Le PDG de Perplexity déclare que le gagnant de l'IA sera déterminé par la valeur par watt

Perplexity AI CEO Aravind Srinivas a déclaré lors d'une interview avec CNBC le 3 juin 2026 que l'avenir de la compétition en intelligence artificielle sera déterminé par une seule métrique axée sur l'efficacité. Il a soutenu que la principale entreprise d'IA sera celle qui fournira la "valeur la plus prise par watt par utilisateur." Ce cadre déplace l'axe concurrentiel de l'échelle pure des modèles vers une utilité durable, liant directement le bénéfice utilisateur à la consommation d'énergie et au coût opérationnel.

Contexte — [pourquoi la métrique de valeur par watt est importante maintenant]

L'industrie de l'IA est confrontée à une grave crise de coût computationnel. Former des modèles de pointe comme GPT-4 a nécessité environ 50 GWh d'énergie, un chiffre qui rivalise avec la consommation annuelle de milliers de ménages. Les coûts d'inférence, la dépense liée à l'exécution des modèles pour les utilisateurs, sont désormais le principal goulot d'étranglement pour la rentabilité. Cette pression sur les coûts est exacerbée par la demande croissante pour des mémoires à large bande et des puces d'IA spécialisées, créant un environnement de rareté rappelant les précédentes compressions de matières premières dans le secteur des semi-conducteurs entre 2021 et 2023.

Les grandes entreprises technologiques prennent des engagements d'investissement en capital sans précédent pour sécuriser leur infrastructure d'IA. Au T1 2026, les dépenses en capital liées à l'IA de Microsoft, Google et Amazon ont dépassé 40 milliards de dollars. Cette course aux dépenses est insoutenable sans un chemin clair vers la monétisation qui dépasse les dépenses opérationnelles. La métrique de Srinivas fournit une formule tangible pour mesurer le retour sur cet investissement immense, allant au-delà des métriques de vanité comme le volume total de requêtes ou le nombre de paramètres des modèles.

Le catalyseur de cette réévaluation est le plafonnement de la croissance des applications d'IA destinées aux consommateurs. Les taux d'adoption des assistants IA ont ralenti d'un trimestre à l'autre, tandis que les acheteurs d'entreprise exigent des calculs de retour sur investissement plus clairs. Le marché passe d'un accent sur la possibilité technologique à la viabilité économique. Cette transition reflète la consolidation de l'informatique en nuage de la fin des années 2010, où l'efficacité et le contrôle des coûts sont devenus les principaux avantages concurrentiels après une période initiale d'expansion rapide.

Données — [ce que les chiffres montrent]

Les enjeux financiers de l'efficacité de l'IA sont quantifiables. La division GPU des centres de données de Nvidia a rapporté un chiffre d'affaires de 47,5 milliards de dollars au cours de l'année fiscale dernière, soulignant l'immense investissement matériel. Le coût opérationnel pour une seule requête d'IA peut varier de 0,01 $ pour une tâche simple à plus de 0,10 $ pour un raisonnement complexe, créant un défi de marge significatif à grande échelle. Le marché mondial de l'IA devrait atteindre 1,85 trillion de dollars d'ici 2030, mais la rentabilité dépend de la compression de ces coûts opérationnels.

Métrique	Moyenne actuelle de l'industrie	Objectif de rentabilité
Coût par requête	~0,05 $	<0,01 $
Requêtes par heure GPU	1 000	10 000+
Engagement utilisateur (minutes/séance)	3,5	8,0

La consommation d'énergie est un intrant critique. Un seul cluster de centre de données pour l'inférence d'IA peut consommer plus de 50 mégawatts, comparable à une petite ville. À un tarif d'électricité industriel moyen de 0,07 $ par kWh, le coût énergétique quotidien pour une telle installation dépasse 80 000 $. Cela se compare à l'efficacité énergétique de l'informatique en nuage traditionnelle, où la requête de recherche standard de Google consomme environ 0,0003 kWh d'énergie, une référence que les services d'IA sont loin d'atteindre.

Les valorisations sur le marché public reflètent ce fossé d'efficacité. Des entreprises comme Snowflake et Databricks, qui mettent l'accent sur le traitement efficace des données, se négocient à des multiples de revenus 30 % plus élevés que certains startups d'IA pures qui brûlent de l'argent sur l'inférence. L'indice S&P 500 des technologies de l'information est en hausse de 12 % depuis le début de l'année, mais un sous-indice des fournisseurs d'infrastructure d'IA a sous-performé, ne gagnant que 7 % alors que les investisseurs examinent les structures de coûts.

