Une toile de fond à mille milliards : ce que les marchés voient et que les équipes ne voient pas

TL;DR

Cette expansion, et particulièrement la boucle d’investissement Microsoft-Nvidia-Anthropic, me paraît fragile. Le signal que je surveille est le prix des abonnements : quand les quotas se resserrent à prix inchangé, les laboratoires ne maintiennent pas leurs prix. La partie 1 indique où vérifier les limites du compte et distingue les crédits achetés du tarif API. Je m’attends à ce que cette pression continue jusqu’à la fin de 2027.

Affirmation	Détail	Source
L’économie unitaire	1 gigawatt de capacité de data center IA coûte environ 50 milliards de dollars	Mandeep Singh, responsable mondial de la recherche tech, Bloomberg Intelligence, 25 novembre 2025
L’échelle	OpenAI a évoqué l’ajout d’une capacité pouvant atteindre 26 gigawatts	Même source
L’accord circulaire	Microsoft et Nvidia se sont engagés à investir jusqu’à 15 milliards de dollars cumulés dans Anthropic, liés aux dépenses Azure et aux puces Nvidia	Bloomberg Tech, 18 novembre 2025
Tarifs catalogue de Kimi K3	3 $ en entrée / 0,30 $ en entrée en cache / 15 $ en sortie par million de tokens	Page tarifaire Moonshot AI, consultée le 30 septembre 2026
Le choc de Kimi K3 sur les marchés	Baisse du Nasdaq rapportée d’environ 1 % à 1,4 % pendant la séance du 17 juillet	CNN, 17 juillet 2026
Le retour à la série	Chaque montant en dollars de cette série se situe en aval de ce capital	Cette série

Vingt-six gigawatts à environ 50 milliards de dollars le gigawatt, cela cesse d’être une ligne de tableur quelque part après les dix premiers chiffres.

OpenAI a évoqué l’ajout de cette capacité, et c’est la toile de fond dont cette série parle sans jamais l’avoir nommée directement.

Les 214 $ qui ouvraient la partie 1, les recrutements FinOps documentés dans la partie 4 et le réflexe de diversification des fournisseurs abordé dans la partie 6 s’inscrivent tous dans une expansion assez grande pour qu’un lancement par un concurrent ait fait bouger un indice boursier.

Un gigawatt, cinquante milliards de dollars

Sur Bloomberg Tech le 25 novembre 2025, Mandeep Singh, responsable mondial de la recherche tech chez Bloomberg Intelligence, a relayé le calcul que Nvidia avait lui-même proposé ce mois-là : le contenu généré par gigawatt de capacité continue de croître, car, selon Nvidia, ses puces produisent plus de tokens par watt que celles de tout fournisseur du marché.

Pour un gigawatt, les puces Nvidia représenteraient 30 à 35 milliards de dollars, expliquait Singh, en résumant deux chiffres du directeur général Jensen Huang : environ 30 milliards par gigawatt pour Blackwell lors de la conférence de résultats du 19 novembre, et environ 35 milliards pour Vera Rubin dans un entretien Bloomberg le lendemain.

Singh a ensuite expliqué pourquoi ce chiffre compte : « if a 1 gigawatt costs 50 billion, any company spending 30 to 35 billion » (traduction : « si 1 gigawatt coûte 50 milliards, toute entreprise qui dépense 30 à 35 milliards ») engage de vrais capitaux. Des entreprises dont OpenAI ont évoqué l’ajout de jusqu’à 26 gigawatts de capacité, une échelle qui, selon Singh, « translates into huge revenue for Nvidia just from one hyperscaler » (traduction : « se traduit par d’énormes revenus pour Nvidia à partir d’un seul hyperscaler »).

Vingt-six gigawatts multipliés par 50 milliards dépassent mille milliards de dollars avant de compter le moindre renouvellement de puces, nouveau site de data center ou la moindre année de frais de financement.

Cette échelle explique pourquoi chaque montant présenté plus tôt dans la série, aussi petit paraisse-t-il isolément, se situe en aval d’une base de capitaux qui le dépasse de plusieurs ordres de grandeur.

