L'extension des centres de données IA nécessite 2,91 $ par GPU-heure

Une nouvelle analyse de Scotiabank Global Equity Research conclut que les dépenses d'investissement massives derrière les centres de données d'intelligence artificielle rencontrent un obstacle financier précis. Pour un campus de 100 mégawatts dédié à l'exploitation des racks NVL72 de Nvidia, le projet doit générer environ 2,91 $ par GPU-heure pour atteindre un taux de rendement interne sur capitaux propres de 15 %. Ce chiffre, dérivé d'un coût total de projet de 4,03 milliards de dollars, établit une référence concrète à partir de laquelle les prix de calcul IA actuels et futurs seront jugés. Le rapport indique que les taux de location actuels pour la capacité GB200 franchissent cet obstacle, mais une large dispersion dans les coûts des tokens de sortie introduit un risque de marché significatif.

Contexte — pourquoi cela compte maintenant

Le cycle d'investissement hyperscale dans l'infrastructure IA est sans précédent, avec des engagements atteignant maintenant des trillions de dollars. L'analyse de Scotiabank évalue l'ampleur des engagements hors bilan pour ces projets à 2,588 billions de dollars, avec 779 milliards de dollars supplémentaires déjà sur les bilans des entreprises. Cette échelle invite à une comparaison historique avec le boom et l'effondrement de la fibre optique au début des années 2000, où plus de 90 milliards de dollars de dépenses d'investissement entre 1999 et 2001 ont conduit à un excédent de capacité massif et à des faillites généralisées lorsque la croissance de la demande n'a pas répondu aux prévisions. Le contexte macroéconomique actuel de coûts de financement élevés, avec le modèle de Scotiabank supposant un endettement de 8 % pendant six ans, augmente la sensibilité de ces projets au revenu par unité.

Le catalyseur de cette intense attention est la collision d'énormes dépenses d'investissement annoncées avec l'évolution rapide, et dans certains cas la baisse, des coûts d'inférence des modèles IA. La viabilité financière de ces paris de plusieurs milliards de dollars dépend de la stabilité des prix pour la sortie computationnelle qu'ils vendent. L'analyse arrive alors que les principaux fournisseurs de cloud et les opérateurs spécialisés verrouillent des contrats d'achat d'énergie à long terme et commencent à construire des installations, rendant le calcul du retour une préoccupation immédiate pour les investisseurs en actions et en crédit. La question centrale est de savoir si la croissance de la demande peut dépasser la pression déflationniste sur les prix des tokens.

Données — ce que les chiffres montrent

L'analyse approfondie de Scotiabank fournit une répartition granulaire des coûts pour un campus d'inférence hypothétique de 100 MW. Le coût total du projet capex est de 4,03 milliards de dollars, soit 40,3 millions de dollars par mégawatt de charge informatique critique. Cela se divise en équipements informatiques, qui représentent 64 % du coût à 3,0 millions de dollars par rack NVL72, et l'installation physique, qui constitue les 36 % restants à 14,5 millions de dollars par MW. Le modèle suppose que 70 % du capex est financé par la dette à un taux d'intérêt de 8,0 % sur une durée de six ans et attribue une valeur résiduelle de 15 % aux équipements informatiques après cette période.

Le seuil dérivé de 2,91 $ par GPU-heure se traduit directement par un coût par token de sortie. À ce taux, le modèle équivaut à 0,81 $ par million de tokens de sortie. Cela crée une comparaison frappante avec les prix actuels du marché. Les coûts des API en modèle fermé pour les tokens de sortie varient de 1,50 $ pour le Gemini 3.1 Flash-Lite de Google à 15 $ pour un modèle comme GPT 5.4. Cependant, la pression concurrentielle est évidente avec des modèles comme DeepSeek V4 Flash, dont le prix se situe entre 0,28 $ et 0,66 $ par million de tokens, et Ox Alpha, qui approche apparemment 0,50 $. Le rapport identifie également un coût d'exploitation critique de 0,52 $ par GPU-heure, en dessous duquel il devient économiquement rationnel d'éteindre les serveurs.

Indicateur	Seuil de Scotiabank	Plage actuelle du marché
Coût par GPU-Hour	2,91 $	N/A (Location)
Coût par million de tokens de sortie	0,81 $	0,28 $ - 15,00 $
Plancher de coût en espèces (par GPU-Hour)	0,52 $ (Opex)	N/A

Le scénario pessimiste repose sur le risque locataire. Le modèle montre que si un grand locataire comme OpenAI ou Anthropic faisait défaut, un prêteur pourrait saisir une installation et l'exploiter à un coût en espèces de seulement 0,53 $ par GPU-heure, inondant le marché au comptant avec des capacités de calcul bon marché. Cette dynamique rappelle la crise de la fibre optique, où la demande contractée s'est évaporée et l'excédent de capacité a écrasé les prix pour tous les acteurs restants.

