UBS : Les modèles à faible coût ne perturberont pas le cycle d’investissement dans l’IA, les géants des puces et du cloud seront les grands gagnants finaux

French Planet Quotidien apprend que la rapide diffusion des modèles d’intelligence artificielle open source à faible coût transforme fondamentalement la manière dont les entreprises déploient l’IA. Cependant, UBS souligne dans un rapport récent que ce changement ne perturbera pas le cycle d’investissement de l’IA, mais favorisera les fabricants de puces et les fournisseurs d’infrastructures cloud, tout en apportant de nouveaux défis de rentabilité aux sociétés de logiciels.

Karl Keirstead, analyste chez UBS, a indiqué dans un rapport daté du 21 juillet que les investisseurs se concentrent désormais sur deux tendances étroitement liées : la compression systématique des coûts des Tokens par les entreprises et la migration accélérée des charges de travail vers des modèles open source plus abordables. Après de profondes discussions avec plus de 15 jeunes sociétés privées d’IA — dont Perplexity, Harvey, Glean, Cursor, ElevenLabs et Fireworks — le rapport aboutit à une conclusion centrale : l’industrie de l’IA passe de la phase « utilisation indistincte du modèle le plus performant » à une nouvelle ère d’efficacité, où la configuration des modèles est optimisée selon la difficulté des tâches.

De la “maximisation des Tokens” à la “maximisation de la valeur” : changement radical dans la logique de dépenses IA des entreprises

Dans leur rapport du 21 juillet, les analystes d’UBS menés par Karl Keirstead notent que les investisseurs se concentrent sur deux tendances : la réduction systématique des coûts des Tokens IA par les entreprises, et l’utilisation croissante de modèles open source (y compris ceux développés en Chine) pour des tâches ne nécessitant pas de capacité de raisonnement de pointe.

Ce changement ne provient pas d’un affaiblissement de la demande en IA. Au contraire — selon les retours reçus lors de la conférence annuelle privée d’UBS sur l’IA et les logiciels, à laquelle plus de 75 sociétés privées ont participé, l’adoption de l’IA par les entreprises continue de croître rapidement. De nombreuses sociétés natives de l’IA ont vu leur chiffre d’affaires exploser depuis six mois : certains sont passés de 400 millions de dollars en janvier à 1 milliard, d’autres ont triplé leurs revenus pour dépasser 500 millions, ou sont passés de zéro à 500 millions en quatorze mois. Cette croissance vient principalement de l’amélioration des performances des modèles, de l’expansion d’applications intelligentes consommant plus de Tokens, et du passage de certains modèles de facturation — de la tarification par siège vers la tarification par Token ou par usage.

Pourtant, à mesure que l’adoption s’accélère, la question du coût devient cruciale. UBS estimait auparavant qu’environ 60% des institutions considèrent déjà l’informatique IA et les dépenses liées aux Tokens comme un problème réel. D’après cette enquête, cette proportion pourrait être encore plus élevée. Les coûts des Tokens grimpent à un rythme stupéfiant : une institution financière avait initialement promis 10 millions de dollars pour Claude, puis trois mois plus tard, cela atteignait 60 millions ; une société IA a vu ses dépenses chez Anthropic passer de 20 000 dollars en décembre à près de 1 million en juillet, soit une multiplication par 50 dans les sept mois ; certaines entreprises ont vu leur facture de Tokens augmenter 10, voire 100 fois en peu de temps.

Les entreprises ne cessent pas d’utiliser l’IA, mais s’efforcent de réduire le gaspillage. De nombreuses tâches ordinaires étaient confiées aux modèles les plus coûteux — par exemple, une banque dépensait des centaines de milliers de dollars pour interroger un modèle cher, lorsque les employés demandaient simplement la météo, des restaurants ou l’emplacement d’une réunion. La gestion de l’IA en entreprise passe de la « maximisation des Tokens » à la « maximisation de la valeur », c’est-à-dire évaluer combien de valeur chaque Token génère pour l’activité. UBS cite une entreprise interviewée : « Nous avions cinq outils IA en production, mais la majeure partie du budget Token annuel a été épuisée en avance. Désormais, nous n’en conservons que deux et contrôlons strictement leur usage. »

Le “multi-modèle” devient la norme : Les modèles open source chinois gagnent en pénétration

Les entreprises ne considèrent plus le marché comme une compétition à somme nulle entre quelques développeurs de modèles de pointe, mais se tournent vers une stratégie “multi-modèle”— combinant des modèles avancés d’OpenAI et Anthropic avec des modèles open source ou personnalisés. Éviter la dépendance envers un seul fournisseur d’IA est devenu un enjeu capital pour les grandes entreprises.

