Table de trading de Goldman Sachs : l'achat et la vente basée sur la dynamique pourrait encore prendre plusieurs semaines pour toucher le fond, la narration autour des dépenses d’investissement en IA commence à vaciller

Les modèles d'IA réalisent des performances de pointe avec une puissance de calcul bien inférieure aux attentes du marché, remettant en question une fois de plus le récit selon lequel « seule l’expansion continue des dépenses en capital permet de gagner la compétition sur l’IA ». Le desk de trading One-Delta de Goldman Sachs estime que l'ajustement des stratégies momentum n’est pas encore terminé, mais il n’existe actuellement aucun risque systémique sur les actions américaines : la structure du marché reste résiliente.

Rich Privorotsky, responsable du desk One-Delta de Goldman Sachs, indique que son modèle momentum montre que la correction actuelle des stratégies Momentum pourrait durer encore plusieurs semaines avant d’atteindre un véritable plancher, avec une baisse finale qui a de fortes chances d’approcher la médiane historique. Cependant, étant donné que le rythme de la hausse précédente était bien supérieur à la moyenne historique, le mouvement actuel pourrait également dépasser les moyennes du passé.

Il signale en même temps que l’apparition récente de modèles d’IA nouvelle génération, plus efficients, relance la réflexion sur la logique d’investissement dans les infrastructures d’IA. Au fur et à mesure que l’efficacité de l’entraînement des modèles s’améliore, le récit central — « continuer d’investir massivement pour construire des clusters de calcul toujours plus vastes » — fait l’objet de critiques croissantes, tandis que les dépenses en capital liées à l’IA demeurent la principale ligne de valorisation des actions technologiques mondiales à ce jour.

Les stratégies momentum n’ont pas encore achevé leur purge, la rotation interne du marché reste active

Privorotsky indique que les indicateurs momentum qu’il suit montrent que la volatilité relative reste élevée et qu’aucun signal n’a, pour l’instant, permis de lever les alertes.

Cependant, une divergence significative commence à émerger au sein du marché. D’un côté, certains titres liés au hardware d’IA sont désormais en zone de survente ; de l’autre, des secteurs sous-performants auparavant rebondissent malgré une absence de réelle amélioration des fondamentaux, ce qui traduit une rotation sectorielle plus marquée des capitaux.

Du point de vue des indices, les marchés américains affichent toujours une forte résilience. La corrélation entre les secteurs reste faible, les flux se déplacent surtout d’une industrie à l’autre, sans se convertir en ventes massives généralisées. Même si la volatilité implicite a légèrement progressé vendredi dernier, la structure de marché demeure inchangée.

L’amélioration de l’efficacité de l’IA interroge à nouveau la logique des dépenses en capital

Privorotsky déclare qu’après avoir réalisé des tests pratiques sur le modèle Kimi K3, il est impressionné par ses capacités techniques. Ce modèle compte 2,8 trillions de paramètres et nécessite toujours un cluster GPU de niveau entreprise pour l’auto-hébergement ; il n’est donc pas exploitable sur un simple dispositif local.

Selon lui, l’attention doit porter principalement sur l’efficacité de l’entraînement, et non sur la phase d’inférence.

Au lieu de dépendre uniquement de clusters de calcul plus volumineux, les modèles nouvelle génération s’appuient davantage sur l’optimisation des algorithmes, l’innovation architecturale et des mécanismes de routage plus efficaces avec les mixtures of experts (MoE) pour améliorer l’efficacité de l’entraînement. Kimi K3, par exemple, intègre 896 modules d’experts, mais n’en active que 16 à chaque inférence, réduisant considérablement la consommation de ressources informatiques.

Cela amène le marché à reconsidérer : si les modèles de pointe peuvent améliorer leur efficacité d’entraînement grâce à l’innovation algorithmique, le secteur de l’IA doit-il continuer à investir dans des data centers et clusters d’entraînement toujours plus imposants et consommateurs de capitaux ?

Néanmoins, Privorotsky estime que cette remise en cause concerne surtout la logique d’investissement du côté de l’entraînement, tandis que la demande de puissance de calcul pour l’inférence reste solidement soutenue ; le besoin structurel d’infrastructures IA à long terme est toujours intact.

La saison des résultats déterminera la poursuite ou non de la tendance IA

Avec la Fed entrée en période de silence précédant sa réunion de politique monétaire, le marché va se concentrer à court terme sur l’actualité macroéconomique : réunion de la BCE, publication du CPI au Royaume-Uni et premières données PMI des grandes économies mondiales.

Cependant, Privorotsky considère que le véritable vecteur de direction du marché reste la saison de résultats imminente.

En dehors d’Alphabet, les performances de Tesla, Texas Instruments, Intel ainsi que l’événement « Advancing AI » organisé prochainement par AMD serviront de fenêtres clés pour observer le cycle d’investissement sur l’IA. Ce sera l’occasion d’éprouver la logique des dépenses en capital de mille milliards de dollars liée à l’IA et de vérifier si elle continue d’être validée par le marché.