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

Le cadre de valeur par watt crée des gagnants et des perdants clairs à travers la chaîne d'approvisionnement technologique. Les fabricants de semi-conducteurs axés sur l'efficacité énergétique, comme ARM Holdings, devraient en bénéficier alors que la pression monte pour réduire les watts par calcul. Les concepteurs de puces d'IA comme Nvidia font face à une demande accrue pour leurs GPU Blackwell de nouvelle génération, qui promettent une amélioration de 4x de l'efficacité d'entraînement et un boost de 30x des performances d'inférence par rapport aux générations précédentes. Les fournisseurs de cloud Azure, AWS et Google Cloud sont incités à optimiser leur consommation d'énergie dans les centres de données, ce qui pourrait augmenter les marges de 300 à 500 points de base s'ils mènent en efficacité.

Inversement, les entreprises qui dépendent de modèles moins efficaces et plus volumineux sans voies de monétisation claires font face à des risques significatifs. Les startups avec des taux de combustion élevés et de faibles métriques d'engagement des utilisateurs sont particulièrement vulnérables à une crise de financement. Le cadre implique également une consolidation, car atteindre une échelle dans le calcul économe en énergie favorise les acteurs bien capitalisés. Un contre-argument existe selon lequel des capacités révolutionnaires, et pas seulement l'efficacité, peuvent encore définir un gagnant sur le marché, comme le montre le lancement initial de ChatGPT par OpenAI, qui a priorisé la capacité sur le coût.

Le positionnement sur le marché montre que les flux institutionnels se déplacent vers des entreprises avec des données propriétaires et une intégration verticale, ce qui peut générer une valeur plus élevée par interaction utilisateur. Les fonds spéculatifs établissent des positions longues dans des fabricants d'équipements de semi-conducteurs comme ASML et Applied Materials, pariant que la quête d'efficacité accélère l'adoption de l'emballage de puces avancées et de la lithographie. L'intérêt à découvert a augmenté dans des entreprises de logiciels d'IA très valorisées dont le coût des revenus dépasse 60 % des ventes.

Perspectives — [ce qu'il faut surveiller ensuite]

Le prochain catalyseur majeur pour la course à l'efficacité de l'IA est la conférence GTC de Nvidia prévue pour le 15-17 septembre 2026, où d'autres détails sur l'adoption des GPU Blackwell et des benchmarks de performance sont attendus. La conférence Build de Microsoft les 20-22 mai sera cruciale pour observer les optimisations au niveau logiciel pour son écosystème Copilot, qui sert de banc d'essai à grande échelle pour les métriques de valeur par watt. Google I/O le 10 juin se concentrera probablement sur les réductions de coûts d'inférence du modèle Gemini.

Les niveaux clés à surveiller incluent les prévisions agrégées des dépenses en capital des trois principaux fournisseurs de cloud pour le T3 2026 ; une réduction signalerait un pivot stratégique vers l'efficacité plutôt que l'expansion. La consommation d'énergie des principaux services d'IA, mesurée en watts par session utilisateur, deviendra un nouvel indicateur clé de performance pour les analystes. Surveillez les niveaux de support pour le Global X Robotics & Artificial Intelligence ETF (BOTZ) au point de prix de 28,50 $, une baisse de 15 % par rapport aux niveaux actuels qui indiquerait un sentiment dégradé envers les stratégies d'IA intensives en liquidités.

Les développements réglementaires posent un risque conditionnel. La loi sur l'IA de l'Union européenne, entièrement applicable en 2026, inclut des dispositions pour le reporting de la consommation d'énergie des systèmes d'IA à haut risque. Des exigences de reporting plus strictes pourraient forcer la transparence qui désavantage les modèles inefficaces. Le Département de l'énergie des États-Unis devrait publier des lignes directrices sur l'efficacité des centres de données au T4 2026, ce qui pourrait influencer les investissements dans l'allocation de puissance et les infrastructures de refroidissement.

Questions Fréquemment Posées

Que signifie la valeur par watt par utilisateur pour les investisseurs en actions d'IA ?

La valeur par watt par utilisateur représente un indicateur clé de la rentabilité potentielle des entreprises d'IA. Les investisseurs devraient surveiller cette métrique pour évaluer la capacité d'une entreprise à générer des revenus tout en contrôlant ses coûts d'énergie et d'opération.