Longtemps réservées aux joueurs et aux laboratoires, les puces graphiques sont devenues l’une des infrastructures clés de l’économie numérique.

Le GPU n’est plus seulement cette carte graphique qui permettait d’afficher des jeux vidéo plus fluides ou de faire tourner des logiciels de modélisation. En quelques années, il est devenu l’un des composants les plus recherchés de l’économie mondiale, au même titre que les centres de données, les fibres optiques ou les réseaux électriques. L’essor de l’intelligence artificielle générative a transformé ces puces spécialisées en actifs stratégiques : sans elles, pas d’entraînement massif de modèles, pas d’inférence à grande échelle, pas de nouveaux services automatisés capables de répondre en temps réel. Pour les investisseurs, la question n’est donc plus seulement technologique. Elle devient économique : quels avantages peut-on attendre d’une exposition aux GPU, et à quelles conditions cette thématique peut-elle créer de la valeur ?

Pourquoi les GPU attirent désormais les capitaux

Le premier avantage attendu tient à la profondeur de la demande. Les GPU sont particulièrement efficaces pour effectuer de nombreux calculs en parallèle, là où les processeurs classiques, ou CPU, traitent davantage les opérations de manière séquentielle. Cette caractéristique les rend indispensables à l’apprentissage profond, à la simulation scientifique, au rendu 3D, à la recherche pharmaceutique ou encore à l’analyse de grandes masses de données.

La poussée récente vient surtout de l’IA générative. Les grands modèles de langage, les outils de création d’images et les assistants professionnels nécessitent des capacités de calcul considérables. Les géants du cloud, comme Microsoft, Amazon, Google ou Oracle, multiplient les investissements dans les centres de données équipés de puces haut de gamme. Nvidia, devenu l’acteur dominant de cette chaîne de valeur, a vu son chiffre d’affaires annuel plus que doubler sur l’exercice clos début 2024, porté par la demande des centres de données. Ce signal est important : il montre que les dépenses ne viennent pas seulement d’un engouement spéculatif, mais de commandes industrielles massives.

Un investissement dans une infrastructure, pas seulement dans une technologie

L’un des attraits des GPU est qu’ils s’inscrivent dans une logique d’infrastructure. Comme les antennes télécoms au moment du déploiement de la 4G, ou les entrepôts logistiques avec l’essor du commerce en ligne, ils constituent un maillon physique nécessaire à une transformation plus large. Les entreprises qui veulent automatiser leurs processus, personnaliser leurs services ou accélérer leur recherche ont besoin de puissance de calcul disponible, fiable et rapidement mobilisable.

Cette dimension change la lecture financière. Investir dans les GPU ne signifie pas uniquement miser sur une puce en particulier, mais s’exposer à une demande de calcul qui pourrait rester élevée si l’IA s’intègre durablement aux logiciels, à l’industrie et aux services. À mesure que les modèles se généralisent, le besoin ne concerne plus seulement l’entraînement initial, très coûteux, mais aussi l’utilisation quotidienne des modèles, appelée inférence. C’est là que le marché peut gagner en profondeur : chaque requête, chaque image générée, chaque recommandation personnalisée consomme une fraction de capacité informatique.

Des formes d’exposition plus variées qu’il n’y paraît

Pour un investisseur, l’exposition aux GPU peut prendre plusieurs formes. La plus évidente passe par les actions cotées des fabricants de puces, des fournisseurs de mémoire, des concepteurs d’équipements de serveurs ou des grands exploitants de centres de données. Cette approche offre de la liquidité, mais elle expose aussi aux valorisations parfois exigeantes des marchés boursiers, surtout lorsque les anticipations de croissance sont déjà intégrées dans les cours.

Une autre voie consiste à regarder les entreprises qui achètent, installent et louent de la capacité de calcul. Le modèle ressemble davantage à celui d’un actif productif : le matériel est acquis, raccordé à une infrastructure électrique et réseau, puis mis à disposition de clients qui paient pour l’utiliser. Cette financiarisation attire aussi des acteurs spécialisés, comme pictor-finance.com, positionné sur l’univers des GPU. L’intérêt de cette approche est de rapprocher l’investissement d’un usage mesurable : taux d’occupation des machines, prix de location de la puissance de calcul, durée de vie économique du matériel et coûts d’exploitation.

