Pantera Capital : 4 grandes opportunités sur le marché de la puissance de calcul
Tapbit WireAuteur : Jay Yu, associé chez Pantera Capital
Compilation : Jiahua, ChainCatcher
Introduction
Les dépenses liées à la puissance de calcul et aux infrastructures de centres de données constituent désormais un marché de mille milliards de dollars, comparable aux dépenses des consommateurs américains, et deviennent progressivement un pilier essentiel de la croissance économique américaine.
Toutefois, à mesure que les agents IA pénètrent progressivement l’économie réelle, la demande de puissance de calcul ne cesse de croître, tandis que les méthodes d’achat de GPU restent très traditionnelles. Bien que des marchés de puissance de calcul comme SF Compute, Vast AI et Runpod aient émergé, l’achat et la vente d’un grand nombre de nœuds GPU se font encore principalement via des chats de groupe, des courtiers de gré à gré et des accords bilatéraux sur mesure.
Actuellement, la puissance de calcul GPU en est encore aux premiers stades de sa financiarisation. Comme l’électricité, la puissance de calcul n’est pas un actif parfaitement homogène : elle dépend de facteurs tels que les modèles de puces, les délais de livraison et les localisations géographiques. Toutefois, dans les 5 à 10 prochaines années, elle devrait progressivement devenir une matière première, à l’instar de l’électricité ou du pétrole, constituant ainsi une ressource clé soutenant le fonctionnement de l’économie mondiale à l’ère de l’IA.
Cet article examine comment le marché de la puissance de calcul pourrait accomplir cette transformation, notamment en s’inspirant du marché de l’électricité, en explorant les structures potentielles de ce marché, les produits développés par le secteur, ainsi que les opportunités et défis liés à la marchandisation de la puissance de calcul.
1. Tirer des enseignements du marché de l’électricité
1.1 Structure du marché de l’électricité
Pour comprendre l’évolution future du marché de la puissance de calcul, commençons par observer sa ressource sous-jacente : le fonctionnement du marché de l’électricité.
Comme la puissance de calcul, l’électricité est aussi un actif hétérogène, doté d’attributs temporels et de centralité, et constitue une base fondamentale pour la croissance économique mondiale.
Depuis les années 1990, le système électrique américain s’est progressivement privatisé. Les entreprises électriques auparavant fortement intégrées verticalement ont commencé à séparer les activités de production, de transport et de distribution.
Des opérateurs de réseau indépendants ont commencé à gérer les systèmes électriques dans différentes régions des États-Unis. Parallèlement, de grands systèmes interconnectés — tels que PJM-West (côte Est), ERCOT North (Texas) et CAISO SP15 (Californie du Sud) — sont devenus des matières premières négociables sur des bourses telles que le CME et l’ICE, formant des références de prix essentielles pour toute la classe d’actifs « électricité ».
Sur le plan physique, le marché de l’électricité peut être schématiquement décrit comme une structure « réseau – opérateurs – nœuds ».
Au niveau supérieur figurent des réseaux régionaux mutuellement indépendants. Sous chaque réseau régional, plusieurs opérateurs de système — notamment des organisations de transport régionales (RTO) et des opérateurs de système indépendants (ISO) — gèrent divers nœuds de sous-station dans leurs zones locales.
Par exemple, à San Francisco, une ville peut être alimentée par plusieurs nœuds de sous-station, tels qu’Embarcadero, Larkin et Mission.
Le prix de l’électricité à chaque nœud n’est pas identique, mais déterminé par un algorithme appelé « tarification marginale locale » (LMP). Cet algorithme intègre la planification de la production, la demande des utilisateurs, les coûts de transport et les lois de circulation de l’électricité pour calculer le prix optimal sous contraintes.
L’algorithme LMP devient un maillon clé reliant la livraison physique d’électricité et les références négociables telles que PJM-West.
