Alors que Muse stimule l'infrastructure de l'IA, les investisseurs se concentrent sur les performances de Micron (MU.US) ! Les contrats à long terme de plusieurs dizaines de milliards de dollars alimenteront-ils l'engouement pour la puissance de calcul de l'IA ?

Selon l’application financière Zhihui Finance, à mesure que Meta Muse et OpenAI Astra poussent l’expansion mondiale des applications d’IA vers des agents intelligents exécutant de façon continue des workflows collaboratifs à étapes multiples, la demande mondiale en puissance de calcul liée à l’IA devrait connaître une nouvelle vague d’expansion explosive. C’est également l’une des raisons pour lesquelles les marchés actions mondiaux ont récemment vu la diffusion des applications d’agents intelligents de l’IA s’accélérer au-delà des attentes, se traduisant par une hausse des anticipations de croissance pour une série de leaders de la chaîne industrielle de calcul IA et leurs fournisseurs clés comme SK Hynix, Samsung, Micron, Nvidia ainsi qu’AMD, TSMC, etc.

Le marché réévalue actuellement les besoins en CPU, mémoire et stockage nécessaires pour soutenir ces nouvelles applications. Le rapport trimestriel de Micron (MU.US), l’un des trois principaux fabricants mondiaux de puces mémoire, qui sera publié la semaine prochaine, devient donc une fenêtre clé pour évaluer le super cycle du stockage ainsi que le rythme inédit de la vague d’infrastructures IA.

Les agents d’IA et les tout derniers grands modèles d’IA s’infiltrent rapidement dans divers secteurs mondiaux, ce qui dope de façon continue et vigoureuse la demande en matériel d’infrastructure IA essentiel : GPU/TPU, CPU de centres de données, systèmes d’interconnexion optique et puces de stockage de centres de données. Cette dynamique se traduit par des performances records et des perspectives systématiquement supérieures aux attentes pour les trois grands fabricants de puces mémoire — SK Hynix, Samsung et Micron. La capacité des valorisations à continuer de progresser dépendra principalement de la pérennité de la croissance des bénéfices et de l’expansion des perspectives d’activité.

Comme illustré ci-dessus, les revenus de Micron connaissent une croissance accélérée, soulignant la transformation rapide de la demande en puces mémoire en résultats concrets. Micron publiera ses résultats du quatrième trimestre de son exercice fiscal 2026 le 30 septembre ; au dernier trimestre, le chiffre d’affaires a atteint 41,456 milliards de dollars, soit une hausse d’environ 346% sur un an, avec un bénéfice ajusté par action de 25,11 dollars. Les prévisions pour le T4 étaient de 50 milliards de dollars de chiffre d’affaires, fluctuant de 1 milliard, avec une marge brute d’environ 86% et un bénéfice ajusté par action de 31 dollars, fluctuant de 1 dollar. Plus notable encore, Micron a précédemment révélé que, sur ses 16 accords stratégiques clients signés, 14 génèrent selon le prix minimum contractuel un revenu cumulé d’environ 100 milliards de dollars sur la durée restante des contrats, ce qui augmente la visibilité des revenus et des bénéfices futurs.

Cependant, il faut noter que des performances aussi remarquables et des seuils attendus alignés sur le consensus des analystes de Wall Street signifient que le marché surveille non seulement la performance du trimestre en cours, mais s’inquiète aussi de la capacité des prix, des volumes et des contrats long-terme de 2027 à soutenir de nouvelles révisions à la hausse des prévisions de profits.

Le soutien à une vision haussière réside dans le fait que les investissements en infrastructure IA couvrent désormais des systèmes de calcul bien plus complets. Selon une synthèse de S&P Global du 22 septembre, les analystes de Wall Street estiment que les dépenses d’investissement cumulées de Meta, Alphabet, Amazon et Microsoft atteindront environ 2 800 milliards de dollars entre 2026 et 2028 ; selon Visible Alpha, le consensus des analystes sur les bénéfices par action de Micron pour l’exercice 2027 a été significativement relevé, passant d’environ 90 dollars en mars à près de 156 dollars aujourd’hui.