Analyse — ce que cela signifie pour les marchés / secteurs / tickers

Le principal bénéficiaire de ce cycle de capitaux reste Nvidia (NVDA), qui capte une part importante des 3,0 millions de dollars par rack de dépenses en équipements informatiques. L'analyse renforce la position dominante de NVDA dans la pile matérielle d'entraînement et d'inférence. Des entreprises comme Google (GOOGL), Microsoft (MSFT) et Amazon (AMZN), qui sont à la fois locataires et opérateurs, font face à un calcul complexe. Leurs investissements massifs doivent générer de véritables bénéfices supplémentaires pour justifier leurs valorisations ; si les projets franchissent à peine les seuils d'investissement, les bénéfices par action pourraient entrer dans une période de dévaluation, entraînant des prix d'actions stagnants pendant des années — une transition classique d'une entreprise à haut rendement vers une entreprise intensive en capital.

Les REIT de centres de données spécialisés et les constructeurs d'infrastructure bénéficient des dépenses de 14,5 millions de dollars par MW pour les installations, mais portent un risque locataire concentré. Les prêteurs fournissant 70 % du financement de projet, généralement de grandes banques d'investissement et des fonds de crédit privés, sont exposés à un risque de crédit corrélé entre locataires, développeurs et propriétaires d'infrastructure. Un contre-argument clé est que la demande croissante pour l'inférence IA pourrait absorber toute la nouvelle capacité même à des prix inférieurs, maintenant l'économie des projets. Cependant, la limitation reconnue est la sensibilité du modèle : Scotia note qu'une plage de prix contractuels entre 2,50 $ et 3,50 $ par GPU-heure sépare l'échec du projet du succès sur les tests de retour et de couverture de la dette.

Les données de position montrent des flux institutionnels fortement dirigés vers des ETF de semi-conducteurs et d'infrastructure, tandis que l'intérêt à découvert augmente pour certains noms de logiciels IA purs perçus comme vulnérables à la compression des prix. Le financement circulaire mis en avant — où les engagements hyperscale soutiennent la dette de projet — crée un lien systémique qui pourrait amplifier un ralentissement si les prix des tokens affaiblissent le crédit des locataires.

Perspectives — ce qu'il faut surveiller ensuite

Les catalyseurs immédiats incluent le prochain rapport de résultats de Nvidia, prévu fin août 2026, qui fournira des prévisions de revenus des centres de données mises à jour et des commentaires sur les délais de montée en puissance de GB200. La réunion du FOMC de la Réserve fédérale de septembre 2026 sera cruciale pour l'hypothèse de coût de financement de 8 % ; un environnement de taux soutenu plus élevé exerce une pression sur tous les projets à effet de levier. Les participants au marché doivent surveiller les appels de résultats trimestriels des principaux fournisseurs de cloud pour tout changement dans les prévisions de dépenses d'investissement ou les mentions de pressions sur les prix du calcul IA.

Les niveaux clés à surveiller sont les taux spot et contractuels pour les locations de clusters GB200. Un maintien des prix au-dessus du niveau de 3,50 $ par GPU-heure validerait la vague d'investissement actuelle, tandis qu'une rupture en dessous de 2,50 $ signalerait un stress émergent. Les observateurs doivent également suivre la valeur du marché secondaire des clusters GPU de génération précédente, comme le H100, en tant qu'indicateur avancé des valeurs résiduelles des équipements. Les délais de livraison des transformateurs et des turbines électriques, souvent prolongés de 18 à 24 mois, détermineront si la capacité annoncée peut physiquement être mise en ligne comme prévu.

Questions Fréquemment Posées

Que signifie le chiffre de 2,91 $ par GPU-heure pour les startups IA ?

Pour les startups IA s'appuyant sur l'inférence louée, ce chiffre représente le coût d'infrastructure sous-jacent que les fournisseurs doivent couvrir. Si les fournisseurs parviennent à facturer des tarifs supérieurs à ce seuil, les startups font face à des factures de calcul stables ou en hausse. Cependant, si une offre concurrentielle ou en détresse pousse les tarifs du marché vers le plancher de coût en espèces de 0,53 $, les startups pourraient voir leurs coûts d'entrée diminuer considérablement. Cela bifurque le risque : les startups bien financées peuvent verrouiller des contrats à long terme, tandis que d'autres parient sur la volatilité du marché au comptant. La large plage de prix des tokens de 0,28 $ à 15 $ crée un terrain de jeu inégal basé sur l'efficacité du modèle et les marges des fournisseurs.