Les prévisions de SemiAnalysis pour les data centers dépassent 50 GW, alors que le goulot d'étranglement se déplace vers les puces

Selon SemiAnalysis, les exploitants de data centers ajouteront plus de 50 gigawatts de capacité en 2027, soit environ l'équivalent du parc mondial installé jusqu'en 2024. Les prévisions de SemiAnalysis pour les data centers s'appuient sur des chantiers visibles, des baux signés et des équipements déjà livrés sur de grands campus. Leur thèse centrale ne se limite pas au besoin de davantage de bâtiments pour l'intelligence artificielle. Elle affirme que les bâtiments et l'électricité pourraient cesser d'être les contraintes les plus fortes.

Les éléments étayant cette projection sont inhabituellement concrets pour une prévision d'infrastructure. SemiAnalysis a identifié plus de 24 GW répartis sur 40 campus en phase avancée de construction, dont l'essentiel de la capacité est prévu pour 2027. De nombreux bâtiments seraient achevés à plus de la moitié. Des systèmes de refroidissement et des équipements électriques sont déjà installés sur plusieurs sites.

Cela crée un conflit plus net qu'une nouvelle vague d'annonces de projets ambitieux. Les hyperscalers et les développeurs d'IA ont engagé des années de capacité avant que la demande, le financement et l'approvisionnement en puces ne soient pleinement établis. Si les campus ouvrent comme prévu, la pénurie du secteur se déplacera plus profondément dans la pile technologique. Les accélérateurs, la mémoire, les réseaux et les charges de travail des clients devront arriver suffisamment vite pour les remplir.

L'argument opposé est que l'activité de construction ne garantit pas une capacité informatique productive. Les raccordements au réseau peuvent prendre du retard, les équipements peuvent arriver tardivement et les baux peuvent devenir des charges financières. Le déploiement de 2027 testera donc si les engagements signés reflètent une demande durable en IA ou une coûteuse course à la réservation d'infrastructures rares.

Ce que comptent réellement les prévisions de SemiAnalysis pour les data centers

La partie la plus solide des prévisions repose sur l'avancement des travaux plutôt que sur les seules annonces.

Les prévisions de SemiAnalysis ont été publiées le 19 octobre 2026. Les auteurs Jeremie Eliahou Ontiveros, Reyk Knuhtsen et Dylan Patel estiment que plus de 50 GW entreront en service en 2027. Un gigawatt représente un milliard de watts de capacité électrique, même si les exploitants n'utilisent pas nécessairement chaque watt disponible en continu.

Cette distinction est importante, car les prévisions sectorielles mélangent souvent capacité électrique planifiée, bâtiments achevés, capacité mise sous tension et technologies de l'information déployées. Ces catégories décrivent des étapes différentes d'un projet. Une structure achevée ne peut pas exécuter de charges de travail d'IA sans électricité, refroidissement, réseau et serveurs. Un bâtiment sous tension apporte également peu de puissance de calcul tant que ses baies ne sont pas équipées.

SemiAnalysis tente de réduire cet écart en suivant les campus individuellement au moyen de son modèle de data centers. Son rapport public met en avant plus de 24 GW répartis sur 40 campus en phase avancée de construction. Selon l'entreprise, la majeure partie de cette capacité devrait arriver en 2027.

Le rapport indique que nombre de ces projets ont dépassé leur mi-parcours structurel. Des équipements extérieurs de refroidissement et d'alimentation électrique sont visibles sur plusieurs sites. Ces indicateurs impliquent davantage de capital et d'engagement opérationnel qu'un achat de terrain ou une annonce préliminaire.

Les 40 campus ne représentent pas non plus l'ensemble du pipeline. SemiAnalysis affirme suivre plusieurs centaines de sites à des stades avancés de construction. Les campus retenus illustrent pourquoi l'entreprise estime que le total annuel peut dépasser 50 GW malgré les contraintes liées à la main-d'œuvre, au réseau électrique et à la chaîne d'approvisionnement.

Son titre plus général évoque environ 60 GW en construction. Toutefois, ce chiffre ne doit pas être considéré comme identique aux prévisions de livraisons pour 2027. Les projets peuvent s'étaler sur plusieurs années, ouvrir par phases ou subir des retards de mise en service. L'échantillon de 24 GW offre des éléments plus solides à court terme, car il se concentre sur des projets avancés dotés d'équipements visibles.