Les prix des hubs et les indices du marché de l’électricité sont essentiellement des moyennes pondérées des prix aux nœuds LMP terminaux. Les principales références les plus liquides atteignent finalement une profondeur de marché stable sur des bourses telles que le CME et l’ICE, devenant ainsi des prix de référence pour toute la classe d’actifs « électricité ».
1.2 Structure potentielle du marché de la puissance de calcul
L’observation de l’évolution du marché de l’électricité au cours des 30 dernières années permet d’émettre plusieurs hypothèses sur le marché de la puissance de calcul.
Premièrement, le marché de la puissance de calcul pourrait adopter une structure similaire à celle du marché de l’électricité.
Sur le plan de la livraison physique, la version la plus proche de la structure « réseau, opérateurs, nœuds » du marché de l’électricité serait « matériel, fournisseurs, grappes ».
Tout comme le marché de l’électricité comporte plusieurs réseaux régionaux indépendants, le marché de la puissance de calcul pourrait également se scinder en plusieurs marchés selon les catégories de matériel. Les gammes de puces H100, H200, B200, B300, etc., pourraient chacune disposer de leurs propres références de prix, indépendantes mais interconnectées.
Au niveau des opérateurs, des fournisseurs de puissance de calcul tels qu’AWS, Nebius, CoreWeave, SF Compute et Ornn proposeront des mécanismes tarifaires distincts pour des grappes spécifiques. Ces grappes seront aussi influencées par le temps, la localisation et la référence (SKU), tout comme les différents nœuds du marché de l’électricité.
L’équivalent de l’algorithme LMP dans le marché de la puissance de calcul pourrait être un algorithme d’ordonnancement ou de routage, générant dynamiquement les prix des instances de calcul en fonction de la disponibilité d’une référence donnée.
Dans le marché de l’électricité, les références qui deviennent des prix de référence sectoriels — comme PJM-West, ERCOT-Nord ou CAISO SP15 — sont généralement reliées aux infrastructures physiques de livraison les plus liquides, à l’instar d’autres marchés de matières premières comme celui du pétrole.
À mesure que de nouvelles références émergeront sur le marché de la puissance de calcul, celles qui s’imposeront seront probablement celles connectées à des lieux physiques de livraison hautement liquides.
En outre, sur le marché de l’électricité, les producteurs et les entreprises consommatrices peuvent parfois se couvrir directement sur les bourses d’électricité, mais la plupart des transactions se font encore via des départements de négoce de gré à gré (OTC) gérés par des banques et des sociétés de négoce. Ces entités OTC échangent les prix de règlement aux nœuds contre les prix de règlement aux hubs, réalisant ainsi une marge et se couvrant contre leurs risques.
Une structure de marché similaire pourrait aussi apparaître sur le marché de la puissance de calcul : les véritables parties prenantes — nouveaux fournisseurs de services cloud et entreprises d’IA — pourraient préférer acquérir des références spécifiques via des courtiers plutôt que de se couvrir directement sur des bourses dédiées.
Enfin, le marché de la puissance de calcul pourrait faire face à un risque de base plus sévère que celui du marché de l’électricité.
Selon la loi fédérale américaine sur l’énergie, les prix de gros de l’électricité doivent rester transparents sous la supervision de la Commission fédérale de régulation de l’énergie (FERC). Or, le marché de la puissance de calcul ne connaît actuellement aucune exigence similaire en matière de transparence.
Cela signifie que les prix dynamiques et indices pouvant être établis sur ce marché pourraient reposer uniquement sur son propre carnet d’ordres et sur les données de carnets d’ordres fournies par les nouveaux fournisseurs de services cloud avec lesquels il collabore — collaborations pouvant prendre la forme de partage de revenus, d’achat de données, etc.
2. Structure du marché de la puissance de calcul
2.1 Structure à trois niveaux de la demande d’inférence
Le marché de l’électricité existe parce que le système industriel exige continuellement de l’électricité. De même, la force motrice fondamentale du marché de la puissance de calcul est la demande de jetons, notamment de jetons d’inférence.
