Cette semaine apporte son nouveau chapitre dans le grand livre de l’IA.
Le fossé en matière de calcul IA : les entreprises acquièrent des infrastructures plus rapidement qu’elles ne parviennent à en évaluer le coût
Dans 107 entreprises, les dépenses en infrastructures d’IA progressent bien plus rapidement que la capacité à en évaluer ou à en orienter la rentabilité. La plupart des organisations exploitent leur IA en s’appuyant sur une base familière d’hyper-scaleurs et d’API de fournisseurs de modèles, mais leurs prochains investissements viseront des ressources de calcul spécialisées que presque aucune d’entre elles n’utilise aujourd’hui ; une majorité d’entre elles ont l’intention de changer de fournisseur ou d’en ajouter d’autres dans le courant de l’année, et beaucoup le feront d’ici un trimestre. Les décisions d’achat dépendent davantage de l’intégration et du coût total de possession que du prix affiché du jeton — ce qui est une chance, car la plupart des entreprises ne parviennent pas encore à cerner clairement la rentabilité par unité : les GPU sont utilisés à la moitié de leur capacité, voire moins, et moins de la moitié d’entre elles suivent rigoureusement le coût réel de leurs ressources de calcul. Il en résulte un décalage en matière de calcul : des investissements importants et en constante évolution qui devancent la visibilité nécessaire pour les maîtriser.
Cette étude de VentureBeat Pulse Research se penche sur l’infrastructure et la puissance de calcul dédiées à l’IA en entreprise : où en sont les organisations dans leur processus de déploiement, sur quelles plateformes elles exploitent actuellement l’IA, quel est leur niveau de satisfaction, ce qui les inciterait à changer de plateforme, quels aspects elles prévoient d’évaluer concernant leurs investissements et — ce qui est particulièrement révélateur — dans quelle mesure elles parviennent à mesurer et à maîtriser la rentabilité de la puissance de calcul sous-jacente.
Plusieurs questions permettaient de cocher différents réponses ; c’est pourquoi le total de ces pourcentages peut dépasser 100 %.
Il faut souligner, le principal constat est celui d’un « fossé informatique » : l’écart entre l’intensité des investissements des entreprises dans les infrastructures d’IA et le faible retour sur investissement qu’elles parviennent à en tirer. Seule une entreprise sur cinq environ (21 %) exploite l’IA à grande échelle en production, mais les intentions de dépenses dépassent ce niveau de maturité : le domaine le plus notable que les entreprises prévoient d’évaluer au cours de l’année à venir est celui des clouds spécialisés dans l’IA (45 %), une couche que pratiquement aucune de ces firmes n’utilise aujourd’hui. Dans le même temps, les ressources de calcul déjà en place sont sous-utilisées — 83 % des entreprises indiquent un taux d’utilisation des GPU inférieur ou égal à 50 % — et moins de la moitié (44 %) sont en mesure de suivre de manière rigoureuse les coûts liés à leurs ressources de calcul pour l’IA. Les entreprises acquièrent de nouvelles infrastructures à un rythme plus rapide qu’elles ne parviennent à recenser celles dont elles disposent déjà.
Les entreprises ne sont pas non plus fidèles à leurs fournisseurs d’infrastructure : une nette majorité (64 %) prévoit de changer de fournisseur ou d’en ajouter un d’ici douze mois, et 38 % d’ici le prochain trimestre — un taux d’intention de changement exceptionnellement élevé pour une catégorie aussi fondamentale. Lorsqu’ils font leur choix, ils se basent sur l’intégration avec l’infrastructure existante (41 %) et le coût total de possession (35 %), et non sur le prix affiché : le coût par million de jetons n’est le facteur déterminant que pour 8 % d’entre eux. Et la contrainte majeure qui déterminera la prochaine série de décisions — le passage de la puissance de calcul des GPU à la bande passante mémoire à mesure que l’inférence prend de l’ampleur — est à peine prise en compte, puisqu’environ une entreprise sur cinq n’en a pas conscience ou ne s’est pas encore penchée sur la question.
Parallèlement, ventureBeat a mené cette enquête dans le cadre de sa série « Pulse Research » ; celle-ci portait sur les infrastructures d’IA en entreprise, la puissance de calcul et les aspects économiques de l’inférence. Les réponses ont été filtrées pour ne retenir que les organisations comptant plus de 100 salariés (n = 107 ; la tranche de taille la plus petite de l’enquête, à savoir 1 à 100 salariés, a été exclue), issues d’une seule vague réalisée au deuxième trimestre 2026 (juin). Comme il s’agit d’une seule vague et non d’un échantillon regroupant plusieurs mois, le rapport présente des données transversales et ne permet pas de dégager des tendances d’un mois à l’autre. Plusieurs questions permettaient de cocher différents réponses ; c’est pourquoi le total de ces pourcentages peut dépasser 100 %.
En fonction de la taille des entreprises, l’échantillon se concentre sur le segment des moyennes entreprises : les firmes comptant entre 101 et 250 salariés (36 %) et celles comptant entre 251 et 1 000 salariés (27 %) arrivent en tête, suivies par celles comptant entre 1 001 et 5 000 salariés (22 %), 5 001 à 10 000 (8 %) et 10 001 et plus (7 %) venant en suite. Par type de poste, cela concerne les responsables (38 %), les collaborateurs opérationnels (28 %), les vice-présidents et directeurs (19 %) et les cadres supérieurs (13 %) ; en termes de pouvoir d’achat, il est crédible auprès des acheteurs, avec 45 % de décideurs finaux et 30 % de prescripteurs ou d’influenceurs pour les solutions d’IA. Le domaine des technologies et des logiciels est le plus important, avec 26 %, suivi par celui de la santé et des sciences de la vie (15 %), des services financiers (13 %) et du commerce de détail et du commerce électronique (12 %).
Avec 107 répondants, l’échantillon est suffisamment large pour donner une indication de tendance, cependant il convient de le considérer comme un indicateur de tendance plutôt que comme une mesure précise ; il s’agit d’un échantillon auto-sélectionné et non d’un échantillon aléatoire. Il présente également un biais en faveur des entreprises de taille moyenne et des adopteurs précoces ; il convient donc de l’interpréter comme le point de vue d’organisations qui développent activement une infrastructure d’IA, plutôt que comme celui des plus grands opérateurs hyperscale.
Parallèlement, nous avons demandé aux firmes où elles en étaient dans leur parcours de déploiement de l’IA. La plupart en sont encore à la phase de préparation à la mise en production, plutôt qu’à une exploitation à grande échelle.
Le contexte technologique évolue, et ce type d’annonce en témoigne.
Dans le même ordre d’idées :
Information publiée en premier lieu par VentureBeat : VentureBeat