google Cloud, Microsoft Azure) permettent aux entreprises de louer du matériel et des logiciels pour l'IA en tant que service, leur permettant ainsi de stocker des données et d'utiliser des outils d'IA sans avoir à investir dans leurs propres GPU, infrastructures et centres de données.
• Infrastructure : Les centres de données IA ont besoin de matériel spécialisé, d'équipements de mise en réseau, de systèmes de refroidissement et d'une infrastructure énergétique robuste pour gérer les demandes de calcul croissantes de l'IA. Cela nécessite des investissements significatifs dans l'infrastructure énergétique, y compris la production d'énergie, le transport, la distribution et les solutions de secours. De plus, des solutions efficaces de gestion de l'énergie sont essentielles pour garantir la disponibilité et la stabilité de l'alimentation électrique.

Investissements trimestriels par hyperscalaire en milliards de dollars

Des dépenses d'investissement record bien attendues, en particulier pour Meta

Source : Bank of America, entreprises - Données Microsoft ajustées pour la base CY

L'infrastructure d'IA connaît des niveaux d'investissements et de développements sans précédent, propulsés par des géants de la technologie tels qu'Alphabet, Meta, Microsoft et Amazon, qui augmentent rapidement leurs dépenses d'investissement (chacune estimée entre 40 et 75 milliards USD pour 2024) dans des serveurs et des centres de données pour répondre à la demande d'IA générative, de grands modèles linguistiques et de services cloud. En 2024, les dépenses totales de ces hyperscalers pourraient atteindre environ 240 milliards USD (selon Jefferies, plus d'un cinquième des dépenses en capital totales du S&P 500), soit une augmentation significative par rapport à 148 milliards USD en 2023. Ces investissements devraient continuer à s'accélérer à court terme, avec des dépenses d'investissement combinées des géants de la technologie atteignant environ 300 milliards USD en 2025, avec un accent sur des centres de données équipés de GPU haute performance (comme les nouvelles puces Blackwell de Nvidia), leur propre développement de silicium personnalisé et une infrastructure énergétique pour soutenir les charges de travail d'IA. En 2025, Microsoft seul devrait investir environ 80 milliards USD pour construire des centres de données habilités à l'IA afin d'entraîner des modèles d'IA et de déployer des applications basées sur l'IA et le cloud dans le monde entier.

Source : Bank of America et les sites web d'Alphabet, Meta, Microsoft et Amazon

Investissements dans les actifs et infrastructures liés aux TIC en pourcentage du PIB

États-Unis,  1995-2023

• Modèles fondamentaux et services d'IA générative : La création, le test et le perfectionnement des modèles d'IA sont essentiels pour élaborer des systèmes intelligents pré-entraînés tels que les modèles fondamentaux (le leader étant GPT d'OpenAI), qui peuvent ensuite être ajustés pour diverses applications (traitement du langage naturel, IA générative, etc.). Le célèbre ChatGPT est aujourd'hui le leader des services d'IA générative.⁸