Quand un homme en blouson de cuir qui travaille dans les semi-conducteurs peut attirer les foules comme s’il s’agissait d’un concert de t-swift, on sait que les temps changent. Je parle bien sûr de Jensen Huang, chef de la direction de Nvidia, et de son allocution devant GTC il y a quelques semaines. Il a rempli l'aréna des Sharks de San Jose, mais il parlait d'un autre type de bâton de hockey dans son discours semblable à celui de Steve-Jobs. Il n’a pas parlé de Bauer, Warrior ou Sherwood, mais plutôt de la courbe exponentielle de croissance des bâtons de hockey pour calculer l’efficacité en matière de formation et d’utilisation (inférence) de modèles d’IA.

Principaux enseignements:

• Le marché des technologies se tourne vers les semi-conducteurs, propulsé par leur rôle central dans les progrès de l’IA. Ce inversion des tendances antérieures, qui favorisaient les modèles logiciels, place le matériel au premier plan de la valeur technologique et de l’investissement.
• Malgré des investissements importants dans l’infrastructure d’IA, les produits d’exploitation du secteur de l’IA sont à la traîne, ce qui présente un défi de monétisation pressant qui fait écho aux premiers jours incertains du développement d’applications mobiles. Cette urgence souligne la nécessité de solutions rapides et efficaces.
• La nouvelle série Blackwell (B100) de Nvidia marque un saut monumental dans l’efficacité de l’IA, signalant une vitesse d’amélioration qui va bien au-delà de la loi de Moore.

La grande nouveauté a été la nouvelle série Blackwell (B100) de Nvidia qui, associée à son serveur système complet, est censée être 30 fois plus performante en matière d’inférence et 4 fois plus performante en matière d’entraînement que son prédécesseur, le H100₁. Je rappelle que, lorsque le H100 a été publié, il était également 30x plus facile à déduire et 9x plus apte à former que son prédécesseur, l'A100₂. Il ne s’agit pas de la loi de Moore, où nous constatons une amélioration de 2 fois par année environ. Il s'agit d'une innovation en matière de changement maritime qui se produit à une vitesse de rupture.

Pensez-y de la manière suivante. Les théories sont intéressantes dans le vide. Vous pouvez faire autant de mathématiques que vous le souhaitez dans le style Good Will Hunting sur des tableaux noirs, mais si vous n’êtes pas en mesure de tester des théories sur le mouvement des électrons qui repoussent les limites de ce que nous pensions possible auparavant, les théories sont à peu près aussi utiles qu’une application sur les pets sur votre iPhone. Nous avons maintenant atteint un niveau de capacité informatique d’infrastructure physique nous permettant de mettre à l’épreuve des idées nouvelles et transformatrices.

Tout cela, bien sûr, doit encore être mis en œuvre. Nous n’avons pas une idée claire de la façon dont les cas d’utilisation et les modèles économiques se dérouleront autour de l’intelligence artificielle. Comme « le logiciel a mangé le monde », « l’IA mange le logiciel »? Actuellement, les calculs ne sont pas encore tout faits. Nous avons dépensé environ 50 G$ en UTG de Nvidia l’an dernier pour construire la couche de calcul d’infrastructure de l’IA, mais nous n’avons que 3 G$ de produits d’exploitation tirés de l’IA dans l’ensemble du secteur3. Nous n’avons pas encore déterminé la couche de monétisation.

Parlant d’applications de grillage... ces premiers stades d’utilisation finale de l’IA me rappellent les premières applications novatrices sur votre iPhone. Nous avions cette nouvelle technologie incroyable et un magasin d'applications, mais nous ne savions pas quoi en faire. Ces applications de subterfuge comme les calculatrices et les lampes de poche sont devenues des gadgets à mesure que nous entrions dans l’ère des appareils mobiles et que nous trouvions la couche d’application dans les médias sociaux et le divertissement (Facebook, Snapchat, Instagram, YouTube, Spotify, etc.) et les applications de productivité (Gmail, Outlook, Calendars, etc.). Nous n’en sommes pas encore là avec l’intelligence artificielle, et nous commençons tout juste à mettre en œuvre l’application.

Alors que les semi-conducteurs voient leurs revenus changer progressivement, d’autres secteurs de l’industrie des technologies ont été très lents à démarrer.«Quincaillerie » était autrefois un mauvais mot en technologie. Elle était associée à des coûts de fabrication élevés, à de faibles marges brutes sur les unités vendues, à des variations cycliques et à la perception d’une éventuelle banalisation. Ces entreprises ont été mises de côté pour des modèles SaaS, qui étaient infiniment évolutifs, affichaient des marges brutes élevées et étaient incroyablement collants. Comment les produits ont tourné... Le logiciel est en difficulté et les semi-conducteurs semblent inatteignables (pour l’instant).

Le marché a donc décrété que 2023, 2024 et peut-être les trois prochaines années seraient les « années du semi-conducteur ». Mieux vaut ne pas se laisser distancer.

