Les dépenses mondiales en infrastructures en tant que service (IaaS) optimisées pour l’intelligence artificielle atteindront 42,276 milliards de dollars en 2026, soit une augmentation de 96,4 % par rapport à l’année précédente, selon les dernières prévisions de Gartner. Ce chiffre reflète la croissance rapide de la capacité de calcul nécessaire aux entreprises pour entraîner leurs modèles, mais aussi un changement qui pourrait être encore plus significatif pour l’industrie du cloud : l’inférence dépassera désormais le coût de l’entraînement en IA.
Les enjeux des infrastructures cloud pour l’IA en 20 secondes
- Gartner prévoit une dépense de 42,276 milliards de dollars en IaaS optimisées pour l’IA d’ici 2026.
- Le marché connaîtrait une croissance de 96,4 % cette année, puis de 56,5 % en 2027.
- L’inférence atteindra 23,3 milliards de dollars, contre 19 milliards pour l’entraînement.
- Le déploiement en entreprise et les agents d’IA stimulent une demande continue en capacité de calcul.
La différence avec le marché global du cloud est notable. Gartner estime que les dépenses mondiales totales en IaaS passeront de 222,17 milliards de dollars en 2025 à 287,35 milliards en 2026, soit une croissance de 29,3 %. L’infrastructure spécifiquement adaptée aux charges de travail en intelligence artificielle progresserait, quant à elle, à un rythme plus que triplé.
Ces prévisions indiquent également que cette croissance ne s’arrêtera pas en 2026. Gartner prévoit que le marché de l’IaaS optimisée pour l’IA atteindra 66,14 milliards de dollars en 2027, avec une augmentation annuelle de 56,5 %. Ce sont des projections, et non encore des dépenses réalisées, mais elles montrent à quel point l’intelligence artificielle modifie les exigences en matière d’infrastructure pour les entreprises et les fournisseurs de cloud.
De l’entraînement de grands modèles à l’exécution de millions de requêtes
Pendant une grande partie de la récente montée en puissance de l’intelligence artificielle, l’attention s’est concentrée sur l’entraînement des modèles. La création de grands modèles de langage (LLM) requiert d’énormes capacités de calcul, des accélérateurs spécialisés et des systèmes de stockage et de réseau capables d’apporter de grandes quantités de données à ces processeurs.
Cette demande demeure. Gartner estime qu’en 2026, environ 19 milliards de dollars seront consacrés à l’infrastructure cloud pour l’entraînement en IA.
Mais la phase suivante gagne déjà du terrain : utiliser les modèles une fois qu’ils sont entraînés.
Chaque fois qu’un utilisateur interroge un assistant IA, qu’une entreprise traite des documents via un modèle, qu’un système génère du code ou qu’un agent exécute une tâche, il s’agit d’inférence. Contrairement à certains processus d’entraînement qui se concentrent sur des périodes spécifiques, les applications en production nécessitent une capacité disponible en permanence.
Pour la première fois dans ces prévisions, cette partie du marché surpassera celle de l’entraînement. Gartner estime que les dépenses liées à l’inférence atteindront 23,3 milliards de dollars en 2026, soit environ 55 % de toutes les dépenses en IaaS optimisée pour l’IA.
En 2027, cette part pourrait augmenter jusqu’à 59 %.
| Marché | 2025 | 2026 | Croissance 2026 | 2027 | Croissance 2027 |
|---|---|---|---|---|---|
| IaaS optimisée pour l’IA | 21,529 M$ | 42,276 M$ | 96,4 % | 66,143 M$ | 56,5 % |
| IaaS total | 222,170 M$ | 287,347 M$ | 29,3 % | 359,899 M$ | 25,2 % |
Projections de Gartner publiées en août 2026.
Cette évolution marque un changement important pour les fournisseurs d’infrastructures. Entraîner un modèle demande une concentration élevée de ressources sur une période définie. Servir des modèles en production nécessite une disponibilité constante, une faible latence, la capacité de gérer des pics de demande et des coûts maîtrisés pour traiter un volume massif de requêtes.
Les agents IA renforcent encore la demande en calcul
L’expansion des agents d’intelligence artificielle pourrait accélérer cette tendance. Un chatbot classique peut recevoir une question et y répondre. Un système basé sur des agents peut devoir diviser une requête en plusieurs tâches, consulter différentes sources d’information, utiliser des outils externes, solliciter plusieurs modèles et vérifier les résultats avant de donner une réponse finale.