Cette approche explique également le désaccord avec des estimations plus prudentes. Les investisseurs qui se concentrent sur les files d'attente de raccordement ou les dates d'achèvement annoncées appliquent souvent une forte décote aux projets. SemiAnalysis évalue plutôt l'avancement des travaux au niveau des campus et ajuste les livraisons attendues lorsque certains sites prennent du retard.

Les auteurs reconnaissent ces retards. Ils citent les pénuries de main-d'œuvre, les retards de fournisseurs, les difficultés de levée de fonds et les contraintes liées aux infrastructures électriques. Ils indiquent également que leur modèle a déjà repoussé des calendriers agressifs de développeurs lorsque les preuves au niveau des projets se sont affaiblies.

Le résultat est une prévision, non une mesure achevée. Elle repose toutefois sur une base plus solide que l'ajout de chaque projet annoncé dans une feuille de calcul. Le béton, les équipements de refroidissement, les postes électriques et les locataires signés rendent l'annulation de plus en plus coûteuse à mesure que les travaux progressent.

Un campus peut malgré tout manquer son objectif après de tels engagements. La mise en service est une séquence complexe impliquant les systèmes électriques, le refroidissement liquide, les réseaux, les tests de sécurité et l'approbation des services publics. Des retards de plusieurs mois pourraient décaler une capacité importante d'une année civile à une autre sans annuler le projet sous-jacent.

Cette sensibilité au calendrier est cruciale. L'écart entre 43 GW et 50 GW peut refléter la date à laquelle un projet devient opérationnel, et non le fait qu'il ouvre finalement ou non. Les lecteurs devraient interpréter ces prévisions comme un signe d'accélération plutôt que comme une promesse précise concernant décembre 2027.

Le changement important est donc l'élan visible. Une grande partie de la capacité projetée est passée de l'intention d'entreprise à l'exécution physique. Cela rend la prochaine contrainte plus importante que l'annonce initiale.

Les baux signés transforment les projets de construction en pression financière

Les baux de longue durée rendent le déploiement plus crédible, mais ils transforment aussi l'optimisme de la construction en risque pour les bilans.

SemiAnalysis indique qu'un peu moins de 1 000 milliards de dollars de baux de data centers contraignants ou non résiliables ont été signés en 2026 jusqu'à la date de son rapport. Son titre fait référence à une mesure plus large de 1 300 milliards de dollars. Ces chiffres peuvent couvrir des populations de contrats différentes et ne devraient donc pas être considérés comme interchangeables sans les données sous-jacentes.

Les publications des entreprises cotées montrent indépendamment un pipeline d'engagements colossal. Une analyse de Reuters sur les baux a relevé environ 1 090 milliards de dollars de paiements futurs chez Microsoft, Meta, Oracle, Amazon et Alphabet. Ces baux avaient été signés, mais n'avaient pas commencé début août 2026.

Des accords ultérieurs ont porté le total connu pour ces cinq entreprises à environ 1 160 milliards de dollars, selon Reuters. Microsoft a déclaré 329,1 milliards de dollars de paiements locatifs non commencés. Meta a déclaré 278,99 milliards de dollars avant de signer 68 milliards de dollars supplémentaires de baux de data centers en juillet.

Oracle a déclaré 260 milliards de dollars d'engagements non commencés. Alphabet a déclaré 85,2 milliards de dollars, tandis qu'Amazon a déclaré 137,21 milliards de dollars au titre d'un portefeuille de baux plus large. Le chiffre d'Amazon inclut également des actifs tels que des entrepôts, des bureaux, des avions et des véhicules.

Un bail non commencé est un accord signé portant sur un actif qui n'est pas encore disponible pour son client. L'obligation n'apparaît généralement pas comme un passif locatif comptabilisé avant que l'installation entre en service. Les entreprises publient les paiements futurs dans les notes annexes de leurs états financiers pendant cette période intermédiaire.

Ce traitement comptable ne rend pas l'engagement caché ni équivalent à une dette classique. Les paiements locatifs futurs peuvent s'étendre sur de nombreuses années et sont généralement indiqués sans actualisation. Leur ampleur révèle néanmoins quelle part des dépenses demeure en dehors des mesures habituelles de passif mises en avant.