La chaîne industrielle actuelle de l’inférence peut être grossièrement divisée en trois niveaux, qui forment collectivement les côtés offre et demande structurels du marché de la puissance de calcul.
Couche des nouveaux fournisseurs de services cloud
Des entreprises comme Nebius et CoreWeave exploitent des centres de données physiques, constituant les vendeurs de GPU.
Couche à la demande
Des plateformes pour développeurs comme Fireworks et Baseten transforment les environnements GPU « bare-metal » en environnements d’utilisation GPU plus complets, permettant aux développeurs d’exécuter directement des tâches ou d’obtenir à tout moment des jetons d’inférence. Cette couche représente les acheteurs de GPU.
Couche applicative
Des applications telles que Cursor, Perplexity et Rime utilisent des plateformes d’inférence pour fournir des produits finaux aux utilisateurs et aux entreprises. Cette couche constitue le côté demande de jetons, dont la demande se traduit par une demande de puissance de calcul GPU.
Bien que chaque entreprise de l’écosystème adopte des stratégies distinctes de gestion des GPU, globalement, les nouveaux fournisseurs de services cloud se situent du côté offre du marché des GPU (position structurelle courte), tandis que la couche à la demande et la couche applicative se situent du côté demande (position structurelle longue).
Par ailleurs, de grands fournisseurs de services cloud comme Amazon et Google gèrent leurs propres produits sur l’ensemble des trois niveaux.
En ce qui concerne la répartition des profits dans la chaîne industrielle, une règle empirique approximative veut que, lorsque des applications haut de gamme dépensent 100 $ en jetons, environ 45 $ vont à la couche à la demande, 50 $ aux nouveaux fournisseurs de services cloud ou à la couche GPU, et les 5 $ restants aux couches de routage, comme OpenRouter.
2.2 Structure du marché des capitaux de puissance de calcul
La structure économique des jetons, propre à chaque acteur de la chaîne industrielle de l’IA, influencera la manière dont le marché des capitaux de puissance de calcul se constituera finalement.
Une structure possible consiste en des échanges, via des courtiers en puissance de calcul et des plateformes de gré à gré (OTC) telles que SF Compute, Runpod et Compute Exchange, entre les plateformes de développeurs et les couches applicatives (côté demande) et les nouveaux fournisseurs de services cloud (côté offre), portant sur des références spécifiques.
Ces courtiers et plateformes OTC géreront ensuite les stocks et assumeront le risque de base entre les références spécifiques exigées par les consommateurs finaux de jetons et le modèle général H200.
Ils peuvent se couvrir via des plateformes de négociation de puissance de calcul telles qu’Architect ou Pluto.
Les prix sur ces plateformes sont fixés à partir d’un indice de référence de puissance de calcul, calculé comme moyenne pondérée des prix figurant dans les livres d’ordres des nouveaux fournisseurs de services cloud et des plateformes OTC qui collaborent avec eux.
2.3 NVIDIA : la « banque centrale » du marché de la puissance de calcul
En outre, NVIDIA a récemment annoncé qu’elle permettrait à la puissance de calcul issue de ses usines d’IA de devenir une « classe d’actifs négociables ».
Dans le système de financiarisation de la puissance de calcul, NVIDIA peut être considérée comme la « banque centrale » du marché de la puissance de calcul, car elle détient presque un monopole sur la pile technologique des GPU.
Les banques centrales poursuivent généralement plusieurs objectifs fondamentaux :
Lutter contre l’inflation dans l’économie ;
Promouvoir le plein emploi ;
Agir en tant que prêteur en dernier ressort en cas de situation extrême.
Dans une certaine mesure, NVIDIA remplit ces trois rôles.
Premièrement, la gestion de l’« inflation ». L’« inflation » dans l’économie des GPU peut être assimilée au cycle d’amortissement des GPU, notamment à la vitesse d’amortissement des puces de dernière génération. En contrôlant le rythme des lancements produits — par exemple avec Vera Rubin —, NVIDIA peut influencer, dans une certaine mesure, le taux d’amortissement des GPU dans le temps.