La manie des semi-conducteurs

Chaque fois que nous avons une technologie révolutionnaire, la valeur et la comptabilisation des produits se font par vagues de déploiement. Nous sommes d’ardents défenseurs de l’étude du passé, car l’histoire ne se répète pas, mais elle se répète souvent. Le corollaire sur lequel nous nous concentrons est le cycle de construction CAPEX qui a engendré les conditions préalables nécessaires à l’épanouissement de la technologie mobile et de l’informatique en nuage.

Nous croyons que nous suivrons un chemin d’accès similaire, sauf que le calendrier sera comprimé en raison de la croissance exponentielle que nous observons dans l’IA. Les chiffres trimestriels de Nvidia concernant les centres de données parlent d’eux-mêmes, et ils ont déjà lancé à eux seuls le cycle CAPEX des semi-conducteurs.

De plus, nous commençons à voir davantage de projets de construction d’infrastructures tertiaires se concrétiser. Par exemple, Vertiv est l’un des meilleurs moyens de s’exposer à la gestion de l’énergie et de la chaleur dans les centres de données. Le refroidissement liquide représente actuellement un faible pourcentage du total des produits, mais la société s’attend à un TCAC de plus de 50 % dans ce secteur. Il ne faut pas oublier non plus d'investir tout au long de la chaîne de valeur lorsqu'il s'agit de semi-remorques, pas seulement de Nvidia ou d'AMD. Si Nvidia est le négociant d’armes dans la guerre de l’IA, les fournisseurs d’équipements semi-conducteurs (comme LRCX, KLAC, AMAT et ASML) sont les fabricants d’armes. Les machines qui font les machines.

Bien que les semi-conducteurs ne manquent pas de battage publicitaire, nous croyons qu’il y a encore beaucoup de place pour l’exploitation. Toutefois, nous ne sommes pas aveuglément engagés et nous changerons d'idée lorsque les faits et les principes fondamentaux changeront. Qu'est-ce qui nous fera changer d'idée? Nous entrevoyons trois menaces potentielles pour les fondamentaux :

1) Compression des marges : Alors que le cours de l’action Nvidia monte en flèche, elle continue à devenir moins chère en termes de ratio cours / bénéfice à chaque fois qu’elle publie un trimestre et qu’elle repousse ses objectifs. Avec des marges brutes de 75 % et des marges de flux de trésorerie disponibles de 45 %, il est évident que Nvidia a un pouvoir de fixation des prix. Si les contraintes d’approvisionnement s’affaiblissent, la marge de Nvidia s’affaiblira également. Ces éléments, jumelés à la croissance des produits, sont les éléments à surveiller pour assurer la durabilité future. Aucun cycle de construction CAPEX ne dure éternellement à ce niveau de rentabilité.

2) Concurrence : Nous commençons à voir une concurrence accrue de la part des entreprises Hyperscalers (Amazon, Google, Microsoft) qui construisent leur propre silicium et des entreprises en démarrage comme Groq qui construisent davantage de semi-remorques propres à des applications. Les acteurs du marché salivent le profil de rentabilité de Nvidia. Comme le disait si bien Bezos : « Votre marge est ma chance. »

3) Risque lié à la technologie : Nous en sommes encore aux tout premiers jours des grands modèles linguistiques (LLM) et même aux premiers jours de l’IA qui n’est pas une LLM. À l’heure actuelle, la demande de calcul est insatiable. Cette situation pourrait changer si le processus qui sous-tend l’IA évolue (c.-à-d. une nouvelle version d’un transformateur). Bien que cela soit peu probable à court terme, un nouveau processus plus efficace pour approcher l’IA pourrait réduire la demande globale pour le calcul.

Le quartier des logiciels en désordre

Bien qu’à première vue, il semble que toute la technologie soit sur la bonne voie en début d’année, les sociétés de logiciels ont éprouvé des difficultés. Nous avons assisté à de nombreux écarts après les bénéfices, où les sociétés ont largement battu et baissé, ce qui signifie que les prévisions étaient très faibles. M. Market n’a pas été tendre avec ces entreprises. Le marché paie des multiples de primes pour les sociétés en croissance. Lorsque les entreprises cessent de croître, le marché cesse de les payer. C’est aussi simple que cela. Au cours des six derniers trimestres, nous avons assisté à une « croissance » des sociétés de logiciels. La croissance s’est considérablement ralentie alors que les marges se sont améliorées. Cela a créé un modèle de « avoir » à court terme, selon lequel nous sommes maintenant en mesure d’acheter des logiciels à des multiples raisonnables.

À la fin de 2023, bon nombre d’entre eux attendaient une période d’optimisation des coûts des TI pour se stabiliser. Au lieu de cela, nous n'avons pas encore vu l'assiette au beurre. Cette situation est en grande partie attribuable à l’intérêt grandissant suscité par l’intégration de l’IA générative dans les flux de travail, où les organisations adoptent une approche « précipitée » pour répartir leurs dépenses en TI. Les dépenses supplémentaires qui s’ajoutent concernent les applications d’IA générative plutôt que l’analyse traditionnelle.

