Contexte lié : cet article prolonge nos analyses sur les résultats des grandes plateformes technologiques de fin juillet, le cycle mémoire après Micron, et le leadership très concentré de l’infrastructure IA au premier semestre 2026. La question centrale n’est pas seulement de savoir si la demande IA est forte. Il faut savoir qui conserve la valeur économique créée par les tokens IA.
TL;DR
Si l’on décompose un dollar actuel de revenus de tokens IA, la plus grande part de valeur ajoutée reste dans la couche des modèles et des applications. Mais les marchés actions sont surtout entraînés par des investissements de centres de données qui anticipent des revenus finaux encore incomplets. La chaîne de valeur IA ressemble donc aujourd’hui à une pyramide inversée.
| Couche | Valeur ajoutée actuelle estimée |
|---|---|
| Entreprise de modèles IA | 45 à 55 cents |
| Cloud et centre de données | 10 à 16 cents |
| Fournisseur de GPU | Environ 13 cents |
| HBM, DRAM serveur, SSD | Environ 2,3 cents |
| Logiciels d’infrastructure et stockage | 3 à 5 cents |
| Fonderie | Environ 1 cent |
| Électricité | Environ 1,3 cent |
La mémoire est un vrai goulot d’étranglement, mais sa part directe de valeur ajoutée par dollar de token reste limitée. Pour les actions mémoire, la bonne question n’est donc pas de savoir si le PER est bas. La bonne question est de savoir si le secteur peut soutenir un bénéfice net de milieu de cycle d’environ 100 à 140 mille milliards de wons.
1. La vraie question
Dans l’IA, il faut séparer attribution du chiffre d’affaires et attribution de la valeur ajoutée. Un client peut payer un dollar à un service IA, mais ce dollar contient des coûts de cloud, de GPU, de mémoire, de fonderie, d’électricité, de réseau, de serveurs, de refroidissement, de personnel et de logiciel.
Celui qui facture le client n’est donc pas nécessairement celui qui garde le surplus économique.
Nous utilisons deux angles. Le premier est le dollar de token, c’est-à-dire un dollar d’usage d’API ou de modèle. Le second est le dollar applicatif, c’est-à-dire un dollar dépensé dans un flux de travail, un agent ou une solution verticale. Le capex des centres de données est annualisé sur cinq ans, car il ne doit pas être traité comme un coût instantané.
Le coût d’inférence change aussi avec le temps.
| Période | Coût d’inférence en part du revenu | Marge brute de la couche modèle |
|---|---|---|
| 2025 | 50 à 67% | 33 à 50% |
| 2026 | 40 à 55% | 45 à 60% |
| 2027 à 2028 | 30 à 40% | 60 à 70% |
Le prix du token peut baisser pendant que les marges montent, si le coût d’inférence baisse plus vite que le prix. Une partie de cette marge est ensuite réinvestie dans l’entraînement, les réservations de calcul et l’acquisition de clients. Elle revient donc vers les GPU, la mémoire, l’électricité et la fonderie.
2. Cascade actuelle de valeur
| Couche | Revenu attribué | Valeur ajoutée | Lecture |
|---|---|---|---|
| Modèles IA | 100 cents | 45 à 55 | Couche directe avec le client |
| Cloud et data centers | Environ 50 | 10 à 16 | Exploite GPU, réseau, énergie et bâtiments |
| GPU | Environ 18 | Environ 13 | Principal goulot physique actuel |
| HBM, DRAM, SSD | Environ 3 | Environ 2,3 | Essentiel à la performance mais faible part du dollar |
| Logiciels d’infrastructure | Environ 5 | Environ 3 | Plus important avec la complexité opérationnelle |
| Fonderie | Environ 1,5 | Environ 1 | Goulot commun des puces IA |
| Serveurs OEM/ODM | Environ 3 | Environ 1,4 | Gros volumes, marges limitées |
| Réseau | Environ 1,3 | Environ 0,7 | Important à l’échelle des clusters |
| Électricité | Environ 2,5 | Environ 1,3 | Petite ligne de coût, grand goulot d’implantation |
L’électricité n’est pas le plus grand coût par token, mais elle décide où un centre de données peut être construit. La mémoire est indispensable, mais sa part économique directe reste beaucoup plus faible que celle des GPU ou des applications.
3. La pyramide inversée
| Élément | Taille estimée |
|---|---|
| Revenus des modèles et applications IA | 60 à 100 milliards de dollars par an |
| Run-rate data center du principal fournisseur de GPU | Environ 300 milliards de dollars |
| Capex 2026 des quatre grands clouds | Environ 725 milliards de dollars |
| Revenus IA nécessaires pour normaliser 700 milliards de capex | Environ 2,8 à 3,0 billions de dollars |
Si les revenus actuels de l’IA sont de 60 à 100 milliards de dollars et que la mémoire représente 3 à 7 cents de revenu par dollar de token, les revenus mémoire expliqués par les tokens actuels ne devraient être que de 2 à 7 milliards de dollars par an. Les revenus réels des grands acteurs de la mémoire sont bien plus élevés. Une part importante vient donc du capex tiré en avant pour la demande future.