La rareté peut soutenir les rendements, mais elle n’est pas garantie

L’avantage le plus souvent cité est la rareté. Les GPU les plus avancés dépendent d’une chaîne d’approvisionnement complexe : conception de puces, gravure chez des fondeurs comme TSMC, mémoire à haute bande passante, packaging avancé, cartes serveurs, intégration dans des centres de données. Le moindre goulot d’étranglement peut allonger les délais de livraison et soutenir les prix de la capacité disponible.

Cette rareté a été particulièrement visible après le lancement des premiers grands services d’IA générative accessibles au public. Les entreprises cherchaient à sécuriser des volumes de calcul, parfois plusieurs mois à l’avance. Dans ce contexte, détenir ou financer des GPU pouvait apparaître comme une façon de capter une partie de la valeur créée par la demande excédentaire. Mais cet avantage doit être nuancé. La production augmente, les architectures évoluent, et les grands clients négocient directement avec les fabricants. Une situation de tension peut donc se normaliser, surtout si l’offre rattrape la demande ou si des modèles plus efficaces réduisent les besoins unitaires en calcul.

Une diversification liée à plusieurs cycles de croissance

L’investissement dans les GPU ne repose pas uniquement sur l’IA conversationnelle, même si celle-ci domine l’actualité. Les mêmes capacités de calcul servent à la conduite autonome, à la robotique, à l’imagerie médicale, à la cybersécurité, à la finance quantitative, à la recherche climatique ou à la création audiovisuelle. Cette diversité d’usages peut constituer un avantage : elle limite la dépendance à une seule application et ancre les GPU dans plusieurs cycles de croissance technologique.

Le marché reste toutefois très concentré. Nvidia occupe une position dominante dans les GPU haut de gamme destinés à l’IA, notamment grâce à son écosystème logiciel CUDA, largement adopté par les développeurs. AMD tente de gagner des parts de marché, tandis que les grands groupes technologiques développent leurs propres accélérateurs, comme les TPU de Google ou les puces Trainium d’Amazon. Pour l’investisseur, cette concurrence est ambivalente. Elle peut élargir le marché, réduire les coûts et accélérer l’adoption. Mais elle peut aussi peser sur les marges de certains acteurs et rendre plus difficile l’identification des gagnants à long terme.

Les risques à surveiller avant de miser sur la puissance de calcul

Les avantages potentiels ne doivent pas masquer les risques. Le premier est l’obsolescence. Un GPU performant aujourd’hui peut perdre de sa valeur si une nouvelle génération offre un meilleur rapport puissance-consommation. Dans un secteur où l’efficacité énergétique devient centrale, quelques points de performance par watt peuvent modifier l’équation économique d’un centre de données.

Le deuxième risque concerne les coûts cachés. Un GPU ne produit rien seul : il nécessite de l’électricité, du refroidissement, une connectivité solide, de la maintenance et parfois des compétences rares pour optimiser les charges de travail. Dans les régions où l’énergie est chère ou contrainte, la rentabilité peut varier fortement. Le troisième risque est financier : lorsque les capitaux affluent vers une thématique très médiatisée, les prix des actifs peuvent incorporer des scénarios de croissance trop optimistes. Investir dans les GPU suppose donc de distinguer la réalité industrielle, très robuste, de l’euphorie qui peut entourer certaines valorisations.

Ce que les prochaines années pourraient changer

La prochaine étape du marché pourrait être moins spectaculaire, mais plus structurante. Après la course à l’entraînement des grands modèles, l’enjeu se déplace vers leur déploiement quotidien dans les entreprises. Si les outils d’IA deviennent aussi banals que les logiciels de bureautique ou les services cloud, la demande de calcul pourrait s’installer dans la durée. Les GPU bénéficieraient alors d’un rôle comparable à celui des serveurs dans la première vague d’internet : invisibles pour l’utilisateur final, mais essentiels au fonctionnement de tout l’écosystème.

Pour les investisseurs, l’avantage principal réside dans cette exposition à une infrastructure critique de la numérisation. Les GPU offrent un accès à la croissance de l’IA, mais aussi à une économie plus large de la simulation, de l’automatisation et de la donnée. Le potentiel existe, à condition d’accepter une forte dimension cyclique, technologique et concurrentielle. Les prochaines années départageront les acteurs capables de transformer la puissance de calcul en revenus récurrents de ceux qui auront seulement profité d’un moment de pénurie. C’est précisément cette frontière, entre actif stratégique et actif spéculatif, qui rend le sujet si central pour les marchés.