Pendant des années, Apple était l’un des acheteurs disposant du volume et de la puissance financière suffisants pour garantir l’approvisionnement en composants via de grands contrats à long terme. Cependant, l’intelligence artificielle a bouleversé cette hiérarchie. Alphabet, Microsoft, Meta et Amazon accumulent des engagements contractuels qui, selon une analyse de Claus Aasholm basée sur leurs rapports publics, avoisinent ensemble les 2 000 milliards de dollars. Ce chiffre nécessite plusieurs nuances, mais il reflète un changement difficile à ignorer : les grands acteurs technologiques n’assurent plus uniquement des serveurs pour le prochain trimestre, mais aussi la capacité de calcul, la mémoire, les centres de données et l’énergie pour plusieurs années.

Les clés de la course au matériel d’IA en 30 secondes

• Les engagements contractuels d’Alphabet, Microsoft, Meta et Amazon avoisinent conjointement les 2 000 milliards de dollars, selon l’analyse de Aasholm.
• Alphabet se distingue avec 811 milliards de dollars engagés à la fin juin.
• Ce n’est pas uniquement une question de chips ou de mémoire : cela inclut également des centres de données, de l’énergie, du cloud, des stocks, des licences et d’autres contrats.
• L’échelle montre comment les hyperscalers réservent leur capacité future avant d’en avoir besoin.
• Pour la mémoire, les serveurs et les centres de données, l’IA modifie la priorité dans la chaîne d’approvisionnement.

Il est important de commencer par cette précision. Parler de « 2 000 milliards de dollars en matériel d’IA » serait incorrect.

Les chiffres agrégés proviennent de différentes catégories d’obligations et d’engagements que les entreprises publient dans leurs documents financiers. Ils incluent l’achat d’infrastructures techniques, d’inventaire, de serveurs, de contrats cloud, de centres de données, de locations, d’énergie et, selon chaque société, d’autres obligations. Ils ne correspondent pas non plus entièrement aux dépenses d’investissement, ou CapEx, qui seront effectuées durant un seul exercice fiscal.

L’image demeure extraordinaire car elle permet de voir combien de capital ces entreprises engagées anticipativement dans la course à l’infrastructure de l’IA.

Et Alphabet fournit probablement l’exemple le plus clair.

Google passe de 149,1 milliards à 811 milliards engagés en six mois

À la fin de 2025, Alphabet déclarait 149,1 milliards de dollars en engagements d’achat et autres obligations contractuelles. Sur ce montant, 113 milliards étaient à court terme et principalement liés à l’infrastructure technique et au stock.

Seulement trois mois plus tard, le chiffre avait radicalement changé.

Dans ses documents au 31 mars 2026, Alphabet annonçait 332,4 milliards de dollars, dont 138 milliards à court terme. La société expliquait que ces obligations étaient principalement liées aux coûts d’infrastructures techniques et de stocks via des accords d’approvisionnement à long terme, des commandes ouvertes, en plus de licences de contenus et de contrats énergétiques take-or-pay.

À la fin juin, un autre saut s’est produit.

Alphabet comptait déjà 811 milliards de dollars en engagements futurs, soit près de 500 milliards de dollars de plus qu’il y a trois mois. Environ 200,7 milliards correspondaient à des obligations à court terme. Ces engagements couvrent tout, des puces et centres de données à l’électricité, aux stocks et aux licences de contenus.

La progression est plus révélatrice que n’importe lequel des chiffres individuellement :

En environ six mois, ces engagements ont été multipliés par plus de cinq.

Et cela pendant qu’Alphabet prévoit un investissement en capital compris entre 180 et 190 milliards de dollars pour 2026, soit environ six fois le montant de 2022. La société elle-même prévoit encore d’augmenter considérablement cette dépense en 2027 et affirme que la majorité des CapEx actuels concerne principalement l’infrastructure technique.

C’est ici que la véritable ampleur du changement commence à s’apprécier.

Il ne suffit plus d’avoir de l’argent pour acheter des GPU

La première phase de l’explosion de l’IA générative pouvait se résumer ainsi : tout le monde voulait des GPU Nvidia, mais il n’y en avait pas assez.