Ce n’est pas forcément irrationnel. Les centres de données ne se construisent pas en quelques semaines. Mais si les revenus applicatifs et cloud ne rattrapent pas le capex, la correction peut commencer en amont : mémoire et composants serveur, puis GPU, puis plans de capex cloud.
4. Trois scénarios
Revenus IA = volume de tokens × prix du token.
Le prix par unité de performance baisse vite, mais le volume peut croître encore plus vite avec les agents et les longs contextes.
| Scénario | Probabilité indicative | Description | Implication |
|---|---|---|---|
| Convergence de la demande | 45% | Les revenus applicatifs montent vite et normalisent 1,0 à 1,6 billion de dollars de capex | Faible correction amont |
| Digestion puis réaccélération | 40% | Le capex 2027 à 2028 baisse de 20 à 30%, puis repart avec les applications | ASP mémoire en baisse de 40 à 60% avant reprise |
| Surcapacité structurelle | 15% | L’élasticité d’usage déçoit | Baisse du capex de plus de 50% et récession amont |
L’IA embarquée réduit une partie du revenu cloud, mais ne supprime pas la demande de silicium. LPDDR, SoC mobiles, NPU de périphérie, stockage embarqué et serveurs locaux peuvent en profiter.
5. Équilibre de long terme
À long terme, les tokens deviennent moins chers. La valeur migre vers ceux qui contrôlent les flux de travail et vers les goulots physiques difficiles à élargir.
| Couche dans un dollar applicatif | Valeur ajoutée de long terme |
|---|---|
| Applications, agents, distribution | 45 à 50 cents |
| Modèle et API | 18 à 24 cents |
| Cloud et data center | 4 à 6 cents |
| Silicium total | 6 à 8 cents |
| Électricité, terrain, refroidissement | Environ 1 cent |
| Infrastructure générique | Faible |
Le client n’achète pas des tokens. Il achète des résultats : baisse des coûts de support, productivité, automatisation de dossiers, clôture comptable plus rapide ou contrôle qualité.
6. Le test de la mémoire
L’histoire HBM est déjà connue du marché. La question est de savoir si la capitalisation actuelle exige un bénéfice de milieu de cycle réaliste.
| Élément | Hypothèse |
|---|---|
| Bénéfice net de pic | 240 mille milliards de wons |
| Bénéfice net de creux | 50 mille milliards de wons |
| Bénéfice normalisé | 60 mille milliards de wons |
| Bénéfice de milieu de cycle | (240 + 50 + 2×60) / 4 = environ 102 mille milliards |
Avec un multiple de 8 à 14 fois, la valeur juste serait d’environ 820 à 1 430 mille milliards de wons. Si la capitalisation actuelle se situe déjà près du haut de la fourchette, la marge de sécurité est faible.
La hausse exige des preuves : bénéfice de milieu de cycle au-dessus de 140 mille milliards de wons, prime HBM4 préservée, ASP résistant malgré l’arrivée de nouvelle offre, et amélioration de la DRAM et de la NAND classiques.
7. Samsung, SK Hynix et Micron ne sont pas le même pari
| Société | Thèse | Risque |
|---|---|---|
| Samsung Electronics | Rattrapage de part HBM et amélioration du mix mémoire | Qualification, rendement, pertes en fonderie et logique |
| SK Hynix | Meilleure qualité de profit HBM | Beaucoup de bonnes nouvelles déjà dans le cours |
| Micron | Indicateur avancé des contrats, prix, FCF et capex | Volatilité et cyclicité |
Samsung offre plus d’option de rattrapage. SK Hynix a la meilleure qualité de profit, mais des attentes élevées. Micron sert de signal avancé pour les estimations coréennes.
8. Indicateurs à suivre
| Indicateur | Pourquoi il compte |
|---|---|
| Backlog cloud agrégé | Capex lié à des revenus futurs |
| Prix des contrats HBM4 | Durabilité de la prime mémoire |
| Allocation par client | Pouvoir de négociation des fournisseurs |
| ASP mémoire global | Cycle élargi au-delà de HBM |
| Marge opérationnelle cloud | Capex transformé en profit |
| Revenus des applications IA | Demande finale rattrapant l’infrastructure |
Conclusion
Les tokens deviennent moins chers. La valeur va vers les applications qui possèdent les flux de travail et vers les goulots physiques difficiles à agrandir.
La mémoire fait partie de ces goulots. Mais sa part de valeur par dollar de token reste limitée. Les actions mémoire ont donc besoin de plus qu’une bonne histoire HBM. Elles doivent prouver qu’un bénéfice de milieu de cycle assez élevé peut soutenir la capitalisation actuelle.