Les contrats modifient également la répartition du risque d'exécution. Les développeurs doivent financer et construire des installations sur la base d'une demande promise. Les locataires doivent être prêts à accepter la capacité lorsqu'elle devient disponible. Les clients cloud et les laboratoires d'IA doivent ensuite générer suffisamment d'utilisation pour justifier les coûts fixes qui en résultent.

Oracle illustre le décalage de durée. L'entreprise a indiqué que ses baux commencent généralement entre les exercices 2027 et 2029 et durent de 15 à 19 ans. Elle a aussi averti que les durées des baux pourraient ne pas correspondre aux contrats clients. Un client qui ne renouvelle pas pourrait exposer Oracle à un engagement d'infrastructure plus long.

C'est l'opposition centrale de cette histoire : construction contractualisée contre demande informatique réellement concrétisée. Les baux signés montrent que les entreprises pensent que la capacité restera rare. Ils ne prouvent pas que chaque mégawatt réservé générera un rendement attractif.

L'activité récente de location soutient l'argument d'une demande à court terme. Un rapport sur la capacité d'IA a cité des données de TD Cowen montrant que les principaux fournisseurs de cloud avaient loué plus de 7,4 GW au cours d'un trimestre fiscal. Ce montant dépassait celui loué durant l'ensemble de l'année précédente.

Oracle aurait obtenu la plus grande capacité durant cette période, en grande partie pour des charges de travail OpenAI. Google se classait deuxième, suivi de Fluidstack. Meta, Amazon, CoreWeave et Microsoft ont également participé activement.

Les contreparties ne sont pas interchangeables. Microsoft, Amazon et Google peuvent intégrer la capacité à des plateformes cloud diversifiées. Meta soutient principalement ses propres services et modèles d'IA. Oracle est exposé de manière concentrée à un nombre plus restreint de grands clients de l'IA. Les opérateurs spécialisés dépendent du financement, de la qualité des locataires et de la ponctualité des livraisons.

Cette répartition importe si la croissance des revenus de l'IA ralentit. Les fournisseurs de cloud diversifiés peuvent réaffecter une partie de l'infrastructure aux bases de données, à l'informatique d'entreprise, au stockage et aux charges de travail cloud conventionnelles. Les campus d'IA extrêmement denses sont moins flexibles, car leurs systèmes de refroidissement, de réseau et d'alimentation visent des clusters d'accélérateurs.

Un campus achevé crée donc simultanément une pression sur plusieurs groupes. Les développeurs ont besoin que les locataires acceptent la livraison. Les hyperscalers ont besoin d'équipements et d'électricité. Les laboratoires d'IA ont besoin de revenus ou de financement. Les fournisseurs de puces doivent fournir suffisamment d'accélérateurs, de mémoire et de matériel réseau pour transformer l'électricité réservée en puissance de calcul utilisable.

Les baux rendent un abandon généralisé moins probable, mais ils augmentent le coût d'une erreur. C'est pourquoi les prévisions de SemiAnalysis pour 2027 peuvent être crédibles et financièrement risquées à la fois.

Le goulot d'étranglement se déplace des bâtiments vers le silicium

Si plus de 50 GW ouvrent en 2027, la ressource limitante devient le matériel qui transforme l'électricité en calcul d'IA utile.

Un data center n'est que la couche extérieure d'un système d'IA. À l'intérieur, les accélérateurs effectuent les calculs des modèles, la mémoire à haute bande passante alimente ces processeurs et les réseaux relient des milliers d'appareils. Les équipements de refroidissement évacuent leur chaleur, tandis que les postes électriques et les systèmes de secours maintiennent une alimentation fiable.

SemiAnalysis estime que les pénuries de puces logiques et de mémoire pourraient dépasser les bâtiments et l'électricité comme contraintes en 2027 et 2028. Cette affirmation découle directement de ses prévisions de construction. Des campus achevés rapidement entreront en concurrence pour une chaîne d'approvisionnement en semi-conducteurs qui ne peut pas s'étendre à la même vitesse que la construction en béton.

