74 milliards de dollars : SpaceX et l'IA financent l'infrastructure que personne ne voit

Pendant que vous lisez ces lignes, des milliards s'investissent dans des serveurs que vous ne verrez jamais.

L'intelligence artificielle ne tourne pas dans le cloud. Elle tourne dans du béton, de l'acier, des câbles haute tension et des systèmes de refroidissement capables d'alimenter une ville moyenne. Et derrière cette infrastructure silencieuse, une course financière s'est enclenchée à une vitesse que peu d'analystes avaient anticipée : 74 milliards de dollars engagés par une poignée d'acteurs pour construire les fondations numériques de la prochaine décennie.

Pourquoi parle-t-on soudainement de "gigadettes" ?

Le terme peut faire sourire. Mais derrière ce néologisme se cache une réalité financière brutale : pour entraîner et faire tourner des modèles d'IA comme GPT-4, Gemini ou Claude, il faut des clusters de calcul dont la puissance dépasse tout ce qu'on construisait il y a cinq ans. Et cette puissance a un coût : en capital, en énergie, en foncier, en délais de construction.

Les "gigadettes" désignent justement ces emprunts et investissements massifs — souvent en milliards — que les entreprises technologiques contractent pour financer non pas des logiciels, mais des infrastructures physiques. Des data centers. Des lignes électriques. Des systèmes de refroidissement à eau. Du matériel lourd, lent à déployer, coûteux à entretenir.

SpaceX dans la partie : une surprise calculée

On attendait Microsoft, Amazon, Google. On n'attendait pas SpaceX. Pourtant, Elon Musk — via xAI, son laboratoire d'intelligence artificielle — a engagé des sommes considérables dans la construction de ce qu'il appelle le "Colossus" : un supercluster de calcul basé à Memphis, Tennessee, qui regroupe déjà plus de 100 000 GPU Nvidia H100.

Ce n'est pas un projet de startup. C'est une opération industrielle à part entière, financée par de la dette et des levées de fonds privées, avec un objectif clairement affiché : rattraper OpenAI et Anthropic en moins de deux ans.

Les chiffres qui donnent le vertige

• Microsoft a annoncé 80 milliards de dollars d'investissement en infrastructure IA pour la seule année 2025.
• Google a prévu 75 milliards de dépenses capex, avec une part croissante dédiée aux data centers IA.
• xAI a levé 6 milliards de dollars en 2024 pour accélérer son infrastructure.
• Amazon Web Services maintient un rythme d'investissement de plus de 50 milliards annuels dans ses capacités de calcul.

Le chiffre de 74 milliards évoqué dans l'espace public correspond aux engagements consolidés de plusieurs acteurs sur un cycle court — et il est probablement déjà dépassé à l'heure où vous lisez ces lignes.

Pourquoi cette course est différente des précédentes

L'ère du cloud traditionnel (2010-2020) reposait sur une logique de mutualisation : on construisait des serveurs polyvalents, loués à la demande à des milliers de clients différents. L'ère de l'IA, elle, impose une logique contraire : des infrastructures spécialisées, configurées pour des charges de calcul extrêmement spécifiques, qui ne peuvent pas facilement être réaffectées.

Un cluster GPU optimisé pour entraîner un grand modèle de langage n'est pas reconvertible en infrastructure e-commerce du jour au lendemain. C'est un pari sur un usage, sur un modèle économique, sur une technologie. Et c'est précisément ce qui rend ces investissements risqués — et stratégiques.

L'énergie : le vrai goulot d'étranglement

Construire les bâtiments est possible. Trouver l'électricité pour les alimenter, beaucoup moins. Les opérateurs de data centers se heurtent partout à la même contrainte : les réseaux électriques ne suivent pas. Aux États-Unis, en Europe, en Asie, les délais de raccordement s'allongent. Certains projets attendent trois à cinq ans avant d'être alimentés en puissance suffisante.

C'est pourquoi des acteurs comme Microsoft explorent des solutions atypiques : réacteurs nucléaires modulaires, partenariats avec des producteurs d'énergie renouvelable, voire relance de centrales fermées. L'IA ne tourne pas dans le cloud : elle tourne dans la réalité physique de nos réseaux énergétiques.

Ce que ça change pour tout le monde

Pour les entreprises utilisatrices d'IA, cette course a une conséquence directe : l'accès aux modèles les plus puissants va coûter plus cher. Entraîner ou inférer sur des architectures massives a un coût marginal non nul. Les prix des API d'OpenAI, d'Anthropic ou de Google ne baisseront pas indéfiniment — et certains analystes anticipent une phase de repricing d'ici 2026.

Pour les pays et les régions, l'enjeu est géopolitique. Qui contrôle les data centers contrôle une partie de la souveraineté numérique. L'Europe commence à en prendre conscience, mais part avec un retard structurel significatif face aux États-Unis et à la Chine.

Conclusion : l'IA est une industrie lourde

La leçon centrale de cette course aux gigadettes est simple mais souvent oubliée dans les discours sur la dématérialisation : l'intelligence artificielle est une industrie lourde. Elle consomme du métal, de l'eau, de l'électricité et des terres. Elle mobilise des chaînes logistiques mondiales et des capitaux considérables.

SpaceX, Microsoft, Google et les autres ne financent pas un logiciel. Ils financent une infrastructure dont dépendra l'économie numérique pour les vingt prochaines années. Et 74 milliards de dollars, dans ce contexte, ne sont peut-être que le début.

— Reservoir Live