La situation en 2026 est bien plus compliquée.

Une GPU nécessite de la mémoire HBM. Des milliers de GPU nécessitent des commutateurs, des réseaux à haute vitesse et du stockage. Les racks demandent alimentation et refroidissement. Les bâtiments requièrent des transformateurs, des sous-stations et des connexions électriques. Et tout cela doit être disponible à peu près en même temps.

Le goulet d’étranglement s’est déplacé d’un composant précis vers l’ensemble de la chaîne industrielle nécessaire pour convertir l’électricité en capacité de calcul.

C’est pourquoi les hyperscalers font quelque chose de parfaitement rationnel depuis leur position : réserver en avance.

Le problème, c’est qu’Amazon, Microsoft, Google et Meta ne sont pas des acheteurs ordinaires.

Ils ont des bilans gigantesques, génèrent des dizaines de milliards en cash et peuvent signer des contrats pluriannuels pour assurer leur production future. Lorsqu plusieurs d’entre eux font de même simultanément, le reste du marché finit par rivaliser pour la capacité disponible.

La mémoire en offre un des meilleurs exemples.

La mémoire est devenue un actif stratégique de l’IA

Pendant des décennies, la mémoire a été l’un des composants les plus cycliques de l’informatique.

Les fabricants augmentaient la production lorsque les prix montaient. La nouvelle capacité finissait par provoquer une surabondance, les prix cédaient et un nouveau cycle commençait.

L’IA modifie, au moins temporairement, cette dynamique.

Les accélérateurs nécessitent de grandes quantités de High Bandwidth Memory (HBM), mais les centres de données consomment également d’énormes quantités de DRAM classique et de stockage NAND.

Et les prix réagissent déjà.

TrendForce estimait pour le troisième trimestre 2026 des augmentations trimestrielles comprises entre 13 % et 18 % pour la DRAM classique et entre 10 % et 15 % pour le NAND Flash. Ce sont des hausses importantes, même si inférieures à celles enregistrées au deuxième trimestre, où certains segments avaient connu des augmentations proches de 60 %.

Ce phénomène a même reçu un nom : chipflation.

Les grands fournisseurs cloud signent des contrats d’approvisionnement à long terme pour garantir la mémoire et autres composants, ce qui augmente la pression sur une industrie dont la capacité ne peut croître aussi vite qu’une commande.

Construire une nouvelle usine de DRAM prend des années. Augmenter la production de HBM est encore plus complexe, car cela implique la fabrication, l’empilement, les TSV, le conditionnement et d’autres processus additionnels.

Ainsi, réserver la mémoire pour 2027 ou 2028 peut être aussi crucial que de concevoir l’accélérateur qui l’utilisera finalement.

Microsoft et Meta aussi achètent l’avenir

Alphabet affiche actuellement l’un des chiffres les plus spectaculaires, mais ce n’est pas un cas isolé.

Microsoft suit une tendance similaire depuis un certain temps.

À la clôture de son exercice fiscal 2025, il déclarait 109,95 milliards de dollars en engagements d’achat, en plus de 32,15 milliards en construction et 178,7 milliards associés à des baux opérationnels et financiers.

La tendance s’est poursuivie en 2026. Une partie des obligations concerne du matériel d’IA, l’autre des contrats de centres de données qui s’étaleront sur plusieurs années.

Meta offre un autre exemple encore plus évident de l’évolution du modèle d’infrastructure.

Au 31 mars 2026, elle comptait 237,67 milliards de dollars d’obligations contractuelles incomptabilisables, principalement liées à la capacité cloud de tiers, aux serveurs, aux réseaux, aux centres de données et à certains produits de hardware de Reality Labs.

De plus, elle avait 182,88 milliards de dollars en obligations de location non encore commencées, essentiellement pour les centres de données, les colos et l’infrastructure réseau, avec des contrats débutant entre 2026 et 2036, qui peuvent se prolonger jusqu’à 30 ans.

En avril seulement, Meta a ajouté environ 24 milliards de dollars en contrats pluriannuels d’infrastructure.

Il ne s’agit plus uniquement d’acheter le serveur.

