Aperçu
Au premier semestre 2026, le « marché du capital du calcul » est passé rapidement d’un concept de niche à un nouveau terrain de conquête attirant à la fois Wall Street et la Silicon Valley. Le CME et Silicon Data ont annoncé le lancement des premiers contrats à terme sur le calcul ; la maison mère du NYSE, ICE, s’est associée à Ornn et NATIVX pour déployer des contrats à terme sur la puissance de calcul GPU ; Architect, fondée par l’ancien président de FTX US, Brett Harrison, vise à importer la structure mature des contrats perpétuels issus des marchés crypto vers le trading régulé du calcul. Parallèlement, le financement adossé aux GPU de CoreWeave a dépassé les 20 milliards de dollars, marquant la première notation « investment grade » pour ce type de financement.
Le calcul suit la trajectoire classique de la financiarisation des matières premières : il passe d’un actif d’investissement pour l’usage des entreprises, au trading au comptant, à la création d’indices de prix, à la couverture via des contrats à terme, pour finalement pénétrer les marchés du crédit et de la finance structurée.
Pourquoi le calcul est-il central : la cascade de valeur de l’industrie de l’IA
Pour comprendre le marché du calcul, il faut d’abord situer cette ressource dans la chaîne de valeur de l’IA. L’ensemble de la chaîne peut être représenté comme une cascade à neuf niveaux : d’un point de vue valeur métier et flux de trésorerie, la demande part de la couche applicative en aval et remonte vers l’amont. Le calcul se situe au milieu, reliant l’infrastructure matérielle et les centres de données en dessous aux modèles et applications au-dessus.
Niveau 1 | Puces & Matériel : NVIDIA, AMD, fabricants HBM/DRAM. Il s’agit de la matière première à la base du calcul. Les GPU déterminent l’offre fondamentale de puissance de calcul disponible, et les ressources de stockage comme HBM/DRAM font désormais aussi l’objet de financiarisation.
Niveau 2 | Énergie & Foncier : Construire un data center ne se limite pas à disposer de GPU : il faut aussi sécuriser un terrain adapté et un accès suffisant à l’électricité. Une part importante du coût marginal du calcul provient de l’énergie, ce qui rapproche cette ressource d’une commodité énergétique, plus que du pétrole.
Niveau 3 | Neocloud & Centres de données indépendants : CoreWeave, Nebius, Lambda, GMI Cloud, Crusoe, et d’autres. Ces acteurs acquièrent des GPU, construisent des grappes et louent de la puissance de calcul aux entreprises d’IA — ils jouent le rôle de « mines » et de « champs pétrolifères » du marché du calcul.
Niveau 4 | Agrégateurs & Plateformes de courtage : Mithril, Andromeda, SF Compute, etc. Ces plateformes ne possèdent pas nécessairement de GPU, mais facilitent la mise en relation entre acheteurs et fournisseurs, standardisent les SLA, facilitent les transactions et agissent parfois en tant que teneurs de marché. Leur rôle s’apparente à celui de négociants en matières premières comme Glencore ou Vitol.
Niveau 5 | Indices & Référentiels : Silicon Data, Ornn (OCPI), NATIVX (COIL). Sans indice de prix fiable, il n’est pas possible de développer des marchés à terme ou de produits dérivés. Cette couche transforme les prix opaques du calcul en valeurs de marché traçables et vérifiables.
Niveau 6 | Dérivés & Crédit : CME, ICE, Architect, DEX perpétuels on-chain, prêts adossés à des GPU, ABS calcul, et outils associés. Cette couche permet de couvrir le risque de prix du calcul et de transformer la capacité GPU en un actif finançable.
Niveau 7 | Plateformes de développement d’inférence : Fireworks, Baseten, Modal, etc. Elles emballent les GPU sous-jacents, le déploiement de modèles et les API d’inférence, permettant aux développeurs d’utiliser l’inférence de modèles aussi simplement que des services cloud, sans gérer une infrastructure complexe.
Niveau 8 | Couche LLM / Modèles : OpenAI, Anthropic, xAI, DeepSeek, et autres. Ces entreprises transforment la puissance de calcul en capacités de modèles et en sorties intelligentes, servant de couche centrale reliant l’infrastructure à l’expérience applicative.
