Les données d'a16z montrent des dépenses en tokens IA en hausse de 122 % à 160 % malgré un effondrement de 67 % des cours, signe d'une adoption développeur agressive en pleine crise du coût de calcul. Ce découplage structurel — demande d'inférence supérieure à la valorisation spéculative — voit la rentabilité des protocoles menacée par la flambée des coûts GPU et la vélocité des tokens érodée.
Les conclusions d'a16z exposent une dynamique classique de phase d'infrastructure : les capitaux affluent vers des primitives gourmandes en calcul avant que les modèles de revenus durables ne mûrissent. Historiquement, des schémas similaires ont précédé le boom des ICO de 2017 et l'été DeFi de 2020, où les métriques d'usage se sont découplées de la valeur des tokens pendant des trimestres. Aujourd'hui, le catalyseur est l'inférence de grands modèles de langage — spécifiquement, le coût marginal des heures GPU — qui dicte désormais le plancher d'utilité des tokens IA. Les gérants notent que cela rappelle l'économie du cloud computing naissant, où Michael Saylor de MicroStrategy comparait fameusement la dépense énergétique du Bitcoin à l'intensité capitalistique d'AWS, arguant que les trésoreries de protocoles doivent in fine capter la marge sur le calcul pour justifier leur valorisation.
Chocs de marché : trois canaux de transmission
La hausse des dépenses se propage par trois canaux. Premièrement, l'élasticité de la demande GPU se resserre : les délais d'approvisionnement des Nvidia H100 s'allongent, renchérissant l'inférence et forçant les protocoles IA à soit subventionner l'usage via des émissions de tokens — diluant les détenteurs — soit relever les frais, au risque de faire fuir les développeurs. Deuxièmement, la vélocité des tokens s'accélère car les projets vendent leurs actifs natifs pour couvrir des factures cloud libellées en fiat, créant une pression vendeuse persistante décorrélée des fondamentaux du réseau. Troisièmement, le recyclage du capital-risque s'intensifie ; a16z et ses pairs déploient du capital de suivi dans leurs sociétés de portefeuille pour sécuriser des allocations GPU, subventionnant de fait la demande côté de leurs propres investissements en tokens.
« Lorsque le calcul devient le coût marginal du revenu, les modèles de tokens passent d'actifs spéculatifs à instruments de fonds de roulement. Les protocoles qui survivront seront ceux qui traitent les heures GPU comme des stocks, et non comme des frais généraux. »
Les marchés de crédit signalent des tensions : les réseaux de calcul décentralisés comme Akash et Render affichent des taux d'utilisation supérieurs à 85 %, pourtant leurs tokens s'échangent 60-70 % sous leurs sommets 2024. Cette dislocation suggère que les investisseurs en actions valorisent l'infrastructure IA comme un pari sur le cloud public — revenus récurrents, clients captifs — tandis que les marchés de tokens la traitent comme une option d'achat spéculative sur les échéances de l'AGI. L'arbitrage ne se résorbera que lorsque les protocoles prouveront leur capacité à facturer des primes d'inférence au-dessus des taux GPU au comptant.
Points clés pour l'investisseur
- Surveiller : les prix au comptant des Nvidia H100 et les données de délais d'approvisionnement chez les grands cloud providers ; une baisse durable sous 2,50 $/heure signalerait un assouplissement des contraintes de calcul et une potentielle expansion des marges pour les protocoles IA.
- Anticiper : des calendriers d'émission de tokens accélérés sur les principaux projets IA sur les deux prochains trimestres, les trésoreries finançant l'achat de GPU, diluant les détenteurs non-staking sauf activation des commutateurs de frais.
- Évaluer : l'économie unitaire au niveau protocole — spécifiquement, revenu par appel d'inférence versus coût GPU complet — pour distinguer les infrastructures viables des fermes à tokens dépendantes des subventions.
- Envisager : de couvrir l'exposition aux tokens IA via des positions longues sur actions Nvidia/AMD ou ETF semiconducteurs ; la couche de calcul capture la valeur quel que soit le token de couche applicative qui l'emporte.
Questions fréquentes
Pourquoi les dépenses en tokens IA augmentent-elles alors que les cours chutent de 67 % ?
L'activité développeurs et la demande d'inférence croissent exponentiellement, portées par le déploiement réel d'applications IA. Cependant, les cours reflètent la liquidation spéculative et de lourdes émissions utilisées pour subventionner les coûts GPU, créant un découplage temporaire entre usage et valorisation d'actifs.
Les protocoles IA peuvent-ils être rentables avec les coûts GPU actuels ?
La rentabilité marginale exige soit un pouvoir de fixation des prix d'inférence au-dessus des taux GPU au comptant, soit une appréciation des tokens pour compenser les factures de calcul libellées en fiat. La plupart des protocoles opèrent actuellement à perte, financés par le capital-risque ; la viabilité dépend de l'adoption entreprise verrouillant des contrats pluriannuels à tarifs majorés.