Le fournisseur de puces devient investisseur

Le 18 novembre 2025, les présentateurs de Bloomberg Tech Caroline Hyde et Ed Ludlow ouvraient sur cette information : Microsoft et Nvidia s’engageaient à investir jusqu’à 15 milliards de dollars au total dans Anthropic, « in a move that ties the AI developer closer to two of the biggest backers of its rival, OpenAI » (traduction : « dans une opération qui rapproche le développeur d’IA de deux des plus grands soutiens de son rival OpenAI »). Un présentateur résumait la structure à l’antenne : acheter du cloud à une entreprise tout en investissant au capital d’une autre, c’est, selon ses mots, « just more circular deals » (traduction : « encore des accords circulaires »).

Seth Fiegerman, responsable éditorial IA de Bloomberg, a précisé le mécanisme quelques instants après. Anthropic, expliquait-il, reçoit de l’argent de Microsoft et Nvidia, puis s’engage à le dépenser sur Azure, la plateforme de Microsoft, en utilisant les puces Nvidia pour exécuter les charges de travail. « Kind of textbook », disait-il (traduction : « Une sorte de cas d’école »).

CNBC a rapporté que l’accord valorisait Anthropic autour de 350 milliards de dollars, contre 183 milliards en septembre, citant une source proche de l’opération. Mais c’est le mécanisme qui compte ici.

Le fournisseur de puces devient investisseur de son client, et les dépenses du client reviennent directement aux deux.

Cette valorisation a continué de bouger vite. Le 28 mai 2026, six mois après l’accord circulaire de 15 milliards, Anthropic a levé 65 milliards de dollars en série H à une valorisation post-money de 965 milliards de dollars, lors d’un tour mené par Altimeter Capital, Dragoneer, Greenoaks et Sequoia Capital, selon les informations publiées simultanément par Bloomberg, Reuters et CNBC.

Ce chiffre dépassait la valorisation post-money de 852 milliards de dollars d’OpenAI lors d’une levée de mars 2026, faisant brièvement d’Anthropic l’entreprise privée d’IA la plus valorisée sur le papier.

Les informations citées ici établissent l’accord de novembre et la valorisation de mai, mais n’isolent pas la contribution du premier à la seconde.

Tout cela est déclaré, public, discuté en direct sur une chaîne financière par les journalistes qui le couvrent. Cela mérite une lecture attentive plutôt qu’un rejet comme s’il s’agissait d’une astuce cachée.

L’effet est de rendre chaque chiffre de capacité plus difficile à lire au pied de la lettre, car une partie de la demande derrière ces engagements vient d’entreprises qui investissent aussi dans l’acheteur, comme dans cet accord.

Un modèle moins cher, un point de pourcentage et beaucoup de nervosité

La thèse des dépenses d’investissement avait déjà été testée par un concurrent moins cher, bien avant Kimi K3.

Le 27 janvier 2025, après que les affirmations de DeepSeek sur ses coûts d’entraînement ont ébranlé la confiance dans les dépenses occidentales d’IA, Nvidia a perdu environ 589 milliards de dollars de capitalisation en une séance, un chiffre déjà détaillé dans la partie 6. Bloomberg, Reuters et le WSJ ont présenté cette séance comme la plus grande perte de capitalisation en une journée de l’histoire boursière américaine à cette date.

Dix-huit mois plus tard, en juillet 2026, la startup chinoise Moonshot AI a sorti Kimi K3, un modèle dont la documentation fournisseur indique 2 800 milliards de paramètres.

L’instantané du 30 septembre 2026 donnait pour Kimi K3 3 $ par million de tokens d’entrée, 0,30 $ en lecture de cache et 15 $ en sortie. Au 10 novembre, le catalogue Moonshot affiche toujours ces prix pour K3. Son successeur K3.1 Pro coûte 2 $ en entrée, 0,20 $ en lecture de cache et 10 $ en sortie, soit les mêmes prix d’entrée et de sortie que Sonnet 5.5 selon le barème Anthropic. Ces montants ne mesurent ni la qualité ni le coût par tâche acceptée.

Moonshot l’a sorti peu avant la World AI Conference de Shanghai. CNN a rapporté une baisse du Nasdaq d’environ 1 % à 1,4 % pendant la séance du 17 juillet, alors que le modèle ébranlait les valeurs technologiques. L’épisode rappelait la vente massive liée à DeepSeek, autour de la question de savoir si la capacité IA prévue couvrirait son coût.

La comparaison fonctionne aussi dans l’autre sens. Le fournisseur décrit Kimi K3 comme un modèle open source.