Il s’agit de réserver le bâtiment en construction, la capacité électrique qu’il faudra, l’infrastructure cloud qui y sera déployée pendant des années, ainsi que les composants encore en fabrication.

Amazon joue aussi avec ses propres chips

Amazon ajoute une variable supplémentaire à cette course à l’expansion.

AWS continue d’utiliser d’importantes quantités d’infrastructures Nvidia, mais développe également ses propres processeurs comme Trainium et Graviton.

Au deuxième trimestre 2026, Amazon expliquait qu’Anthropic et OpenAI avaient réalisé des engagements pluriannuels et plusieurs gigawatts autour de Trainium, tandis que d’autres entreprises adoptaient aussi ses accélérateurs.

Cela soulève une conséquence intéressante pour la chaîne d’approvisionnement.

La compétition ne se limite plus à Nvidia contre AMD pour décrocher des commandes. Google conçoit les TPU, Amazon développe Trainium, Microsoft possède ses propres accélérateurs, et Meta travaille également à des circuits personnalisés.

Mais tous ont besoin de nombreux mêmes éléments : carteries avancées, empaquetage, HBM, DRAM, NAND, serveurs, fibre optique, commutateurs, électricité et centres de données.

Changer de fabricant d’accélérateurs ne supprime pas ces goulots d’étranglement.

Dans certains cas, cela peut simplement déplacer le problème vers une autre partie de la chaîne.

Apple cesse d’être l’acheteur que tout le monde craignait de perdre

Voici l’une des conséquences les plus intéressantes de cette nouvelle hiérarchie.

Apple reste une entreprise énorme, achetant toujours d’énormes quantités de mémoire, de stockage, d’écrans et de semi-conducteurs pour fabriquer des centaines de millions d’appareils.

Pendant longtemps, ce volume offrait à Cupertino un pouvoir de négociation considérable.

Un fournisseur de mémoire avait de bonnes raisons d’assurer la capacité pour Apple, car perdre un contrat lié à l’iPhone pouvait signifier renoncer à des milliards de dollars.

Mais la montée de l’IA introduit de nouveaux clients capables de s’engager sur des volumes encore plus importants et, surtout, sur des périodes plus longues.

L’analyse de Aasholm situe les engagements d’Apple autour de 57 milliards de dollars, bien loin des magnitudes atteintes par Alphabet ou Microsoft. Cette comparaison ne doit pas être interprétée comme une mesure directe d’investissement dans l’IA, puisque les structures contractuelles et comptables des entreprises diffèrent.

Elle fonctionne plutôt comme un indicateur du changement d’échelle.

Le client prioritaire d’une usine de mémoire ne doit plus forcément être celui qui vend le plus de smartphones.

Il peut être celui qui doit remplir ses centres de données dans les cinq prochaines années.

Le véritable pouvoir passe de l’achat à la sécurisation de l’approvisionnement

Voici probablement la partie la plus intéressante de tout ce mouvement.

Traditionnellement, l’un des avantages d’être un acheteur géant consistait à obtenir de meilleurs prix.

Dans un marché limité, la priorité change.

L’objectif n’est plus uniquement de payer moins, mais de garantir la disponibilité des produits.

Pour Google, il pourrait être plus dommageable d’attendre des mois pour obtenir de la mémoire, des serveurs ou de l’électricité que de payer un prix supérieur pour ces composants.

Cela modifie la façon dont les négociations avec les fabricants se déroulent.

Samsung, SK hynix et Micron peuvent planifier leur capacité avec des contrats à long terme. TSMC peut justifier de nouveaux investissements en disposant d’une visibilité sur la demande. Les fabricants de serveurs et d’équipements électriques peuvent organiser leur production avec des commandes fermes plusieurs années à l’avance.

Mais cela a aussi des conséquences pour tous les autres acheteurs en dessous des hyperscalers.

PC, smartphones, serveurs d’entreprise classiques, stockage et autres dispositifs entrent indirectement en compétition pour une partie de la même capacité industrielle.

La pression commence déjà à se faire sentir sur les prix. Morgan Stanley estime que cette hausse des composants pourrait entraîner des augmentations allant jusqu’à 15 points de pourcentage dans certains ordinateurs et smartphones.