Niveau 9 | Couche applicative : Cursor, Perplexity, Suno, Rime, etc. Cette couche est en contact direct avec les utilisateurs finaux, transformant les capacités des modèles en produits et cas d’usage concrets — elle constitue le principal point d’entrée de la demande IA et de la monétisation utilisateur.
Cette cascade à neuf niveaux met en lumière un fait clé : le calcul est la commodité intermédiaire de l’économie de l’IA. En aval, il relie puces, énergie, foncier et investissements ; en amont, il connecte plateformes d’inférence, sociétés de modèles et applications.
Chaque appel de modèle d’une application IA consomme en réalité une fraction de puissance de calcul amont. Parce que le calcul se situe au centre de la chaîne de valeur — avec, d’un côté, les détenteurs d’actifs GPU et data centers, et de l’autre, les sociétés de modèles, plateformes d’inférence et développeurs d’applications en quête de stabilité — lorsque la volatilité des prix s’accroît et que les expositions au risque divergent, la financiarisation du calcul s’impose naturellement.
Pourquoi un marché du calcul est nécessaire : couverture de la demande & structure de marché
Qui a besoin de couverture
Source : X @0xfishylosopher
La demande principale de couverture sur le marché du calcul provient des acteurs exposés réellement à cette ressource — et non des institutions financières. Cela rappelle la manière dont les compagnies aériennes couvrent le prix du carburant ou les centrales électriques celui de l’électricité.
Les neoclouds et data centers indépendants comme CoreWeave, Nebius et Lambda détiennent des actifs GPU physiques et tirent leurs revenus des loyers futurs. Ils redoutent une baisse des tarifs de location GPU, ce qui en fait des vendeurs/shorts naturels ayant besoin de vendre à terme pour sécuriser leurs revenus.
Les plateformes de développement d’inférence telles que Fireworks, Baseten et Modal achètent du calcul en amont et fournissent en aval des API d’inférence et des services de déploiement de modèles. Le calcul constitue pour elles un poste de coût majeur.
Les entreprises applicatives comme Cursor, Perplexity, Suno et Rime doivent également acquérir en continu de la capacité d’inférence. Le coût d’inférence impacte directement leur marge brute. Ainsi, les couches intermédiaires et supérieures sont des acheteurs/longs naturels, ayant besoin d’acheter à terme pour verrouiller leurs coûts.
Les hyperscalers cloud tels que Google, Amazon et Microsoft font figure d’exception. Ils possèdent data centers, plateformes cloud, modèles et applications, et disposent d’une couverture naturelle intégrée à leurs opérations.
Pourquoi le calcul ressemble davantage à l’électricité qu’au pétrole
Le calcul n’est pas une commodité parfaitement fongible.
Même une heure de capacité H100/H200 varie en fonction des spécifications du GPU, de la région, de la latence, de la connectivité réseau, de la taille du cluster, de la fenêtre de réservation, du SLA, de la sécurité des données et de la charge de travail.
Plus important encore, le calcul ne peut pas être stocké. Les heures GPU non utilisées aujourd’hui ne peuvent pas être mises en réserve pour être revendues l’an prochain, à la différence du pétrole. Ainsi, les caractéristiques du calcul se rapprochent de celles de l’électricité : ressource temporelle, régionale et fortement dépendante de l’infrastructure locale.
Cela entraîne trois conséquences :
Premièrement, les transactions réelles de calcul nécessitent souvent une personnalisation bilatérale autour de SKU et de conditions de livraison précises.
Deuxièmement, il n’existe pas encore de référentiel de prix unifié et transparent, comme le WTI pour le pétrole.
Troisièmement, les indices et benchmarks deviennent essentiels. Des équipes comme Silicon Data, Ornn ou Compute Desk s’attachent à transformer les prix fragmentés du calcul en signaux de marché traçables et couvrables.
