Analyse approfondie du rapport de Goldman Sachs de juillet « Long China AI Value Chain » : pourquoi l'énergie arrive en tête

J'ai lu deux fois le rapport du 8 juillet de Goldman Sachs. La deuxième fois, j'y suis retourné spécifiquement pour un détail : Goldman Sachs a placé l'électricité en tête de la chaîne de valeur de l'IA en Chine, reléguant les modèles et les applications plus loin. Au début, j'ai pensé qu'il s'agissait simplement d'une rotation émotionnelle de plus — la Corée qui monte trop et chute, la Chine qui chute trop et remonte, avec des capitaux en quête de la prochaine histoire. Mais après avoir terminé l'intégralité du rapport, j'ai changé d'avis. Ce que dit vraiment Goldman Sachs, ce n'est pas seulement que « l'IA chinoise va monter », mais que toute la chaîne de valeur de l'IA en Chine a formé une boucle fermée, et que la tarification du marché est très en retard par rapport à son poids économique réel. Encore plus contre-intuitif : le maillon le plus certain de toute la chaîne est celui que la plupart des gens sautent en premier lorsqu'ils parlent d'IA : l'électricité.

Ce classement mérite plus de réflexion que le simple changement de positions, car il répond à une question directe : où doit aller l'argent pour correspondre à la part actuelle de 16 % des revenus mondiaux de l'IA détenue par la Chine, qui ne reçoit actuellement que 1,2 % des allocations des fonds ? Dans cet article, je vais décomposer les cinq filières — électricité, semi-conducteurs, infrastructure, modèles et applications — en expliquant quel type d'argent chaque filière génère et quelles sont les cibles représentatives. En lisant, vous trouverez plusieurs points contre-intuitifs.

▸ Pourquoi Goldman Sachs a abandonné la Corée pour la Chine ▸ Électricité : le goulot d'étranglement sous-jacent sous-évalué ▸ Semi-conducteurs : la substitution nationale dans le super-cycle de la mémoire ▸ Infrastructure : là où les dépenses d'investissement atterrissent réellement ▸ Modèles : pourquoi ils sont classés plus bas ▸ Applications : le point de terminaison de monétisation à moindre risque ▸ Comment combiner les cinq filières et où se situent les risques

Que dit réellement ce rapport ?

Depuis plus d'un an, les capitaux mondiaux se sont presque précipités pour investir dans les valeurs des puces mémoire en Corée du Sud et à Taïwan. Samsung et SK Hynix ont poussé l'indice KOSPI à des niveaux records. La logique était simple : l'IA a besoin d'entraînement et d'inférence, la mémoire est une nécessité ; celui qui a la capacité gagne.

Mais cette logique a commencé à se desserrer cette année. Le marché a commencé à douter de la soutenabilité des dépenses d'investissement dans l'IA. La Bourse coréenne a chuté de plus de 5 % en une seule journée, avec un déclin cumulé de plus de 20 %, entrant dans un marché baissier technique. Le même jour, l'indice Hang Seng China Enterprises a augmenté de près de 4,5 %. Les traces de la migration des capitaux sont évidentes.

Ma réaction initiale a été que cela pourrait n'être qu'une rotation émotionnelle — ce qui monte doit redescendre, et les capitaux cherchent toujours une nouvelle histoire. Mais après avoir lu l'intégralité du rapport, j'ai changé d'avis, car l'argument de Goldman n'est pas seulement que l'IA chinoise va monter, mais que la chaîne de valeur de l'IA chinoise a formé une boucle fermée complète, et que la tarification du marché est très en retard par rapport à son poids économique réel.

Les chiffres sont simples : la Chine représente environ 16 % des revenus mondiaux de l'IA et environ 10 % de la valeur marchande mondiale, mais l'allocation des fonds communs de placement mondiaux à l'IA technologique chinoise n'est que de 1,2 %. Goldman Sachs estime que cet écart pourrait représenter un potentiel de hausse de 50 % à 100 %.