Les accélérateurs attirent l'essentiel de l'attention publique, mais un cluster d'IA comprend plusieurs composants contraints. La mémoire avancée se trouve à côté des processeurs et fournit les données à des débits extrêmement élevés. Des commutateurs réseau spécialisés, des liaisons optiques et des câbles coordonnent le travail entre les baies. Les équipements de gestion de l'alimentation régulent des systèmes de plus en plus denses.

Chaque couche obéit à un calendrier de production différent. Les usines de fabrication de semi-conducteurs exigent des années de développement et de qualification. Le packaging avancé doit associer processeurs et mémoire. Les fournisseurs de mémoire doivent répartir leur production entre plusieurs générations de produits. Les fournisseurs de réseaux doivent synchroniser leurs livraisons avec l’assemblage des serveurs et la mise en service des campus.

Cela crée un problème de séquençage. Les opérateurs peuvent réserver de la puissance électrique avant de savoir quelle génération de puces occupera un bâtiment. Ils peuvent aussi recevoir des serveurs avant qu’un fournisseur d’électricité n’achève le raccordement final. Un retard à l’une ou l’autre extrémité laisse des actifs coûteux sous-utilisés.

La conception des campus complique encore la transition. Les nouveaux accélérateurs peuvent consommer davantage d’énergie par baie que les systèmes précédents. Ils peuvent nécessiter un refroidissement liquide direct, où le liquide de refroidissement évacue la chaleur au plus près des puces. Des installations conçues selon d’anciennes hypothèses de densité peuvent devoir être modernisées avant même que leur déploiement initial soit achevé.

Le déploiement ne se résume donc pas à convertir des gigawatts en performances de modèles. Deux campus disposant de la même capacité électrique peuvent produire des volumes de calcul différents. La génération de puces, le taux d’utilisation, l’efficacité réseau, les besoins de refroidissement et les logiciels influencent tous le travail utile fourni par watt.

C’est pourquoi 50 GW ne doivent pas être directement convertis en nombre d’accélérateurs. Les opérateurs divulguent rarement des configurations matérielles complètes, et les plans de déploiement évoluent. Une partie de la capacité soutiendra le stockage, les réseaux, les services cloud traditionnels et les besoins propres aux installations, plutôt que les processeurs d’IA.

Malgré cela, une forte hausse de capacité renforcerait la position de négociation des fournisseurs de puces. Les hyperscalers ne peuvent pas tirer de rendement de structures alimentées mais vides. Ils ont besoin d’accélérateurs assez rapidement pour commencer à facturer des clients ou exécuter des charges de travail internes à forte valeur.

La pression dépasse Nvidia. Les fournisseurs cloud continuent de développer leurs propres processeurs afin de maîtriser les coûts, d’améliorer la sécurité d’approvisionnement et d’adapter le matériel à des modèles précis. Google possède des années d’expérience avec les unités de traitement tensoriel. Amazon propose Trainium, tandis que Microsoft et Meta ont engagé des programmes internes de silicium.

Les puces personnalisées n’éliminent pas la chaîne d’approvisionnement. Elles nécessitent toujours de la fabrication, du packaging, de la mémoire, des cartes de circuits imprimés, du réseau et l’assemblage de serveurs. Elles peuvent diversifier l’approvisionnement en accélérateurs, mais elles créent aussi du travail supplémentaire en matière de logiciels et de déploiement.

Le déploiement de 2027 testera la capacité de ces alternatives à atteindre des volumes de production. Un accélérateur personnalisé performant doit faire davantage qu’exécuter des charges de travail de référence. Il lui faut des compilateurs stables, des implémentations de modèles efficaces, un réseau fiable et une adoption client suffisante pour maintenir un taux d’utilisation élevé.

Les développeurs doivent aussi choisir entre attendre de nouvelles puces et déployer le matériel disponible. Retarder le déploiement peut améliorer les performances par watt, mais laisse une capacité louée inutilisée. Déployer immédiatement permet de commencer plus tôt un travail utile, même si l’équipement peut devenir moins compétitif pendant un long bail.

Ce compromis influencera les comportements d’achat sur l’ensemble du marché. Les plus grandes entreprises peuvent répartir leur capacité entre plusieurs générations de puces et fournisseurs. Les petits fournisseurs cloud peuvent accepter du matériel moins efficace parce qu’ils ne peuvent pas attendre les systèmes les plus recherchés.