Muse de Meta et Astra d’OpenAI renforcent considérablement les capacités professionnelles de manipulation informatique, de programmation et de workflows complexes à étapes multiples. Il en résulte que l’expansion rapide des applications d’IA accroît simultanément les investissements nécessaires dans les infrastructures au service de la réflexion « modèle » et de l’« exécution concrète » des tâches. Cela explique pourquoi, à mesure que la commercialisation de l’IA s’accélère, l’équipe d’analystes chevronnés d’UBS a revu à la hausse de 30% ses prévisions de flux de trésorerie opérationnels pour les géants du cloud mondial et les nouveaux acteurs du cloud pour 2027, tandis que Morgan Stanley anticipe que les dépenses d’investissement globales des quatre grands acteurs du cloud nord-américain et d’Oracle dans les data centers d’IA passeront de 917 milliards de dollars en 2026 à 1 470 milliards en 2027, puis 1 640 milliards en 2028, la capacité installée passant de 35 GW en 2025 à un impressionnant 145 GW en 2028.

Plus l’IA “travaille”, plus les CPU et puces mémoire s’avèrent indispensables, pourquoi ?

La modification la plus profonde induite par les agents dans les besoins en puissance de calcul réside dans le fait qu’une simple instruction utilisateur peut désormais déclencher une chaîne de tâches s’exécutant en continu. Les tâches de recherche, programmation ou de bureau nécessitent planification, récupération, navigation web, lecture de fichiers, exécution de code, contrôle des résultats et correction d’erreurs — plusieurs étapes pouvant ré-invoquer le modèle et générer sans cesse un nouveau contexte. Meta a officialisé que Muse fonctionne dans une machine virtuelle cloud sécurisée équipée de son propre navigateur, permettant la poursuite des tâches même après la fermeture de l’application. OpenAI met en avant la capacité d’Astra à opérer de façon professionnelle dans les domaines de la manipulation informatique, de l’usage de navigateurs et de workflows inter-applicatifs. Techniquement, dès lors que ce type de tâches s’étend de quelques utilisateurs intensifs à des process quotidiens d’entreprise, la demande en infrastructure est simultanément tirée par l’échelle utilisateur, la fréquence, la durée et la concurrence simultanée des tâches.

Cela explique la montée d’intérêt du marché pour les CPU de data center d’AMD, Intel et de l’architecture Arm. Les GPU et ASIC traitent le calcul à grande échelle des réseaux neuronaux, tandis que les CPU gèrent les machines virtuelles, navigateurs, sandboxes de code, planification des tâches, prétraitement des données et exécution d’outils. L’efficacité des agents d’IA dépend de la bonne articulation entre l’inférence du modèle et l’exécution effective ; toute attente sur les CPU, bases de données ou canaux E/S peut réduire aussi l’utilisation de coûteurs accélérateurs. AMD a déjà introduit une approche PACE articulant orchestration CPU et calcul intensif GPU, tandis qu’Arm présente les sandboxes d’agents et l’exécution d’outils comme de nouvelles charges de travail clés pour les CPU cloud. Ces orientations posent des bases techniques solides à l’expansion de la demande en CPU, faisant aussi de la DRAM serveur, du stockage et du réseau des chaînons essentiels dans cette cascade de besoins.

En interne, au cours de l’inférence des grands modèles, la phase de pré-remplissage traite le contexte initial ; la phase de décodage génère en continu la sortie ; les poids du modèle et les caches clés-valeurs (KV Cache) consomment mémoire et bande passante. À complexité de modèle et stratégies de cache similaires, un contexte plus long, plus de tâches parallèles ou une concurrence accrue augmentent le volume d’états à maintenir. Une répartition fonctionnelle du stockage s’impose alors : HBM supporte les accès haut débit de l’accélérateur, la DRAM serveur héberge le jeu de travail du CPU et une partie du cache, le SSD entreprise archive fichier, états applicatifs, et, dans un système à cache hiérarchisé, une portion du contexte d’inférence. Avec son schéma CMX, Nvidia a relié un niveau de stockage flash sur Ethernet entre la mémoire GPU et le stockage partagé, permettant au contexte d’être sauvegardé, déplacé ou réutilisé entre nœuds ; capacité, débit et bande passante réseau dictent alors ensemble les performances globales du service d’inférence.