Précédente génération de compute décentralisé Web3 vs nouveaux courtiers du calcul
Le marché du calcul n’est pas entièrement nouveau. Lors du précédent cycle, Akash, io.net, Aethir et d’autres projets Web3 ont porté le récit du « marché décentralisé du calcul », connectant des GPU inactifs à travers le monde via des incitations en tokens.
Mais pourquoi la plupart de ces projets n’ont-ils pas réussi à devenir des couches d’approvisionnement IA de référence, alors que de nouveaux entrants comme Andromeda ou SF Compute ont rapidement conquis des clients institutionnels et des revenus en dollars ?
Différence d’offre : approvisionnement décentralisé vs capacité livrable
Les premiers projets Web3 visaient à connecter des GPU fragmentés à un réseau et à stimuler l’offre via des tokens, permettant aux utilisateurs d’acheter du calcul à moindre coût.
Ils ont résolu la question « où sont les GPU ».
Cependant, les acheteurs institutionnels se préoccupent d’autres points : s’agit-il de H100/H200 ? Y a-t-il de l’InfiniBand ? Le cluster est-il assez grand ? Peut-il fonctionner de manière stable sur plusieurs semaines ou mois ? Qui garantit le SLA ? Qui indemnise en cas de défaillance ?
En d’autres termes, les clients entreprises n’achètent pas « un GPU quelque part » — ils achètent une capacité GPU livrable, mesurable, et sous engagement.
Une offre GPU distribuée, hétérogène et multi-opérateurs peut convenir à l’inférence par lot, au rendu ou à des tâches peu sensibles, mais pour l’entraînement de grands modèles et l’inférence en production, la stabilité, les conditions réseau et la responsabilité de livraison sont primordiales.
Quatre problèmes structurels de la génération précédente
Premièrement, les incitations par token stimulent l’offre mais pas forcément la demande réelle.
Les subventions en tokens gonflent rapidement le nombre de nœuds, de GPU et la taille du réseau, mais si la demande provient surtout du récit token et non de clients payants organiques, l’utilisation, la qualité des revenus et la découverte des prix sont facilement biaisées.
Selon le rapport « State of Akash Q1 2026 » de Messari, l’utilisation moyenne des GPU d’Akash a chuté de 57,4 % sur le trimestre à 84 unités, et la capacité GPU disponible moyenne a baissé de 57,5 % à 249 unités, montrant une contraction marquée de l’offre comme de la demande. Le mécanisme initial de io.net récompensait les nœuds simplement pour leur présence en ligne, indépendamment du travail réel effectué ; son token a fortement chuté depuis ses sommets, et un modèle d’incitation plus axé sur la demande n’a été lancé qu’en juin 2026.
Deuxièmement, les SLA de niveau entreprise sont difficiles à garantir par simple protocole.
Les clients entreprises attendent factures, support, SLA standardisés, mécanismes de remboursement, contrôles de conformité et responsabilité juridique — tout cela nécessite une entité commerciale claire, et pas seulement une couche protocolaire.
Troisièmement, les charges de travail IA et l’offre décentralisée sont structurellement mal assorties.
L’entraînement synchrone à grande échelle et l’inférence en production exigent des GPU fortement interconnectés, NVLink/InfiniBand, une orchestration de clusters, une tolérance aux pannes et une sécurité des données élevées. Des réseaux dispersés, hétérogènes et multi-sites peinent à répondre à ces exigences.
Quatrièmement, la tarification en tokens ne correspond pas aux processus d’achat des entreprises.
Les entreprises privilégient les contrats en dollars, avec factures, approbations budgétaires et gestion fournisseurs, et rechignent à supporter la volatilité des tokens, la complexité comptable et les incertitudes réglementaires.
Exception notable : Aethir
Aethir fait figure d’exception.
En 2025, Aethir a généré plus de 127 millions de dollars de revenus, servi plus de 150 clients entreprises payants et géré 430 000 conteneurs GPU, couvrant les GPU haut de gamme H100, H200, B200 et B300. Selon ses propres chiffres, son chiffre d’affaires dépasse le run-rate de 100 millions de dollars d’Andromeda et surclasse nettement SF Compute.