Le goulot d’étranglement des puces relie aussi les dépenses d’infrastructure à l’économie de l’IA. Des processeurs plus rapides ne créent de valeur que lorsque les clients paient pour l’inférence, l’entraînement ou l’accès au cloud. Si l’efficacité des modèles progresse plus vite que leur utilisation, les opérateurs pourraient répondre à la demande avec moins de matériel. Si l’usage s’étend par l’intermédiaire des agents, de la vidéo et de l’inférence persistante, même 50 GW pourraient sembler insuffisants.

SemiAnalysis parie en pratique sur la seconde trajectoire. Ses prévisions de croissance de la capacité des centres de données supposent que la demande contractualisée et les éléments attestant de la construction résisteront aux contraintes immédiates. Le prochain test consiste à déterminer si la production de semi-conducteurs et les charges de travail rémunératrices peuvent suivre les bâtiments qui arrivent derrière elles.

Ce que le chiffre de 50 GW ne prouve pas

Une construction avancée réduit le risque d’annulation, mais ne règle pas les questions de disponibilité électrique, d’utilisation, de rentabilité ou d’impact environnemental.

La première incertitude concerne la mesure. Les acteurs du secteur utilisent les mégawatts et les gigawatts pour désigner le service fourni par les utilities, la charge informatique critique, les limites de conception des campus et la capacité déployée par phases. Une prévision peut sembler incohérente lorsque deux sources comptabilisent des étapes différentes de cette chaîne.

SemiAnalysis utilise un modèle propriétaire détaillé, mais l’article public ne révèle qu’une partie de sa méthodologie et de sa liste sous-jacente de campus. Les lecteurs ne peuvent pas reproduire indépendamment l’intégralité du total de 50 GW à partir des éléments publiés. L’échantillon visible de 24 GW étaye la tendance générale, mais pas chaque composante de la prévision.

La deuxième incertitude concerne le calendrier de livraison. Un bâtiment peut sembler presque achevé tout en attendant des transformateurs, des appareillages de commutation, une production de secours ou une autorisation du fournisseur d’électricité. Des problèmes de mise en service peuvent retarder l’ouverture après la fin des principaux travaux. Ces retards comptent lorsque la prévision attribue la capacité à une année précise.

La troisième incertitude est l’approvisionnement énergétique. Les prévisions énergétiques de l’IEA projettent une hausse de la production d’électricité pour les centres de données, de 460 TWh en 2024 à plus de 1 000 TWh en 2030. Dans son scénario de base, les renouvelables fournissent près de la moitié de la demande supplémentaire.

Les combustibles fossiles restent centraux durant la hausse à court terme. L’IEA prévoit que le gaz naturel et le charbon couvriront plus de 40 % de la demande supplémentaire d’électricité des centres de données jusqu’en 2030. Les files d’attente pour le raccordement au réseau peuvent orienter la croissance la plus rapide vers la production sur site ou les capacités fossiles existantes.

Le défi est particulièrement concentré aux États-Unis. Une mise à jour du Berkeley Lab estime que les centres de données pourraient consommer 11,8 % de l’électricité américaine d’ici 2030. Sa fourchette de scénarios va de 9,5 % à 15,3 %.

Ces chiffres nationaux peuvent masquer des difficultés régionales plus sévères. Les campus de centres de données se concentrent là où existent déjà fibre optique, terrains, incitations fiscales et régions cloud. Les utilities locales doivent satisfaire de grandes charges relativement continues, même lorsque la capacité nationale de production paraît suffisante.

L’Administration américaine d’information sur l’énergie prévoit que le développement des centres de données stimulera la croissance de la demande électrique à court terme. Son analyse de la demande du réseau identifie ERCOT et PJM comme les régions connaissant la croissance la plus rapide jusqu’en 2027. Toutes deux accueillent déjà d’importants projets d’infrastructure.

Les limites du réseau n’invalident pas automatiquement la prévision. Les opérateurs peuvent sécuriser une production dédiée, construire des systèmes derrière le compteur ou ouvrir les campus par phases. Ils peuvent également déplacer les charges de travail entre régions lorsque la latence et les règles relatives aux données le permettent.

Toutefois, chaque solution de contournement a un coût. Une production au gaz dédiée peut accroître les émissions. Les batteries ne peuvent fournir une alimentation continue sans production électrique. Les nouvelles lignes de transport font face à de longs processus de planification. Le déplacement des charges de travail peut introduire des délais réseau ou entrer en conflit avec les exigences des clients.