Cela signifie qu’une seule requête utilisateur peut entraîner plusieurs opérations d’inférence.
Gartner considère que cette exécution autonome et multi-étapes augmente la charge computationnelle des applications et contribue à faire de l’inférence le principal modèle de consommation en infrastructure IA.
Elle modifie également la manière dont les entreprises utilisent les modèles. Aux grands modèles généralistes s’ajoutent des modèles ajustés pour des organisations, secteurs ou jeux de données spécifiques. Lorsqu’elles sont intégrées à des applications de service client, des processus internes, du développement logiciel ou des systèmes d’exploitation métier, ces outils doivent réaliser des inférences en continu.
Hardeep Singh, analyste principal senior chez Gartner, attribue cette croissance prévue à la fois à la demande en infrastructure pour entraîner de grands modèles et à l’intégration rapide de l’IA dans les applications et processus métier.
Selon lui, la transition entre développement expérimental et déploiements à grande échelle crée des schémas de consommation cloud plus constants. Les modèles spécialisés par domaine cessent d’être réservés aux phases de test pour s’intégrer à des systèmes en fonctionnement permanent.
L’infrastructure devient un coût central de l’IA
Les chiffres expliquent pourquoi les grands fournisseurs technologiques investissent autant dans l’expansion de leurs plateformes d’IA. Si l’on parle généralement des modèles, il ne faut pas oublier qu’une chaîne d’infrastructure sous-tend chaque service : accélérateurs, serveurs, mémoire, stockage, réseaux haute vitesse, centres de données, systèmes électriques et refroidissement.
De plus, l’inférence soulève une question économique nouvelle : pour une entreprise, ne suffit-il pas d’avoir un modèle capable d’effectuer une tâche, mais aussi de l’exécuter de manière répétée avec des performances, une disponibilité et des coûts acceptables ?
Cela peut influencer des décisions telles que la taille du modèle, le type d’accélérateur, le lieu d’hébergement, le fournisseur cloud ou même la combinaison de services cloud et d’infrastructures privées ou dédiées.
La prévision de Gartner indique également que l’IaaS pour l’IA reste une part minoritaire du marché global. Les 42,276 milliards de dollars attendus en 2026 représentent environ 14,7 % des 287,35 milliards que Gartner prévoit pour l’ensemble de l’IaaS.
En 2027, cette proportion pourrait atteindre près de 18,4 %, avec 66,14 milliards de dollars sur un marché total estimé à 359,9 milliards.
Le taux de croissance en pourcentage sera moins élevé qu’en 2026, mais il restera nettement supérieur à celui du marché global de l’IaaS. Gartner anticipe une croissance de 25,2 % en 2027 pour l’IaaS général, contre 56,5 % pour l’infrastructure dédiée à l’IA.
Ce décalage témoigne d’une transition qui va au-delà de la simple création de modèles de taille croissante. Le défi consiste désormais à exécuter l’IA à grande échelle et en continu, notamment lorsque assistants, modèles spécialisés et agents passent de la démonstration à une utilisation quotidienne en production.
Questions fréquentes
Combien dépensera-t-on en infrastructure cloud pour l’IA en 2026 ?
Gartner prévoit que la dépense mondiale en IaaS optimisée pour l’IA atteindra 42,276 milliards de dollars en 2026, soit une hausse de 96,4 % par rapport à 2025.
On dépense plus pour l’entraînement ou pour l’exécution de l’IA ?
Selon les prévisions de Gartner, l’inférence dépassera l’entraînement. En 2026, ces dépenses s’élèveront à environ 23,3 milliards de dollars, contre 19 milliards pour l’entraînement.
Pourquoi les agents d’IA nécessitent-ils davantage d’infrastructure ?
Parce qu’une seule requête peut générer plusieurs opérations : appels au modèle, sollicitations d’outils externes, recherches, inférences additionnelles, etc., ce qui augmente la charge de calcul pour chaque tâche.
L’infrastructure pour l’IA continuera-t-elle de croître en 2027 ?
Gartner estime que oui. La dépense mondiale en IaaS optimisée pour l’IA atteindrait 66,14 milliards de dollars en 2027, avec une croissance annuelle de 56,5 %.
Sources :
- Gartner, Prévisions des dépenses mondiales en IA-Optimisée IaaS en croissance de 96 % d’ici 2026, 10/08/2026.