De tels besoins d’expansion trouvent déjà écho dans de grandes plateformes de production. Le 11 septembre, OpenAI révélé que sa plateforme d’hébergement Habitat traite plus de 70 millions de requêtes par seconde, stockant plus de 500 PB de données et assurant routage, compression, chiffrement et contrôle. Cette plateforme intégrée pour plusieurs produits d’OpenAI reflète l’ampleur de la charge applicative et des besoins en stockage des services d’IA. À mesure que davantage d’agents arrivent en production, la multiplication des nœuds, des accès base de données et des échanges inter-nœuds amplifie les besoins en serveurs, mémoire, SSD entreprise et interconnexion rapide ; la montée en puissance des clusters et de la puissance des racks propulsera aussi la demande en optique, alimentation et refroidissement. Toutefois, l’ampleur effective sur chaque segment dépendra du mode de déploiement et du taux d’utilisation.

Les avancées de modèles plus puissants pourraient aussi élargir le champ des tâches pouvant être industrialisées. Selon Meta, lors de tests internes, Muse Spark 1.3 a réduit de près de 20% la sollicitation d’outils et de 25% la consommation de tokens par rapport à la version 1.2. Cela préfigure une réduction du coût de ressources pour un travail équivalent, rendant la délégation de processus auparavant jugés trop coûteux ou trop lents à l’IA plus réaliste. Le socle de l’anticipation haussière de la demande en puissance de calcul, c’est l’expansion des utilisateurs et missions rendue possible par la baisse de coût, qui peut dépasser la réduction de ressources unitaires par tâche. Ainsi, par exemple, si la consommation unitaire de tokens baisse de 25%, il suffirait que le volume de tâches croisse de 33,3% pour générer une croissance nette du volume global, démontrant que baisses de coût et expansion d’infrastructure peuvent coexister, et que l’élasticité de la demande est la clé de la vérification de « l’effet Jevons ».

Des contrats pluriannuels à 100 milliards de dollars comme socle solide : comment revaloriser le super cycle du stockage ?

Pour Micron, le géant américain des puces mémoire, l’avantage n’est pas seulement de couvrir à la fois HBM, DRAM serveur et NAND, accédant ainsi à l’ensemble des couches d’infrastructure agent, mais aussi de ne pas subir la pression politique exercée sur SK Hynix ou Samsung au titre du « rapatriement » de la fabrication de puces aux États-Unis ni l’épée de Damoclès des tarifs douaniers imprévisibles de l’administration Trump.

Au dernier trimestre, la division cloud-mémoire a atteint un chiffre d’affaires de 13,769 milliards de dollars, en hausse séquentielle de 78% ; les activités de data center ont, elles, généré 11,524 milliards, en hausse de 103%. Micron a également annoncé que les revenus SSD data center ont dépassé 5 milliards de dollars, soit plus du double par rapport au trimestre précédent. De son côté, Sandisk (SNDK.US), mastodonte du NAND, axe ses activités principalement sur la mémoire NAND et le SSD. Les résultats de Micron servent donc de baromètre à Sandisk quant à la demande de stockage entreprise, à l’évolution des prix NAND et à la dynamique offre/demande. Bien que les deux acteurs profitent du même cycle d’infrastructures IA, leurs produits dictent l’élasticité respective de leurs profits.