La quatrième incertitude est le taux d’utilisation. Un campus peut ouvrir, accueillir des serveurs et continuer à fonctionner sous son potentiel économique. Le taux d’utilisation mesure la part de la capacité de calcul installée qui effectue un travail facturable ou stratégiquement précieux.

Un faible taux d’utilisation peut résulter de problèmes logiciels, de retards côté clients, de limitations réseau ou d’une offre excessive de certains types d’accélérateurs. Un taux d’utilisation élevé peut aussi masquer une économie fragile si les fournisseurs accordent de fortes remises pour attirer la demande.

La cinquième incertitude concerne le financement. Les baux de longue durée rendent la construction plus probable, mais créent également des obligations fixes. Les développeurs d’IA doivent transformer l’utilisation en revenus avant que les engagements d’infrastructure ne dépassent leur capacité de génération de trésorerie.

Les plus grandes plateformes peuvent absorber plus facilement une inefficacité temporaire que les fournisseurs spécialisés. Elles disposent de clients cloud établis, d’activités publicitaires et de produits grand public. Les petits opérateurs dépendent souvent de quelques locataires, d’un financement coûteux et d’hypothèses optimistes concernant les futurs tarifs de location.

Un ralentissement ne produirait pas nécessairement des rangées de campus abandonnés. Il pourrait plutôt se manifester par des loyers plus bas, des contrats renégociés, des installations de serveurs retardées ou des rendements plus faibles. La capacité pourrait tout de même ouvrir, tandis que les investisseurs supporteraient l’ajustement.

La dernière incertitude est l’efficacité technologique. Les modèles peuvent devenir moins coûteux à entraîner et à servir grâce à de meilleurs algorithmes, à la quantification, au calcul parcimonieux et à une meilleure planification. Ces gains peuvent réduire le matériel nécessaire pour une charge de travail donnée.

L’efficacité peut aussi accroître la demande totale en rendant les services d’IA abordables pour davantage d’utilisateurs. Cet effet rebond est apparu à plusieurs reprises sur les marchés de l’informatique. La baisse des coûts unitaires encourage de nouveaux produits, une utilisation accrue et des inférences plus fréquentes.

Aucune prévision unique ne peut résoudre cet équilibre. Le chiffre de 50 GW montre que les entreprises construisent en anticipant une forte demande. Il ne prouve pas que ces attentes généreront des rendements attrayants sur chaque campus.

Trois signaux qui mettront à l’épreuve le déploiement de 2027

La prévision sera évaluée à l’aune de la capacité informatique alimentée, du matériel installé et de la demande récurrente en IA, plutôt que sur les seules photographies de chantier.

Le premier signal est la conversion des campus avancés en capacité informatique alimentée. Les opérateurs doivent achever les sous-stations, les raccordements au réseau, les systèmes de refroidissement et la mise en service avant qu’un bâtiment ne contribue à une puissance de calcul utilisable.

Les mises à jour trimestrielles des utilities et des développeurs devraient indiquer si les projets ouvrent selon leurs calendriers révisés. Les informations les plus utiles distingueront les bâtiments achevés de la capacité alimentée. Elles devront aussi différencier les limites de conception du campus de la capacité déjà accessible aux clients.

Si la majeure partie de l’échantillon avancé de 24 GW entre en service en 2027, les prévisions de SemiAnalysis pour les centres de données seront fortement étayées. Un large report vers 2028 affaiblirait son total annuel sans réfuter la tendance infrastructurelle à plus long terme.

La nature des retards comptera autant que leur ampleur. Des contretemps isolés sont normaux pour des projets de cette envergure. Des pénuries répétées de transformateurs, des blocages de réseau ou des échecs de mise en service dans plusieurs régions indiqueraient une contrainte structurelle.

Le deuxième signal est le déploiement du matériel. Les investisseurs devraient surveiller les expéditions d’accélérateurs, la production de mémoire à large bande passante, la capacité de packaging avancé, les revenus des équipements réseau et les installations de serveurs. Ces indicateurs montrent si les opérateurs peuvent équiper les nouveaux bâtiments au rythme requis.