Aethir combine les effets de réseau et d’incitation du Web3 au niveau de la structure du capital et de l’écosystème, tout en rendant la relation client plus centralisée, standardisée et adaptée aux entreprises : clusters centralisés ou semi-centralisés, engagements de service clairs, contrats en dollars, support dédié et responsabilité de livraison.
Les tokens peuvent faciliter le financement initial, stimuler l’offre et organiser le réseau, mais ne doivent pas être l’interface principale pour l’approvisionnement en calcul des entreprises.
Quoi de neuf chez la nouvelle génération de courtiers
La nouvelle génération ne commence pas par « construire un réseau décentralisé » — elle s’attaque directement aux points de friction des acheteurs IA.
Les entreprises IA doivent souvent signer des contrats de calcul à long terme, alors que leur demande réelle fluctue. SF Compute propose à ses clients d’acheter de la capacité à long terme financée par des tiers, puis de revendre ou sous-louer les portions non utilisées via un carnet d’ordres. SF Compute ne possède pas de GPU, agissant davantage comme un marché secondaire de liquidité autour des contrats de calcul.
Andromeda s’apparente davantage à un courtier de calcul : il compare en temps réel les prix de plus de 100 fournisseurs, vérifie la performance, standardise les SLA et sert d’unique contrepartie contractuelle pour les clients. Sa valeur ne réside pas seulement dans la mise en relation — il prend en charge l’achat, la livraison et une partie du risque crédit, se présentant comme un « market maker du calcul ».
Andromeda traite en principal, détient ou contrôle l’inventaire, perçoit des marges et assume la responsabilité SLA et de livraison. SF Compute ressemble davantage à un hybride bourse/courtier : il se concentre sur la mise en relation et la liquidité secondaire, ne détient pas forcément de GPU sous-jacents, et se rémunère via les frais de transaction et les effets de réseau.
GMI Cloud est un cas à part. Ce n’est pas un courtier classique mais un neocloud : il construit ses propres data centers, détient les actifs et commercialise de la capacité cloud GPU. Il recourt aussi au financement par dette GPU, la majeure partie de son tour de série A étant en dette, ce qui le rapproche d’un producteur de calcul de niveau 3.
Le marché a aujourd’hui surtout besoin non pas d’un cloud idéal plus décentralisé, mais d’une couche transactionnelle capable de livrer de la capacité H100/H200 immédiatement, de garantir les SLA, et d’aider les acheteurs à réduire le risque des contrats à long terme.
Existe-t-il déjà un marché de découverte du prix du calcul ?
Aujourd’hui, la majorité des transactions de calcul se fait encore de gré à gré, de façon bilatérale et très personnalisée. Les cotations publiques améliorent la transparence, mais servent surtout de point de départ à la découverte du prix — pas de prix de référence unifié.
Pour le H100, des fourchettes de prix observables apparaissent : Andromeda cote autour de 1,83 $/heure, SF Compute affiche une moyenne de 2,03 $/GPU-heure, GMI Cloud commence à 2,00 $/GPU-heure, et le spot de Mithril pour l’instance H100 SXM5 8-GPU équivaut à environ 2,92 $/GPU-heure.
Cela signifie que les prix publics du H100 s’établissent généralement entre 1,8 et 3,0 $/GPU-heure. Toutefois, ces prix ne sont pas directement comparables du fait des conditions de livraison différentes. Type de GPU, localisation, connectivité réseau, taille du cluster, durée de location, SLA et charge de travail impactent fortement le prix final.
Ainsi, les entreprises n’achètent généralement pas une « heure H100 » abstraite, mais un contrat de capacité défini selon des SKU, des régions, des durées, des configurations de cluster et des conditions de livraison précises. Les cotations web rendent les prix visibles, mais le cœur du marché reste les contrats OTC très personnalisés.
Ornn : bâtir la couche indice pour le marché du calcul
Source : Ornn
Ornn ne se contente pas de vendre du calcul — il construit l’infrastructure de prix pour le marché financier du calcul. Son Ornn Compute Price Index (OCPI) suit en temps réel les prix spot des transactions H100, H200, B200, B300, et les organise en indices pour tarification, couverture et règlement. Selon Ornn, l’OCPI est le prix de référence du calcul, utilisé pour la tarification, la couverture et le règlement sur les marchés dérivés du calcul.