Deuxièmement, maintenir un taux élevé d’utilisation des GPU. Une forte utilisation des GPU traduit généralement une forte demande du marché pour les jetons, incitant les utilisateurs à acheter davantage de GPU. NVIDIA est donc incitée à promouvoir la financiarisation de la puissance de calcul GPU, rendant les transactions d’heures GPU plus liquides et renforçant ainsi leur taux d’utilisation.
Enfin, agir en tant que prêteur en dernier ressort. NVIDIA a également annoncé qu’elle apporterait un soutien couvrant jusqu’à 25 % de la valeur résiduelle des GPU. Cela constitue une forme de mécanisme de sauvetage ou d’assurance de la valeur des GPU : lorsque de nouveaux fournisseurs de services cloud ou autres fournisseurs de GPU font face à des crises de liquidité, ce soutien protège leur valeur résiduelle.
3. Opportunités et défis sur le marché de la puissance de calcul
3.1 Formes de produits sur le marché de la puissance de calcul
À mesure que la financiarisation du marché de la puissance de calcul progresse, plusieurs types principaux de produits pourraient émerger dans le secteur. Chaque type présente ses propres avantages et défis.
Produit n°1 : Livraison physique
La livraison physique désigne la livraison effective de dispositifs GPU aux utilisateurs finaux ayant besoin de puissance de calcul. Des projets tels que SF Compute, Hyperbolic, Vast, Runpod et Compute Exchange relèvent de cette couche produit. Elle est la plus proche du matériel lui-même et relie directement l’offre et la demande de puissance de calcul.
En raison de l’hétérogénéité élevée des références (SKU) de puissance de calcul, de nombreux projets ont initialement joué un simple rôle d’intermédiaires, percevant des commissions en mettant en relation la demande de GPU avec de nouveaux fournisseurs de services cloud. À long terme, l’objectif de cette couche pourrait être de créer une sorte de « marché au comptant de la puissance de calcul ».
Toutefois, assurer continuellement la qualité de la livraison physique des GPU constitue un défi majeur, surtout pour les projets dont l’approvisionnement provient de réseaux décentralisés. Le marché de la puissance de calcul pourrait avoir besoin d’une agence de notation, similaire à Moody’s, pour certifier la qualité des GPU livrables et favoriser la maturation de cette couche.
Malgré la concurrence intense au niveau de la livraison physique, celle-ci pourrait offrir la « moat » (avantage concurrentiel durable) la plus solide à long terme. Une analyse des marchés du pétrole et de l’électricité montre que les systèmes financiarisés se développent généralement autour des lieux de livraison physique les plus liquides, formant progressivement des indices, des bourses et des produits financiers de prêt.
Ainsi, celui qui parviendra le premier à résoudre le problème de la livraison physique des GPU pourrait engranger des retours marchands significatifs.
Produit deux : Indices
Cette couche concerne principalement les « courbes d’indices » fondées sur la puissance de calcul, notamment les indices de prix lancés par des projets tels qu’Ornn, Silicon Data, Compute Desk et Semianalysis.
L’établissement d’indices constitue une étape clé vers la financiarisation et le négoce d’actifs comme la puissance de calcul. On peut dire que de nombreux débats actuels sur le « marché de la puissance de calcul » s’intensifient à mesure que ces indices mûrissent progressivement. De grandes bourses telles que le CME et l’ICE ont également annoncé des collaborations avec des indices pertinents.
Toutefois, un écart de prix significatif persiste entre de nombreux indices de puissance de calcul et le marché individuel des GPU.
Ce décalage s’explique probablement par deux raisons principales.
Premièrement, les produits sous-jacents eux-mêmes diffèrent : les plateformes de puissance de calcul varient fortement en stabilité, interrompabilité et conditions contractuelles.
Deuxièmement, les livres d’ordres associés aux différents indices ne sont pas identiques, et le marché de la puissance de calcul manque de transparence comparée à d’autres classes d’actifs — par exemple, la FERC exige une transparence sur le marché de l’électricité.