Goldman Sachs a décomposé cette boucle fermée en cinq filières : Électricité, Semi-conducteurs, Infrastructure IA, Modèles IA et Applications IA, et a donné un nom de portefeuille spécifique : GSXACART. L'ordre de la décomposition est en soi une attitude. Plus c'est classé en avant, plus la certitude et la priorité sont élevées. La question est donc : pourquoi l'électricité — un secteur qui semble le plus « terrien » et traditionnel — est-elle classée devant les puces et les modèles ?

1. Électricité : le goulot d'étranglement sous-jacent sous-évalué

L'entraînement et l'inférence de l'IA sont véritablement gourmands en énergie. Une seule requête ChatGPT consomme près de 10 fois l'électricité d'une recherche classique. Ce chiffre aurait pu être ignoré il y a quelques années, mais à mesure que les échelles d'entraînement et d'inférence augmentent simultanément, l'électricité est passée d'une variable d'arrière-plan à une contrainte dure. Le problème aux États-Unis est typique : ils ont les puces et la technologie, mais le réseau électrique ne suit pas. De nombreux projets de centres de données sont bloqués à l'étape de l'accès au réseau. La Chine, en revanche, a un avantage : une alimentation électrique à grande échelle, des coûts d'énergie verte faibles dans l'ouest, un soutien politique rapide et des vitesses de construction qui suivent le rythme. Ces facteurs se combinent en un avantage comparatif que d'autres ne peuvent pas facilement reproduire à court terme.

Goldman Sachs prévoit que les principales entreprises Internet chinoises investiront environ 70 milliards de dollars dans les centres de données en 2026, avec une demande d'électricité des centres de données en croissance d'environ 25 % sur un an. Le chiffre à plus long terme de l'Administration nationale de l'énergie est que d'ici 2030, la consommation d'électricité des centres de données en Chine atteindra 800 TWh, représentant environ 6 % de la consommation totale d'électricité du pays, avec un taux de croissance composé de près de 36 % de 2025 à 2030. Bloomberg New Energy Finance est encore plus agressif, estimant que la demande d'électricité des centres de données pourrait approcher 600 TWh d'ici 2030, soit plus du double par rapport à aujourd'hui.

La politique « Données de l'Est, Calcul de l'Ouest », que beaucoup considéraient d'abord comme un simple slogan, fait en réalité quelque chose de très spécifique : elle convertit les bas prix de l'électricité, les bas prix des terrains et les environnements à basse température de l'ouest directement en avantages de coûts opérationnels pour les centres de données. On estime que d'ici 2025, cela pourrait économiser plus de 300 milliards de yuans en coûts d'électricité, et l'environnement à basse température optimise naturellement les ratios d'efficacité énergétique.

La partie la plus facilement sous-estimée de cette filière est que tout le monde a l'habitude de traiter l'électricité comme une infrastructure traditionnelle avec des valorisations conservatrices. Mais dans le cycle de l'IA, l'électricité est passée d'un poste de coût à la compétitivité elle-même. Les États-Unis ont des avantages en matière de puces et d'algorithmes, mais sont limités par le réseau. La Chine, à l'inverse, a transformé l'électricité — la ressource la plus basique — en un fossé pour les coûts de la puissance de calcul. Dans une certaine mesure, la certitude des entreprises d'équipements électriques peut être plus élevée que celle des entreprises de semi-conducteurs, car les semi-conducteurs dépendent du rythme du rattrapage technologique, tandis que les achats d'équipements électriques sont rigides tant que des centres de données sont construits.

2. Semi-conducteurs : la substitution nationale dans le super-cycle de la mémoire

L'électricité résout le problème de savoir si vous pouvez allumer la machine. Que se passe-t-il une fois allumée ? Les puces et la mémoire sont-elles suffisantes ? C'est ce que répond la deuxième filière.