Ornn ambitionne de devenir le « Platts/Argus/WTI du calcul » : standardiser les prix fragmentés de location GPU, puis permettre au marché de négocier des forwards, futures ou perpétuels autour de ce benchmark.
La feuille de route d’Ornn se résume en trois étapes :
Premièrement, établir l’indice spot — OCPI.
Deuxièmement, licencier l’OCPI à des bourses et plateformes de dérivés pour le règlement des contrats.
Troisièmement, construire des produits financiers autour de l’indice : futures, perpétuels, couverture et prêts.
Architect : importer la structure des contrats perpétuels dans le trading institutionnel du calcul
Architect se concentre sur la création d’une plateforme de trading de dérivés sur le calcul. Fondée par l’ex-président de FTX US, Brett Harrison, sa plateforme institutionnelle AX collabore avec Ornn pour lancer des contrats boursiers indexés sur la location GPU et les prix DRAM.
Concrètement, Architect ne livre pas de puissance H100/H200 réelle ; les traders s’exposent financièrement aux prix de location GPU et mémoire en négociant des contrats indexés sur l’indice Ornn. Les produits ressemblent aux contrats perpétuels du marché crypto : les traders utilisent de la marge pour négocier des contrats indexés, dont le prix suit celui de la location GPU via des mécanismes d’indice et de taux de financement.
L’apport d’Architect est d’introduire les mécanismes natifs des contrats perpétuels crypto dans un environnement de trading du calcul plus institutionnel et régulé. Architect joue le rôle de couche de trading de dérivés, tandis qu’Ornn fournit la référence d’indice.
Lighter : les perpétuels on-chain ouvrent la voie à la découverte de prix négociables
Lighter s’apparente à une première plateforme de perpétuels on-chain sur le calcul. Elle a lancé le $H100, permettant aux utilisateurs de s’exposer au prix du calcul H100 avec un effet de levier jusqu’à 10x ; le produit suit l’indice Ornn H100 Compute Price Index.
Ces produits permettent au marché de générer pour la première fois des signaux de prix négociables et continus on-chain pour la location GPU. S’ils ne résolvent pas la livraison réelle de GPU ni ne servent de canal principal d’approvisionnement pour les entreprises, ils offrent des premiers espaces pour la spéculation, la couverture et la découverte de prix.
Mécaniquement, ils fonctionnent comme les perpétuels crypto : les traders ne règlent pas physiquement du calcul H100, mais négocient des contrats indexés, dont le prix suit l’indice H100 via des mécanismes d’indice et de taux de financement.
Parmi les avantages : lancement rapide, faible barrière d’entrée, trading 24/7. Parmi les limites : liquidité potentiellement faible et risque de base par rapport à de véritables contrats de capacité entreprise.
ICE × Ornn : feuille de route d’un marché à terme régulé
ICE suit la voie classique des bourses régulées. En mai 2026, ICE a annoncé le lancement de contrats à terme sur le calcul GPU en partenariat avec Ornn, utilisant l’Ornn Compute Price Index comme benchmark sous-jacent. Selon ICE, l’OCPI suit les prix spot en direct des H100, H200, B200, B300 ; les contrats seront libellés en dollars, réglés en espèces, et soumis à l’approbation réglementaire.
La mécanique d’ICE diffère de celle de Lighter. Lighter propose des perpétuels on-chain, idéaux pour la formation rapide des prix et la liquidité spéculative ; ICE offre un marché à terme régulé, plus adapté à la participation institutionnelle, à la compensation, à la gestion du risque et à la couverture réglementaire.
Cependant, les contrats ICE sont réglés en espèces, sans livraison physique. Les traders ne livrent ni ne reçoivent de capacité H100 ; les profits et pertes sont réglés sur la base d’indices comme l’OCPI. Cela simplifie la livraison, mais la réussite du contrat dépendra de la fiabilité, de la résistance à la manipulation et de la représentativité de l’indice.