Actuellement, de nombreux indices de puissance de calcul se contentent d’acheter en bloc des données de livres d’ordres auprès de nouveaux fournisseurs de services cloud ou constituent leurs jeux de données initiaux via des accords de coopération et de partage des revenus. Par ailleurs, la capacité de monétisation des couches d’indices autonomes est inférieure à celle des bourses et des couches de livraison physique.
Ainsi, bien que la couche d’indices génère du bruit et joue un rôle essentiel dans le système du marché de la puissance de calcul, elle subit une pression simultanée en amont et en aval :
La couche de livraison physique en amont contrôle l’origine des prix ;
Les bourses en aval souhaitent capter une part des revenus issus des indices.
Produit trois : Plateformes de négoce de produits dérivés
La troisième couche regroupe les plateformes de négoce de produits dérivés, qui proposent généralement des contrats à terme réglés en espèces. Ces plateformes offrent des outils de couverture aux acteurs du marché, fondés sur les indices de puissance de calcul. Liquid Compute et Architect développent des produits similaires.
À long terme, ces plateformes pourraient devenir les produits de monétisation les plus attendus et les plus faciles à déployer dans le système de financiarisation de la puissance de calcul. Toutefois, ce domaine en est encore à ses balbutiements, et les volumes échangés n’ont pas encore atteint une ampleur significative.
En outre, les produits négociables sur ces plateformes à règlement en espèces sont généralement des instances H200 génériques, et non des références spécifiques directement utilisables pour l’inférence. Ainsi, les véritables participants à ces plateformes sont vraisemblablement des plateformes de gré à gré (OTC) et des courtiers en puissance de calcul, plutôt que des entreprises finales de la chaîne industrielle de l’IA. Les premières cherchent à couvrir leurs stocks de puissance de calcul figurant à leur bilan, tandis que les secondes doivent gérer leur exposition à la puissance de calcul.
Produit quatre : Outils de financiarisation
Une catégorie plus large de produits financiarisés pourrait également émerger dans le domaine de la puissance de calcul, afin de soutenir le financement des centres de données et des nouveaux fournisseurs de services cloud. Par exemple, des accords de prêt, Vault ou des stablecoins synthétiques comme USD.AI pourraient aider les centres de données et les nouveaux fournisseurs à achever la construction de leurs infrastructures.
Parallèlement, le marché pourrait aussi voir apparaître des couches de transfert de risque et d’assurance destinées à lisser le risque de base dans l’économie des GPU. L’analyse de ces différents niveaux permet de mieux appréhender la forme complète que prendra potentiellement le marché de la puissance de calcul.
Les gagnants seront des acteurs intégrés capables d’assurer une livraison fiable de GPU physiques. Ils pourront établir des indices de prix à partir de leurs propres livres d’ordres physiques, puis créer des bourses de contrats à terme sur la puissance de calcul, faisant ainsi de celle-ci une classe d’actifs couvrable.
Cependant, la véritable divergence dans le secteur réside dans l’ordre d’apparition des différents produits. Le futur leader démarrera-t-il par la livraison physique, établira-t-il d’abord des indices ou lancera-t-il des plateformes de trading en premier ?
3.2 La frontière de l’économie des jetons de puissance de calcul
Jusqu’à présent, nous avons principalement examiné le marché de la puissance de calcul au niveau des GPU. Toutefois, nous pouvons élargir notre perspective pour observer l’économie plus générale des jetons de puissance de calcul, y compris son évolution historique, ses méthodes de capture de valeur et ses interactions stratégiques avec les laboratoires de modèles avancés.
Historiquement, le marché de la puissance de calcul n’est pas un concept entièrement nouveau. De 2023 à 2024, des projets tels que SF Compute et Hyperbolic ont déjà exploré ce modèle, tandis que des projets décentralisés comme Akash et IONet suivent également des pistes similaires.
