Veuillez noter que certains liens présents dans ce guide peuvent être des liens d'affiliation, mais que cela n'impacte pas l'objectivité de notre contenu. 
Goldman Sachs a projeté des dépenses cumulées en infrastructures d’IA d’environ 7,5 à 7,6 billions de dollars entre 2026 et 2031.
Ce montant se répartit entre 5,1 billions pour le calcul (compute), 2,1 billions pour les centres de données et 358 milliards pour les infrastructures énergétiques.
Le Capex annuel de l’IA devrait ainsi passer d’environ 765 milliards de dollars cette année à 1,6 billion d’ici 2031.
Le cadre de recherche de Goldman identifie NVIDIA comme le principal bénéficiaire de la couche informatique. Le fabricant de puces devrait capter environ 75 % de ce segment, une concentration de marché sans précédent dans les cycles technologiques passés.
Ce rythme annuel représente à lui seul le plus grand déploiement de capital ciblé de l’histoire de la technologie. Les analystes de Goldman Sachs soulignent d’ailleurs que les estimations du consensus ont été systématiquement sous-évaluées : les prévisions de Capex pour 2026 sont passées de 465 milliards à 527 milliards de dollars en une seule saison de résultats.
🇺🇸 $7.6 trillion in AI CAPEX by 2031 ? Striking but what really bothers me in Goldman Sachs’ estimates is the tiny share allocated to electricity.
— Christophe Barraud🛢🐳 (@C_Barraud) July 11, 2026
📊 Over the full period, Goldman expects around $5.1 trillion to be spent on compute, more than $2.1 trillion on data centers and…
Pour les investisseurs crypto particuliers qui suivent l’infrastructure de l’IA, ces chiffres ne sont pas de simples données contextuelles ; ils constituent l’architecture macroéconomique sur laquelle chaque token de calcul, réseau GPU décentralisé et prévente de token IA doit désormais être évalué.
Le montant de 7,5 billions de dollars représente un cycle de capital si vaste qu’une redirection de seulement 0,1 % vers les rails d’infrastructure natifs de la crypto constituerait un catalyseur majeur pour le marché.
Pour les chasseurs de pépites en prévente, la question n’est plus de savoir si ce cycle est réel — l’historique des révisions à la hausse de Goldman le confirme — mais quels secteurs de tokens sont structurellement positionnés pour en capturer une fraction.
Goldman Sachs et les milliers de milliards : ce que la couche « Compute » révèle sur les opportunités crypto
Si le chiffre global de 7,5 billions de dollars est impressionnant, c’est l’architecture interne des prévisions de Goldman qui s’avère utile pour le positionnement crypto. Avec 5,1 billions de dollars, la couche informatique est le principal poste de dépense, soit plus du double de l’allocation pour les centres de données et environ quatorze fois le budget énergétique.
Les recherches de Goldman se fondent sur des hypothèses matérielles précises : des nœuds GPU de nouvelle génération au prix d’environ 80 500 $ l’unité, consommant 3 000 watts par pack, avec un ratio d’efficacité énergétique (PUE) de 1,2.
Ces données ne sont pas spéculatives ; elles reflètent la réalité économique actuelle de l’architecture de NVIDIA.
C’est précisément cette concentration extrême autour de NVIDIA au sein de la couche informatique qui rend les alternatives décentralisées analytiquement pertinentes, et non plus seulement idéologiques. Lorsqu’un seul fournisseur est censé capter les trois quarts d’une catégorie de dépenses de 5,1 billions de dollars, les risques liés à la chaîne d’approvisionnement, le pouvoir de fixation des prix et l’exposition aux contrôles à l’exportation créent une opportunité structurelle pour les solutions de calcul sans permission (permissionless).
Les recherches de Goldman notent également que l’insécurité — la peur de rater le virage des infrastructures d’IA (FOMO) — est un moteur de ce boom du Capex tout aussi puissant que le retour sur investissement (ROI) mesuré. Cela signifie que le cycle comporte un risque de durée intrinsèque. La thèse d’investissement plus large de Goldman sur l’IA a déjà commencé à remodeler les flux de capitaux à travers les marchés émergents et les différentes classes d’actifs simultanément.
L’énergie représente le plus petit poste budgétaire avec 358 milliards de dollars, mais les analystes de Goldman l’identifient comme le principal goulot d’étranglement freinant la vitesse de déploiement, devant la disponibilité du calcul. Les coûts des centres de données sont estimés à 15 millions de dollars par mégawatt de capacité, avec un prix de 2 500 $ par kilowatt pour les nouvelles installations électriques.
Les centres de données réhabilités (brownfield) représentent 15 % des déploiements prévus pour 2026, mais devraient atteindre 30 % d’ici 2031 car les nouveaux sites (greenfield) font face à des retards de raccordement au réseau.
Ce goulot d’étranglement énergétique n’est pas une friction temporaire ; c’est une contrainte structurelle que Goldman prévoit de voir persister sur toute la période 2026-2031. C’est l’argument le plus solide en faveur d’une infrastructure de calcul IA décentralisée et géographiquement flexible.