Ce que nous voyons habituellement au niveau de l’entreprise, c’est qu’une entreprise teste un cas d’utilisation de GenAI en utilisant une MLM frontalière qui est généralement plus coûteuse. Une fois qu’ils auront trouvé une façon de l’intégrer à leurs flux de travail, ils concevront une solution similaire pour AWS (ou peu importe où se trouvent leurs données) en utilisant une MLM source ouverte pour optimiser les coûts.

Un concept important à comprendre ici est celui de la gravité des données. La gravité des données est l’idée que les entreprises veulent mettre en œuvre GenAI en plus de leurs données existantes. Il s’agit d’un « coût de remplacement » qui agit comme un tapis que AWS, GCP et Azure ont déjà établi. Les sociétés de logiciels devront se tailler une place dans ce créneau pour prévenir le roulement et relancer la croissance.

Notre thèse de placement dans le fonds consiste à adopter une approche globale du cycle de construction de l’IA. Toutefois, notre thèse selon laquelle GenAI mènerait à une comptabilisation des produits anticipée dans le secteur des logiciels d’infrastructure était prématurée. Nous croyons que cela se concrétisera dans la deuxième moitié de l’année et dans la première moitié de 2025. Les multiples étant ramenés à des niveaux historiques raisonnables, nous sommes à l’aise avec le fait de détenir ces sociétés ici en ce moment. Ce qui changerait notre thèse, c’est que nous n’aurions pas atteint un creux si les hypomètres s’installaient pour capturer une part démesurée des revenus de GenAI.

Réflexions finales

Pour faire une analogie avec le baseball, nous n’avons même pas encore réussi à entrer dans le stationnement. Les entreprises tentent toujours de déterminer 1) comment intégrer cette technologie à leur stratégie de données, 2) comment optimiser le calendrier de monétisation des coûts du modèle et 3) comment atténuer les risques associés à leur stratégie d’IA pour éviter qu’un fournisseur ne dispose d’un pouvoir de fixation des prix excessif.

Nous sommes maintenant à un point critique de l’IA, où notre capacité de calcul a évolué au point où nous pouvons tester de nouvelles théories qui étaient auparavant inconcevables. Dans un domaine qui évolue rapidement, les investisseurs doivent analyser de façon critique les sources de valeur du système. Nos placements changeront au fur et à mesure que le secteur évoluera.

Il est temps de faire preuve d’intelligence en matière d’intelligence artificielle ou de prendre du retard.

–Nick Mersch, CFA, Portfolio Manager at Purpose Investments

[1] AnandTech : NVIDIA Blackwell Architecture et B200 / B100 Accélérateurs annoncés : go Bigger with Smaller Data (Ryan Smith, le 18 mars 2024) : https ⁇ wwww.anandtech.com Salle 21310 dnvidia-blackwell-architecture-et-b200b100-accelerators-announced-going-bigger-with-smaller-data

[2] ORI : Choisir entre NVIDIA H100 et A100 - Performance and Costs Considerations (Daniel Van Den Berghe, le 21 février 2024) : https ⁇ blog.ori.co.choosing-between-nvidia-h100-vs-a100-performance-et-cost-considerations

[3] Possibilité d’IA : Mot d’ouverture de Sequoia Capital’s AI Ascent 2024 (mars 2024) :  https ⁇ ww.youtube.comwatch? v = TDPqt7ONUCY

Les placements dans les fonds de placement peuvent donner lieu à des commissions, à des commissions de suivi, à des frais de gestion et à d'autres frais. Le prospectus contient des informations importantes et détaillées sur le fonds de placement. Veuillez lire le prospectus avant d’investir. Rien ne garantit qu’un fonds atteindra son objectif de placement, et la valeur de son actif net, son rendement et le rendement de ses placements fluctueront de temps à autre selon la conjoncture du marché. Les fonds d’investissement ne sont pas garantis, leur valeur change fréquemment et le rendement passé peut ne pas se reproduire.

Cette information est fournie à titre indicatif et à des fins de discussion seulement. Le présent document ne se veut pas un rapport de recherche officiel et ne doit pas servir de fondement à une décision de placement. Les tendances historiques n’impliquent pas, ne prévoient pas ou ne garantissent pas les résultats futurs. L’information est à jour à la date indiquée et peut être modifiée sans préavis. Rien dans les présentes ne constitue une prévision ou une projection d’événements futurs ou du comportement futur du marché.

L'information ne constitue pas des conseils en placement et n'est pas adaptée aux besoins ou à la situation de l'investisseur. Les renseignements contenus dans le présent document sont considérés comme exacts et fiables; toutefois, nous ne pouvons garantir qu’ils sont complets ou à jour en tout temps. Les renseignements fournis peuvent changer sans préavis.