Calcul
Semi-conducteurs, mémoire, serveurs accélérés et équipements de réseau.

Technologies & économie numérique
Du modèle au monde physique.
L’IA transforme les logiciels, les métiers et l’industrie, mais repose sur une chaîne très matérielle : puces, data centers, réseaux, refroidissement et électricité disponible en continu.
Une révolution en quatre couches
L’investissement ne se limite pas aux modèles génératifs. La valeur circule entre fabricants de puces, opérateurs de cloud, plateformes de données et entreprises qui transforment leurs métiers.
Semi-conducteurs, mémoire, serveurs accélérés et équipements de réseau.
Data centers, cloud, stockage, refroidissement et alimentation électrique.
Entraînement, inférence, qualité des données, sécurité et gouvernance.
Logiciels, santé, finance, industrie, mobilité, énergie et services.

Métiers & productivité
L’OIT estime qu’un travailleur sur quatre occupe un métier présentant une certaine exposition à l’IA générative. Elle décrit d’abord une transformation des tâches, très inégale selon les pays et les professions. [3]
Concevoir accélérateurs, mémoire et interconnexions.
Collecter, nettoyer et rendre les données exploitables.
Déployer, superviser et optimiser les modèles en production.
Sécuriser les usages, contrôler les accès et documenter les risques.
Raccorder les sites, piloter la puissance et renforcer les postes.
Évacuer la chaleur et limiter l’usage d’eau et d’énergie.
Data centers & électricité
Le scénario central actualisé de l’AIE fait presque doubler la consommation électrique des data centers entre 2025 et 2030. L’IA en est le principal moteur, mais l’incertitude reste élevée. [1]
Une part encore minoritaire à l’échelle mondiale, mais très concentrée localement.
Consommation électrique projetée entre 2025 et 2030 dans la mise à jour de l’AIE.
Progression estimée de la consommation électrique des data centers en une année.
Le monde physique de l’IA
Un data center peut être construit en deux ou trois ans ; les réseaux et centrales exigent souvent davantage. Cette différence de calendrier crée des goulets d’étranglement. [1]
Capacité de fabrication, mémoire HBM et équipements spécialisés.
Files d’attente, transformateurs, postes et lignes à construire.
Densité croissante des racks, eau disponible et solutions liquides.
Des investissements lourds dont la rentabilité dépend des usages réels.

L’AIE prévoit que les renouvelables couvrent près de la moitié de la croissance jusqu’en 2030. Le nucléaire gagne en importance à partir de la fin de la décennie, sans supprimer les délais, coûts et risques de construction. [2][4]
Notre sélection IA, technologie & data
Donnée multisectorielle, technologie mondiale, IA spécialisée ou chaîne physique : des portefeuilles différents pour lire le même cycle.

Une lecture large de la donnée : infrastructures, analyse et entreprises utilisatrices dans la santé, l’énergie, la finance ou l’industrie.

Une exposition mondiale diversifiée : semi-conducteurs, logiciels, cloud, plateformes et équipements. Le gérant peut s’écarter fortement des indices.

Un fonds spécialisé sur les entreprises qui développent l’IA ou en bénéficient. Concentration, valorisations et dollar augmentent sa volatilité.
Références officielles
Retrouvez les références et documents utilisés pour cette page. Vérification : .
https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary↗https://www.iea.org/reports/energy-and-ai/executive-summary↗https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure↗https://www.iea.org/reports/the-path-to-a-new-era-for-nuclear-energy↗