Perspectives de marché
Trois axes clés à surveiller
Institutionnalisation des desks OTC
L’aboutissement du marché du calcul ne sera peut-être pas que les acteurs industriels négocient des futures en bourse, mais que des courtiers gèrent les besoins personnalisés de l’industrie et couvrent leur risque via indices, futures ou perpétuels. Sur les 12 à 24 prochains mois, il sera crucial d’observer si des acteurs comme Andromeda ou SF Compute évoluent de « plateformes d’approvisionnement » vers de véritables « desks de trading de calcul » : gérant la demande spot et réservée au niveau SKU, tout en couvrant inventaire et risque de base sur les marchés d’indices. Celui qui y parviendra le premier pourrait devenir l’intermédiaire central du marché.
Bouclage crédit & dérivés
Si le tandem « financement adossé GPU + couverture sur futures » fonctionne, les prêteurs pourront mieux gérer la volatilité des prix GPU et le risque de valeur résiduelle, réduisant décote et coût de financement. Cela améliorera directement l’efficacité du capital pour l’infrastructure IA — l’un des impacts majeurs de la financiarisation du calcul sur l’industrie réelle.
Émergence de benchmarks & systèmes de règlement
Pour que le calcul devienne un actif réellement négociable et finançable, il faut des benchmarks de prix crédibles et des mécanismes de règlement robustes. Les fournisseurs d’indices comme Ornn, Silicon Data, NATIVX, et les plateformes de trading comme ICE, CME, Architect, Lighter ne se disputent pas qu’un produit, mais la porte d’entrée du pouvoir de fixation des prix sur le marché du calcul de demain.
Points non résolus
Approbation réglementaire
CME, ICE, Architect et les produits associés sont encore soumis à l’approbation des autorités. La classification du calcul — matière première, service, ou nouvelle catégorie d’actif négociable — reste à définir.
Marché spot sous-jacent encore peu profond
La crédibilité des indices dépend de la profondeur des transactions spot réelles. Aujourd’hui, les marchés spot publics et secondaires n’en sont qu’à leurs débuts, la plupart des transactions de calcul étant verrouillées dans des contrats long terme entre hyperscalers, neoclouds et entreprises IA. L’insuffisance des transactions sous-jacentes peut affecter la représentativité et la résistance à la manipulation des indices.
Risque cyclique
Si l’investissement IA ralentit, la liquidité spot pourrait se contracter avant la maturité des marchés dérivés. Par ailleurs, les tarifs de location GPU ont nettement baissé depuis leur pic, et les valeurs résiduelles et courbes d’amortissement des GPU manquent de recul historique, ce qui accroît l’incertitude dans l’évaluation crédit et la tarification des dérivés.
Références
https://aethir.com/blog-posts/aethirs-2025-wrap-up-decentralized-gpu-cloud-milestones
https://siliconangle.com/2026/03/18/demand-gpu-startup-andromeda-raises-funding-1-5b-valuation/
https://x.com/0xfishylosopher/status/2071396211731599393?s=20
https://x.com/BrettHarrison/status/2072327852498797048?s=20
https://messari.io/report/state-of-akash-q1-2026-final
https://dashboard.ornnai.com/compute
https://app.lighter.xyz/trade/H100
À propos de Gate Ventures
Gate Ventures est le fonds de capital-risque de Gate, spécialisé dans l’investissement dans les infrastructures, écosystèmes et applications décentralisés, avec pour mission de transformer le monde à l’ère du Web 3.0. Gate Ventures collabore avec les leaders mondiaux du secteur pour soutenir les équipes et startups innovantes, redéfinissant l’interaction entre société et finance.
Pour en savoir plus, visitez : Site officiel | X | Telegram | LinkedIn | Medium
Avertissement :
Ce contenu ne constitue en aucun cas une invitation, sollicitation ou recommandation. Vous devez toujours consulter un professionnel indépendant avant toute décision d’investissement. Veuillez noter que Gate Ventures peut restreindre ou interdire tout ou partie de ses services dans certaines juridictions. Pour plus d’informations, veuillez lire les conditions d’utilisation : https://www.gate.com/fr/user-agreement.