Goldman Sachs classe les semi-conducteurs en deuxième position, avec un créneau facilement négligé : non pas les puces logiques, mais la mémoire. La demande des serveurs IA pour la DRAM, la NAND et la HBM croît presque de manière exponentielle, et la Chine a justement atteint la fenêtre de production de masse et de substitution nationale de la mémoire à usage général. Les chiffres sont plus directs que l'histoire : la part mondiale de NAND de Yangtze Memory (YMTC) passera de 8 % à 13 % au T1 2026, se classant 4e mondialement, avec un chiffre d'affaires en hausse de 445 % sur un an. Le chiffre d'affaires de ChangXin Memory (CXMT) a augmenté de 719 % sur un an à la même période, avec une guidance de chiffre d'affaires au S1 de 11 à 12 milliards de RMB. Les exportations de circuits intégrés de la Chine en mai 2026 ont augmenté de 111 % sur un an pour atteindre 35,55 milliards de dollars, principalement tirées par la hausse des prix de la mémoire. Ces chiffres montrent ensemble qu'il ne s'agit pas seulement d'un rêve ; c'est une performance déjà réalisée dans les commandes et les prix.

Ce qui est intéressant dans cette filière, c'est que la flambée et l'effondrement ultérieur de la Corée lors de ce cycle étaient essentiellement dus au fait que Samsung et SK Hynix avaient presque tout misé sur le seul maillon de la mémoire. Une fois que le marché doute de la soutenabilité des dépenses d'investissement, le risque d'un maillon unique explose. La mémoire chinoise, cependant, progresse simultanément dans trois dimensions : volume, rapport qualité-prix et sécurité de la chaîne d'approvisionnement. Ce n'est pas un pari sur un seul point. L'élasticité des bénéfices du maillon mémoire est également généralement plus élevée que celle des puces logiques, car il s'agit d'un consommable standard utilisé dans chaque serveur IA, pas d'une option.

3. Infrastructure IA : là où les dépenses d'investissement atterrissent réellement

La mémoire résout le problème d'avoir les matériaux. Une fois les matériaux fabriqués, où les met-on ? Cela mène à la troisième filière.

Si l'électricité et la mémoire sont des matières premières, l'infrastructure est l'endroit où ces matières sont assemblées en puissance de calcul. Les serveurs, les modules optiques, le refroidissement liquide et les centres de données eux-mêmes font tous partie de cette couche. Le chemin de la Chine ici est également clair : « Données de l'Est, Calcul de l'Ouest » concrétise les avantages de coût dans le choix des sites, et les chaînes industrielles nationales de serveurs et de modules optiques sont suffisamment matures. Le résultat est une construction rapide et une utilisation rentable.

Quand je regarde cette filière, un point facilement négligé est que l'attention de tout le monde est toujours d'abord attirée par des événements ponctuels majeurs comme l'entraînement des modèles. Mais ce qui dépense vraiment de l'argent en continu, c'est l'inférence et l'itération après l'entraînement. Cette partie de la demande est à long terme et récurrente. Les entreprises d'infrastructure mangent cette partie, pas seulement des commandes ponctuelles d'une seule tâche d'entraînement. Le fait que Goldman Sachs classe l'infrastructure avant les modèles est, dans une certaine mesure, un rappel que ce qui peut être mis à l'échelle et monétisé en continu est souvent les maillons d'actifs lourds comme la construction de salles de machines, l'alimentation électrique et la connexion réseau, plutôt que les modèles eux-mêmes, pourtant les plus séduisants.

4. Modèles IA : pourquoi ils sont classés plus bas

L'infrastructure construit la route ; et la voiture ? La voiture, c'est le modèle.

J'ai été un peu surpris en voyant cette filière, car les modèles sont la partie dont tout le monde aime le plus parler lorsqu'on discute d'IA. Mais Goldman Sachs l'a placée en quatrième position, à seulement une place des applications. La voie chinoise des modèles n'est pas la route américaine qui consiste à empiler les paramètres et à brûler de la puissance de calcul. DeepSeek a prouvé que des modèles de premier ordre peuvent être fabriqués à faible coût. Combiné à des données de scénarios nationaux suffisantes, ils peuvent atteindre un meilleur rapport coût-efficacité dans des domaines verticaux comme le code, les mathématiques et la multimodalité.

