Le 25 août, Dylan Patel, fondateur de SemiAnalysis, a présenté un calcul dans le podcast de Dwarkesh Patel : d'ici fin 2028, Anthropic et OpenAI détiendraient la majeure partie de la capacité de calcul utilisable dans le monde.
"By the time you're towards the end of 2028 — if this trend continues, and I see nothing that's stopping it — you've got them just controlling most of the usable flops in the world on their own."
(D'ici la fin de 2028 — si cette tendance se poursuit, et je ne vois rien qui puisse l'arrêter —, ces deux entreprises contrôleront à elles seules la majeure partie des flops utilisables dans le monde.)
Voici comment se déploient les chiffres : la capacité électrique de chacune des deux entreprises passerait d'environ 2GW fin 2025 à plus de 5GW fin 2026, environ 18GW fin 2027 et environ 54GW fin 2028. Leur part dans les nouvelles capacités de calcul mondiales serait d'environ 30% cette année, de 40 à 50% l'an prochain, d'environ la moitié des ajouts vers décembre 2027, pour grimper à 70-80% en 2028. Côté mondial, les ajouts seraient de 30GW en 2026, 50GW en 2027, 70GW en 2028 et 90 à 100GW en 2029, portant le total mondial en 2028 à environ 200GW.
Combien rapporte chaque mégawatt
Patel estime que le moteur de la concentration se trouve dans le revenu par unité. Le coût d'infrastructure actuel tourne autour de 10 à 15 millions de dollars par mégawatt, tandis que le revenu par mégawatt d'Anthropic a un temps grimpé jusqu'à 50 millions de dollars. Il prévoit que, d'ici fin 2027, le revenu par mégawatt des laboratoires de tête dépassera 50 millions de dollars, voire atteindra 70 à 80 millions. Celui qui gagne le plus par mégawatt peut aussi payer le plus cher dans la course aux baies de serveurs.
"To get to that 100 gigawatts in 2028, you have to believe that the labs can outpay for compute...Does compute now get to $25 million a megawatt? Does it get to $40 million a megawatt?"
(Pour atteindre ces 100 gigawatts en 2028, il faut croire que les laboratoires peuvent surenchérir sur le prix du calcul... Le prix du calcul va-t-il atteindre 25 millions de dollars par mégawatt ? Va-t-il atteindre 40 millions ?)
Il résume ces trois mécanismes en une phrase — "Every force is screeching towards centralization." (Chaque force fonce en hurlant vers la centralisation.) Les économies d'échelle à l'entraînement, le revenu par mégawatt plus élevé des leaders, et le pouvoir d'achat qui en découle s'emboîtent et resserrent l'étau.
D'où vient l'argent
Le tableau de capital est la partie la plus lourde de ce calcul. Entre 2024 et 2029, les dépenses d'investissement de tout l'écosystème atteindraient environ 11 000 milliards de dollars, dont 6 000 milliards payés en liquidités et 5 000 milliards reposant sur la dette, ce qui nécessiterait l'émission de plus de 5 000 milliards de dollars de crédit nouveau. Côté taux, le coût de financement actuel de Meta se situe entre 5 et 6% ; Patel ne voit aucune raison qu'il ne grimpe pas à 8%. Cette hausse de 250 points de base se propagerait, via le marché du crédit, à l'ensemble de l'économie.
Sur la Chine, il avance trois évaluations : en 2028, la capacité de calcul IA de la Chine serait de 30GW ou moins ; actuellement, la Chine représente moins de 10% de la capacité mondiale de calcul IA déployée dans les centres de données ; et une conversion — "that 50 gigawatts is really worth as much as 20 gigawatts from American chips" (ces 50 gigawatts vaudraient en réalité autant qu'environ 20 gigawatts en puces américaines). Ce facteur de conversion est une estimation personnelle de Patel, dont la méthode n'est pas rendue publique, et il serait risqué de le traiter comme une conclusion établie.
Où se situe le point fragile de ce calcul ? Il noue trois courbes en une seule : la capacité de calcul, le revenu par mégawatt et l'offre de crédit. Les deux premières s'alimentent mutuellement — un revenu élevé permet d'acheter, acheter permet de produire la génération de modèles suivante, un modèle plus puissant génère plus de revenu — et une fois ce cercle enclenché, il peut effectivement s'auto-accélérer. La troisième est exogène. À vue de nez, si ce coût de financement de 8% se confirme, les seuls intérêts sur une dette de 5 000 milliards de dollars représenteraient 400 milliards de dollars par an, ce qui exigerait que les revenus liés à l'IA atteignent, sur la même période, un niveau particulièrement élevé. Patel lui-même laisse ce point en suspens : il demande si les laboratoires peuvent surenchérir, sans répondre à ce qui se passerait s'ils ne le pouvaient pas.
Pour les fournisseurs chinois, cette courbe de proportion est plus instructive que les chiffres absolus. Si 70 à 80% des nouvelles capacités reviennent à deux laboratoires, les 20 à 30% restants doivent être partagés entre tous les autres laboratoires, fournisseurs cloud, entreprises qui construisent leur propre infrastructure et projets souverains. Le total mondial continue de croître, mais la part qui reste à partager, elle, se réduit.
Sources: Dwarkesh Podcast, CocoLoop, SemiAnalysis ; à vérifier : les fourchettes de gigawatts projetées pour les deux laboratoires, le mode de calcul du revenu par mégawatt, ainsi que la répartition entre liquidités et dette dans les 11 000 milliards de dollars de dépenses d'investissement.