Curieusement, de nombreux projets n’ont pas conservé leur position au niveau du marché des GPU. Par exemple, Hyperbolic est devenu par la suite un fournisseur de services d’inférence, vendant directement des jetons ; SF Compute a commencé à signer directement des contrats et à exploiter des grappes de puissance de calcul.
Du point de vue de la chaîne de valeur, la valeur circule depuis des applications IA telles que Cursor, Harvey et Granola, vers des couches de routage comme OpenRouter, puis vers des fournisseurs de services d’inférence tels que Fireworks et Baseten, avant d’atteindre de nouveaux fournisseurs de services cloud et marchés de puissance de calcul comme Nebius, CoreWeave et SF Compute, et enfin les opérateurs de centres de données.
Si une entreprise reste au milieu de la chaîne industrielle, elle risque d’être écrasée à la fois en amont et en aval. Pour préserver une marge bénéficiaire plus stable, elle devra probablement s’étendre vers l’amont ou se développer vers l’aval.
Le marché des jetons offre également une perspective très intéressante en théorie des jeux, marquée par trois forces incontournables.
La première force est NVIDIA, qui contrôle l’offre et la vitesse d’obsolescence des GPU.
La deuxième force est constituée des laboratoires de modèles avancés tels qu’Anthropic et OpenAI, qui lancent continuellement de nouveaux modèles, pouvant ainsi accroître rapidement la demande de jetons.
La troisième force provient des modèles open source tels que Kimi, GLM, DeepSeek et Qwen, qui exercent une pression à la baisse sur les marges bénéficiaires liées à l’inférence.
Ces trois forces génèrent conjointement une dynamique et une pression continues tant sur l’offre que sur la demande dans les marchés des GPU et des jetons. L’un quelconque de ces acteurs pourrait redéfinir entièrement la courbe des prix du marché en lançant un produit majeur.
Par exemple, la sortie de GPT 5.6 pourrait constituer un événement déterminé par des entreprises mais difficile à anticiper pour le marché, déclenchant une réaction en chaîne le long de la chaîne de valeur des jetons IA et provoquant des fluctuations des cours des jetons et des prix du matériel GPU.
Ainsi, une entreprise capable d’opérer à la fois des services d’inférence et le marché du matériel GPU au sein d’un même système pourrait présenter une meilleure viabilité commerciale. Ce modèle permettrait de se prémunir contre les risques liés aux changements de structure des marges bénéficiaires en amont et en aval de la chaîne industrielle.
Conclusion
En regardant l’histoire, les marchés de matières premières comme le pétrole ou l’électricité reposaient initialement sur des transactions bilatérales facilitées par des intermédiaires, avec des processus opaques et un manque de normes unifiées. Avec le temps, la livraison physique a progressivement donné naissance à une série d’accords et d’infrastructures financières — indices, normalisation des échanges, audits de qualité — évoluant finalement vers une classe d’actifs fortement financiarisée.
Aujourd’hui, le marché de la puissance de calcul connaît une transformation similaire. De nombreux projets cherchant à financiariser les outils fondamentaux sont apparus, notamment des indices de puissance de calcul, des bourses à règlement en espèces, des produits de prêt et des produits d’assurance.
Parallèlement, le marché physique des GPU et les fournisseurs de services cloud étendent continuellement leur activité vers l’amont et l’aval de la chaîne industrielle afin de capter l’intégralité de la valeur générée par l’économie des jetons. En tant que ressource fondamentale sous-jacente à toute l’économie de l’IA, la puissance de calcul se transforme progressivement d’une simple infrastructure en un actif financier autonome.
À l’avenir, ce domaine pourrait voir émerger plusieurs licornes couvrant différents niveaux du marché, adoptant divers modèles économiques : fourniture physique de puissance de calcul, services de courtage, prêt, gestion des risques, ainsi que combinaisons avec les marchés de capitaux DeFi et TradFi.
La puissance de calcul pourrait être une nouvelle matière première physique rare depuis des décennies, et nous pourrions assister à sa transformation progressive, depuis des transactions initiales privées jusqu’à une classe d’actifs complète.