Côté offre, la rapidité d’ajustement sous-tend l’actuelle expansion des bénéfices sur le stockage. Construire une nouvelle usine de wafers suppose construction, installation, ramp-up de process et qualification client ; la HBM exige aussi des empilements multicouches, de l’advanced packaging et la validation système. Une hausse capacitaire débouche donc avec délai sur du volume livrable. Selon Micron, la tension offre/demande sur le DRAM/NAND pourrait se poursuivre au-delà de 2027, les équilibres s’améliorant en 2028 mais sans certitude sur une absorption totale de la demande. Samsung, en élargissant sa production de HBM4, mérite d’être surveillé, mais il faut croiser cette montée en puissance de la logique 4nm, les rendements sur le DRAM, le packaging et la qualification clients pour apprécier l’offre réelle in fine. Pour l’investisseur, ce n’est donc pas le chiffre d’expansion unitaire qu’il faut privilégier, mais l’écart de croissance entre nouvelles capacités effectives et attentes de la demande IA.

Les contrats pluriannuels apportent à Micron un autre type de sécurité sur la pérennité des résultats. En juin, Micron a précisé avoir signé 16 accords stratégiques avec des clients couvrant env. 20% du volume DRAM et 1/3 du volume NAND sur la durée des contrats ; 14 de ces accords garantissent, au prix plancher, env. 100 milliards de dollars de revenus cumulés. Ces contrats, du type « take or pay », intègrent parfois des fourchettes de prix pour les plus gros volumes.

Pour les grands fournisseurs de puces mémoire, ces accords sont stratégiques en matière d’investissement sur le thème puissance IA : le client garantit ses approvisionnements via des engagements d’achat long-terme tandis que Micron améliore sa visibilité sur plan de charge et revenus, atténuant ainsi la sensibilité à la volatilité de court terme. Il convient de signaler que la mention officielle de Micron évoquant « environ la moitié ou plus du chiffre d’affaires couvert par des accords » se réfère au total visé une fois tous les contrats en place, non à l’état actuel cumulé.

Le management de Micron anticipe par ailleurs que ces accords généreront environ 22 milliards de dollars de dépôts-caution et autres engagements financiers, dont 18 milliards en cash. Ils attestent de la volonté des clients d’assurer l’approvisionnement et soutiennent l’extension de capacité ; d’un point de vue comptable, ces cautions sont intégrées dans les activités de financement et reversées progressivement en seconde partie de contrat. D’où l’importance pour les analystes de surveiller la signature de nouveaux accords, leur périmètre, la mixité produit, le rythme de livraison et leurs impacts sur la prévisibilité du cash flow d’exploitation futur.

Par ailleurs, la « semaine supplémentaire » du T4 de Micron impactera directement la lecture de la dynamique de croissance : ce trimestre comptera 14 semaines contre 13 précédemment. Avec la prévision médiane de 50 milliards de dollars, la croissance séquentielle totale serait alors de 20,6%, alors que la hausse moyenne par semaine ressortirait à 12,0%. Un calcul simple : lors du retour à 13 semaines le trimestre suivant, même si l’activité hebdomadaire reste constante, le chiffre du trimestre atteindrait alors environ 46,43 milliards. Cela démontre que l’analyse des résultats doit intégrer le nombre de semaines, le pricing, les volumes et le mix produit ; l’éventuelle baisse d’un trimestre ne signifie pas une inflexion de la demande. Quand la direction anticipe un ralentissement de la hausse des prix, il importe donc de combiner cette information avec le niveau absolu des prix et les volumes livrés.

Le 30 septembre, lors de la publication du T4 et de la conférence investisseurs de Micron, l’attention se concentrera sur la pérennité des commandes HBM et stockage entreprise, la dynamique des prix DRAM et NAND, la montée en puissance effective estimée pour 2027, et l’élargissement potentiel de la couverture des contrats long-terme. La collecte de TIPRANKS sur le consensus des analystes anticipe un objectif de cours autour de 1 550 dollars sur 12 mois, offrant un potentiel de hausse de plus de 40% par rapport au cours de clôture du 23 septembre (1 071,88 dollars).