Les modèles open source chinois sont les grands bénéficiaires de cette tendance. UBS cite Z.ai, Moonshot (月之暗面), Alibaba et DeepSeek dont les modèles sont de plus en plus testés et parfois intégrés par des entreprises. Bien que certains secteurs très réglementés restent prudents, les entreprises adoptent ces modèles dans des environnements sécurisés comme ceux d’AWS et Azure. Selon UBS, le coût d’entraînement des principaux modèles chinois n’est qu’un dixième de celui des leaders internationaux, et le tarif API d’inférence varie de 10% à 20% de celui de leurs équivalents étrangers, tout en maintenant une marge brute saine de 20% à 40%. D’après les données de la plateforme OpenRouter, la proportion de Tokens utilisés par des sociétés américaines via des modèles IA chinois est restée au-dessus de 30% depuis février 2026, approchant parfois 46%.

Le modèle open source Nemotron de Nvidia est l’un des modèles américains les plus fréquemment mentionnés lors des conférences UBS.

Gagnants et perdants : Recomposition de la chaîne de valeur de l’industrie

Fabricants de puces : Nvidia en grand bénéficiaire

Malgré l’intensification de la concurrence au niveau des modèles, UBS souligne que la demande en matériel IA reste forte, voire pourrait s’intensifier. Selon UBS, les modèles open source ne réduisent pas la demande de GPU, mais réorientent la puissance de calcul vers des tâches d’inférence plus économiques. La majorité des modèles open source sont encore entraînés, affinés et utilisés sur du matériel Nvidia. Les modèles à faible coût élargissent l’étendue des applications IA, augmentant la demande en calcul d’inférence, stockage, réseau et infrastructures de déploiement.

Nvidia a aussi lancé son modèle open source Nemotron 3 Ultra, avec 550 milliards de paramètres, offrant une vitesse d’inférence jusqu’à 5 fois supérieure et réduisant les coûts jusqu’à 30%. Ce modèle est celui cité le plus fréquemment dans le rapport UBS parmi les modèles open source américains.

Fournisseurs d’infrastructure cloud : Les “tuyaux” du multi-modèle en position de force

Amazon, Microsoft et Google sont aussi bien placés, leurs plateformes ayant déjà intégré divers modèles IA. AWS, Azure, etc. disposent de capacités multi-modèles et les entreprises, peu importe leur choix de modèle, ont toujours besoin de puissance d’inférence cloud. Les grands fournisseurs cloud font toujours face à des tensions et une forte demande de ressources IA de la part des clients.

Les résultats des entreprises natives de l’IA confirment ce constat. Parmi les cas cités par UBS, certains sont passés de 400 millions de revenus en janvier à 1 milliard, d’autres de zéro à 500 millions en 14 mois. L’accélération est principalement due à l’amélioration des modèles, à l’expansion d’applications intelligentes gourmandes en Tokens, montrant que la demande IA s’étend désormais au-delà du champ de la programmation vers des processus métier plus larges.

Développeurs de modèles de pointe : Pression sur la croissance

OpenAI et Anthropic, développant les modèles de pointe, sont les premiers à ressentir l’impact des réductions de coûts à court terme. Bien qu’UBS pense que le marché de l’IA reste initial et que les modèles ouverts et fermés peuvent croître en parallèle, le rythme d’expansion du chiffre d’affaires des laboratoires de modèles avancés pourrait être sous pression.

Secteur logiciel : la “couche intermédiaire” menacée

UBS adopte une vision pessimiste pour les fournisseurs de logiciels. Selon UBS, dans une optique de maîtrise des coûts IA, les entreprises pourraient déplacer leurs dépenses hors des applications logicielles ; tandis que la fonction de routage de modèles, jadis un avantage concurrentiel, devient rapidement la norme et peine à être rentable. Dans un contexte où le “multi-modèle” est la norme, les modèles économiques dépendant uniquement de la couche intermédiaire d’appels de modèles font face à un défi sérieux.