Et si, dans cinq ans, toute cette capacité devenait superflue ?

Il existe une autre facette de l’histoire.

Engager presque 2 000 milliards de dollars ne garantit pas que la demande future justifiera toutes ces dépenses.

Les contrats couvrent de nombreuses années et certains contiennent différents degrés de flexibilité. De plus, toute cette somme ne se transformera pas forcément en CapEx ou en achats de semi-conducteurs simultanément.

L’industrie fait un pari extrêmement ambitieux basé sur une hypothèse : la demande en capacité informatique pour l’IA continuera à croître suffisamment pour utiliser toute cette capacité.

Alphabet dispose d’arguments pour la soutenir.

Google Cloud a atteint un carnet de commandes de 462 milliards de dollars à la fin du premier trimestre, et l’entreprise affirme que AI Solutions est devenue le principal moteur de la croissance de son activité cloud.

Cependant, les modèles améliorent aussi rapidement leur efficacité. Le coût par token diminue, des techniques de quantification apparaissent, et des modèles plus petits sont développés. De plus, les hyperscalers conçoivent aussi des accélérateurs spécifiques pour réduire le coût de l’inférence.

L’incertitude concerne si cette efficacité réduira la demande globale d’infrastructures ou si, au contraire, elle la multipliera en rendant l’IA suffisamment abordable pour favoriser son déploiement à grande échelle.

Les hyperscalers penchent clairement en faveur de la seconde option.

La course à l’IA se joue désormais avec des contrats jusqu’en 2028

Pendant longtemps, la compétition en IA était vue principalement à travers l’évaluation des modèles : qui a le meilleur benchmark, le contexte le plus vaste ou l’agent le plus performant.

En réalité, il existe une compétition beaucoup plus tangible, plus physique même.

Google, Microsoft, Amazon et Meta tentent d’assurer leur approvisionnement en usines, mémoire, serveurs, centres de données et électricité nécessaires pour des modèles encore non présentés.

C’est peut-être l’un des changements les plus importants que l’IA a apportés à l’industrie technologique.

Le pouvoir ne réside plus uniquement dans celui qui conçoit le meilleur circuit. Il appartient aussi à celui qui peut réserver la capacité industrielle nécessaire avant ses concurrents.

Et quand quatre entreprises peuvent s’engager ensemble sur des montants proches de 2 000 milliards de dollars, l’impact ne se limite pas uniquement à leurs propres centres de données.

Il influence le coût de la mémoire d’un serveur, l’ordre de livraison des nouvelles générations de HBM, la capacité que les fabricants construiront, et potentiellement, le prix que le reste du marché paiera pour les ordinateurs, smartphones et stockage.

L’IA ne se contente pas de consommer plus de puces. Elle modifie aussi qui détient le pouvoir de décider de la direction que prend la production mondiale de ces composants.

Questions fréquentes

Les hyperscalers vont-ils vraiment dépenser 2 000 milliards de dollars en puces ?

Non. Ce chiffre résulte de l’addition de différents engagements contractuels d’Alphabet, Microsoft, Meta et Amazon, étalés sur plusieurs années. Il inclut l’infrastructure technique, les centres de données, les contrats cloud, l’énergie, l’inventaire et d’autres obligations, mais pas uniquement les semi-conducteurs.

Quelle est la somme engagée par Alphabet ?

Alphabet déclarait environ 811 milliards de dollars en engagements futurs à la fin juin 2026, contre 332,4 milliards trois mois plus tôt, et 149,1 milliards à la fin de 2025.

Pourquoi l’IA influence-t-elle le prix de la mémoire ?

Les centres de données d’IA nécessitent de grandes quantités de HBM, DRAM et stockage NAND. Les grands acheteurs concluent des accords de fourniture à long terme, et augmenter la capacité de production demande des années, ce qui exerce une pression à la hausse sur la disponibilité et les prix.

Apple a-t-elle cessé d’être un acheteur essentiel ?

Non. Apple reste l’un des plus grands acheteurs de composants technologiques au monde. Ce qui a changé, c’est l’ampleur des engagements liés à l’expansion des hyperscalers, qui réservent déjà leurs capacités et infrastructures pour l’IA sur plusieurs années.