Les pénuries de puces confirmeraient le déplacement du goulot d’étranglement avancé par SemiAnalysis. Les bâtiments arriveraient, mais les processeurs et la mémoire limiteraient la capacité productive. Les fournisseurs cloud pourraient prolonger la durée de vie du matériel plus ancien ou accélérer l’adoption de puces personnalisées.

Une augmentation ordonnée du déploiement de serveurs étayerait une conclusion différente. Elle suggérerait que les fournisseurs de semi-conducteurs avaient anticipé la vague de construction et augmenté leur capacité avec succès. La contrainte pourrait alors se déplacer vers les prix de l’électricité, les charges de travail des clients ou l’utilisation des logiciels.

La composition du matériel apportera un autre indice. L’adoption rapide d’accélérateurs conçus en interne montrerait que les hyperscalers réduisent leur dépendance envers un seul fournisseur. Une concentration persistante autour d’une seule plateforme d’accélérateurs maintiendrait un risque élevé d’approvisionnement.

Le troisième signal est la demande récurrente après l’ouverture de la capacité. Les revenus cloud, l’utilisation des services d’IA, les obligations de performance restantes et les informations sur les baux devraient indiquer si les clients absorbent la nouvelle infrastructure.

La demande doit aller au-delà des projets d’entraînement de modèles. L’entraînement est important, mais intermittent. L’inférence, où les modèles déployés répondent aux utilisateurs et aux logiciels, peut générer une consommation persistante dans les applications d’entreprise, la recherche, le codage, les médias et les agents automatisés.

L’adoption par les entreprises sera particulièrement importante. Les applications grand public peuvent générer d’énormes volumes de requêtes, mais leurs revenus restent incertains. Les clients professionnels apportent des contrats et des charges de travail récurrentes, même s’ils exigent fiabilité, sécurité et retours mesurables.

La comptabilisation des contrats de location mettra en lumière une partie du résultat. À mesure que les installations deviennent disponibles, les engagements non commencés seront inscrits au bilan sous forme de passifs et de dépenses. Les entreprises devront alors expliquer comment leurs revenus et l’utilisation de leurs capacités se comparent à ces coûts.

Surveillez l’évolution de la durée des contrats, des clauses de renouvellement et du financement des développeurs. Des engagements plus courts pourraient indiquer que les locataires recherchent de la flexibilité. Des renégociations ou des acceptations retardées fragiliseraient l’argument en faveur de la demande. De nouveaux accords de long terme le renforceraient.

Ces trois signaux offrent aux lecteurs un test concret. Premièrement, les campus ont-ils reçu l’électricité nécessaire ? Deuxièmement, les opérateurs ont-ils installé suffisamment de matériel de génération actuelle ? Troisièmement, les clients ont-ils généré une utilisation durable après le déploiement ?

Une réponse positive aux trois questions ferait de 2027 un véritable tournant dans l’offre de capacités informatiques. Elle validerait aussi l’idée que la production de puces, plutôt que la construction de centres de données, est devenue la contrainte la plus forte du secteur.

Des résultats contrastés exigeraient une interprétation plus prudente. Des bâtiments alimentés mais vides signaleraient des problèmes de matériel ou de financement. Des clusters peuplés mais sous-utilisés indiqueraient une demande insuffisante. Une forte demande freinée par des raccordements au réseau retardés maintiendrait l’électricité au cœur du sujet.

Pour les développeurs et les acheteurs en entreprise, ce déploiement devrait à terme affecter l’accès, la disponibilité régionale et les coûts de calcul. Une offre accrue peut réduire la rareté, mais seulement si l’électricité et les puces arrivent de concert. Les acheteurs devraient suivre la disponibilité réelle des services plutôt que de se fier aux gigawatts annoncés.

Les prévisions de SemiAnalysis pour 2027 sont convaincantes, car une grande partie des travaux a déjà commencé. Leur affirmation la plus difficile à vérifier commence après l’ouverture des portes. Le secteur doit transformer une capacité électrique sans précédent en travail informatique utile et rémunéré.

Au cours des prochains trimestres, comparez la mise en service des campus avec les expéditions de matériel et la demande cloud récurrente. Si les trois progressent ensemble, l’accélération est réelle. Si l’un d’eux prend du retard, il révélera le nouveau goulet d’étranglement et les engagements pris trop tôt.