Pour comparer l’API hébergée à l’auto-hébergement, vérifiez les poids et leur licence, le matériel requis et le coût par tâche acceptée. Le relevé des tarifs ne suffit pas à trancher.

Pour les équipes FinOps décrites dans la partie 4, qui filtrent les appels avec des modèles peu coûteux avant de les envoyer au modèle cher, c’est une autre option de routage et d’hébergement à évaluer.

Ce que les parties précédentes disaient déjà

Relues sur cette toile de fond, les parties précédentes cessent de ressembler à des histoires isolées d’équipes et apparaissent comme des décisions locales prises à l’ombre d’une base de capitaux que trois d’entre elles ne nomment jamais directement.

La réécriture de billetterie à 214 $ de la partie 1 utilisait une infrastructure payée précisément par ce type d’investissement.

La discipline FinOps de la partie 4, du FinOps cloud appliqué aux tokens, existe parce qu’à grande échelle quelqu’un doit répondre de dépenses remontant, même indirectement, à des engagements en gigawatts et aux fournisseurs qui courent pour les remplir.

L’argument de la partie 6 contre la dépendance à un fournisseur unique se lit différemment lorsque l’on sait que les fournisseurs investissent les uns dans les autres : se diversifier au-delà d’Anthropic seul ne diversifie pas l’exposition au capital Microsoft-Nvidia, de plus en plus présent aussi derrière Anthropic.

Les quatre autres parties occupent la même position.

Le problème de mesure du ROI en partie 2, l’écart productivité-discours en partie 3, la thèse des prix des tokens en partie 5 et la triangulation de quatre sources Doctolib en partie 7 décrivent tous des décisions prises par des équipes situées plusieurs niveaux en aval du capital qui rend leurs outils possibles. Un reçu de 214 $ et un engagement de 26 gigawatts se situent sur la même chaîne de capitaux, à près de dix ordres de grandeur d’écart.

Nicolas Martignole apporte des preuves centrales dans les parties 1, 5 et 6, tandis que la partie 7 s’appuie sur quatre conférences Doctolib distinctes. La partie 9 est un autre cas : elle rapporte l’usage mesuré d’une personne, vérifié par une seconde implémentation du décompte.

Les chiffres d’investissement de cette partie suivent la même discipline de vérification, mais décrivent un marché sur lequel peu de ces praticiens peuvent agir directement.

Un responsable FinOps peut renégocier un contrat. Personne à ce niveau ne déplace un engagement de 26 gigawatts.

Meta a promis plus de 600 milliards de dollars d’investissement aux États-Unis jusqu’en 2028, une enveloppe que sa directrice financière a décrite comme couvrant les data centers et les opérations de son activité américaine, personnel compris, pas une prévision de dépenses d’investissement.

La partie 4 documente routage et substitution de modèles à l’échelle d’équipes ; le corpus n’établit pas si ces contrôles peuvent modifier sensiblement les dépenses à cette échelle.

---

YSNK

(Ce que vous devriez maintenant savoir)

• Un gigawatt de capacité de data center IA coûte environ 50 milliards de dollars, et OpenAI seul a évoqué l’ajout d’une capacité pouvant atteindre 26 gigawatts, une base de capitaux dépassant mille milliards avant le moindre renouvellement de puces
• Microsoft et Nvidia se sont engagés à investir jusqu’à 15 milliards de dollars cumulés dans Anthropic en novembre 2025, liés aux dépenses Azure et aux puces Nvidia, un arrangement que les présentateurs de Bloomberg appelaient « circular deals » (traduction : « accords circulaires »)
• Six mois après cet accord, Anthropic a réalisé une levée de fonds en série H à une valorisation post-money de 965 milliards de dollars, devant les 852 milliards d’OpenAI sur le papier
• Les concurrents moins chers testent encore la solidité de cette thèse d’investissement : la sortie de DeepSeek en janvier 2025 a coûté à Nvidia environ 589 milliards de dollars de capitalisation en une journée ; celle de Kimi K3 en juillet 2026 a coïncidé avec une baisse rapportée du Nasdaq d’environ 1 % à 1,4 % ; la coïncidence n’isole pas l’effet du modèle
• Chaque montant de cette série, reçu de Martignole à 214 $ compris, se situe en aval de cette base de capitaux, à plusieurs ordres de grandeur du contrôle d’une équipe sur celle-ci