Une chose que je n'ai pas encore entièrement comprise, c'est si Goldman Sachs a classé les modèles plus bas parce qu'il croit que le rythme de commercialisation des modèles est plus lent que celui de l'infrastructure, ou parce que la concurrence dans cette couche est déjà suffisamment féroce pour que l'espace de rendements excédentaires se soit rétréci. Je n'ai pas encore de preuve décisive pour l'une ou l'autre explication, mais au moins une chose est claire : le modèle est la lance. Si l'électricité et les usines devant ne sont pas d'abord mises en place, la lance n'ira pas très loin.

5. Applications IA : le point de terminaison de monétisation à moindre risque

La lance est fabriquée ; elle doit toucher quelque chose. C'est le dernier maillon : les applications.

La première impression de beaucoup de gens sur la couche applicative est qu'elle est la plus encombrée et la plus difficile à rentabiliser, avec des dépenses pour attirer les utilisateurs et une forte homogénéisation. Mais dans le marché chinois spécifique, la situation pourrait être l'inverse. La Chine possède le plus grand marché Internet unique au monde. Des entreprises comme Tencent, Meituan et Xiaomi détiennent des quantités massives d'utilisateurs réels et de scénarios. Les fonctions IA n'ont pas besoin de raconter d'abord une grande histoire ; elles peuvent être intégrées directement dans les produits existants en tant que points de paiement.

Le fait que cette filière soit la dernière dans la chaîne de valeur ne signifie pas qu'elle est sans importance. Au contraire, sans le retour sur investissement de la couche applicative, les investissements précédents dans l'électricité, la mémoire et l'infrastructure deviennent des coûts irrécupérables sans rendement. La couche applicative est le point de terminaison et la source d'énergie qui fait tourner toute la chaîne.

Comment combiner les cinq filières et où se situent les risques

Le changement de Goldman Sachs de la Corée vers la Chine cette fois n'est essentiellement pas une rotation émotionnelle, mais des capitaux qui passent d'un pari sur un seul maillon à un pari sur une boucle fermée entière. Si je devais donner une idée de configuration, je la classerais ainsi : L'électricité et l'infrastructure offrent de la certitude — tant que des centres de données sont construits et étendus, ces achats sont rigides. Les semi-conducteurs, en particulier la mémoire, offrent de l'élasticité — les performances sont déjà réalisées, et l'élasticité de valorisation est la plus grande. Les modèles et les applications offrent des rendements excédentaires à plus long terme, mais le rythme et le paysage concurrentiel sont encore variables.

Les risques doivent également être clairement énoncés : les questions géopolitiques, le rythme d'exécution et les fluctuations de valorisation — aucun de ces éléments ne manquera. De plus, les données et les mesures de valorisation listées ici sont un instantané basé sur des informations publiques. Les géants de la mémoire sont encore en cours d'introduction en Bourse, et les chiffres changeront. Vérifiez vous-même les dernières données avant d'agir. Cet article vise davantage à décomposer le cadre et la logique de Goldman pour vous et ne constitue pas un conseil en investissement.

L'écart entre 1,2 % d'allocation et 16 % de part de revenus est toujours là. S'il sera comblé et à quelle vitesse, je ne peux pas le garantir. Mais cette fois, Goldman Sachs n'a pas donné une nouvelle histoire ; ils ont donné un grand livre déjà décomposé pour vous. Le fait que l'électricité arrive en première place sur ce grand livre est, à mon avis, plus mémorable que l'expression même de « Long China ».

Si vous avez un jugement différent sur une filière quelconque, n'hésitez pas à échanger des idées dans les commentaires. Je suis curieux de savoir laquelle vous classeriez en premier, haha.