Alors que les géants technologiques continuent d'investir massivement dans les infrastructures d'intelligence artificielle, Arthur Mensch, cofondateur de Mistral AI, a livré plusieurs réflexions intéressantes pour les investisseurs dans un entretien accordé à Harry Stebbings. Selon lui, le développement de l'IA se heurte aujourd'hui à deux contraintes majeures : la disponibilité de puissance de calcul et l'accès à des données de qualité.
Contrairement à une idée de plus en plus répandue à Wall Street, Arthur Mensch, cofondateur de Mistral AI, estime que l'électricité ne devrait pas constituer le principal frein au développement de l'intelligence artificielle avant 2029-2030. Dans un entretien accordé à Harry Stebbings, le dirigeant français rappelle que l'énergie ne représente qu'environ 10% du coût total des infrastructures de calcul, loin derrière les semi-conducteurs et le coût du capital.
Pour l'heure, c'est surtout l'accès aux GPU qui limite les capacités de développement des entreprises spécialisées dans l'IA. Mensch évoque notamment des applications dont les besoins passent de quelques GPU à plusieurs milliers une fois déployées à grande échelle. Une dynamique qui pourrait continuer d'alimenter la demande de puissance de calcul, à mesure que les applications d'IA se généralisent dans l'économie.
Cette demande considérable ne garantit toutefois pas la rentabilité des fournisseurs d'infrastructures. Interrogé sur les difficultés boursières de CoreWeave et Nebius, le dirigeant souligne les dangers d'un recours excessif à l'endettement pour financer des équipements coûteux, soumis à une obsolescence technologique rapide.
Mais l'observation la plus intéressante de Mensch concerne probablement un second goulet d'étranglement beaucoup moins médiatisé : la disponibilité de données de haute qualité. Selon lui, améliorer les performances de l'IA dans des domaines complexes, comme la conception de semi-conducteurs ou l'ingénierie industrielle, nécessite des données spécialisées et des environnements d'entraînement adaptés. Or, contrairement à la puissance de calcul, ces ressources ne peuvent pas être multipliées simplement en augmentant les investissements.
Cette distinction pourrait progressivement modifier la répartition de la valeur dans l'industrie. Si la puissance de calcul venait à se banaliser et ses marges à se comprimer, les entreprises disposant de données propriétaires difficiles à reproduire, notamment dans les logiciels industriels, la simulation ou l'ingénierie, pourraient capter une part croissante de la valeur créée par l'IA. À mesure que les modèles gagnent en sophistication, certaines entreprises pourraient ainsi découvrir une nouvelle source de revenus dans la commercialisation de leurs données industrielles, scientifiques ou techniques, jusqu'ici réservées à leur usage interne.
Copyright (c) 2026 Zonebourse.com - All rights reserved.
