Kalshi a lancé des courbes de prix à terme pour les GPU afin d’offrir aux entreprises d’IA des références de tarification pour l’infrastructure de calcul. La disponibilité et les prix des GPU restent très volatils en raison de l’arrivée de nouvelles générations de puces et de contraintes d’offre, ce qui crée une demande pour des outils de couverture financière similaires à ceux des marchés de matières premières. Le mouvement positionne Kalshi aux côtés des bourses traditionnelles comme ICE et CME Group sur le marché émergent des dérivés liés au calcul pour l’IA, reflétant la conviction croissante au sein de l’industrie que la capacité GPU évolue vers une classe d’actifs.
Entraîner des modèles d’IA « frontier » nécessite des clusters comptant des dizaines de milliers de GPU, tandis que les charges de travail d’inférence consomment de plus en plus de capacité de calcul chaque jour. Pour les développeurs d’IA, les fournisseurs de cloud, les utilisateurs en entreprise et les hyperscalers, le calcul est devenu l’une des dépenses d’exploitation les plus importantes. Contrairement aux services cloud traditionnels, la disponibilité des GPU et leur tarification restent très volatils : l’arrivée de nouvelles générations de puces provoque des fluctuations soudaines de la demande, et des contraintes d’offre font fortement grimper les coûts de location.
Les courbes à terme fournissent des points de référence sur des marchés arrivés à maturité en estimant vers où les participants s’attendent collectivement à ce que les prix évoluent au fil du temps. Les sociétés énergétiques s’appuient sur ces courbes lorsqu’elles planifient l’achat de carburant, les compagnies aériennes couvrent leur risque sur le jet fuel, et les fabricants verrouillent les prix des métaux. D’après Kalshi, les entreprises d’IA voudront de plus en plus faire de même avec le calcul.
Bien que les courbes à terme de Kalshi elles-mêmes ne soient pas des instruments négociables, elles peuvent servir de référence de prix pour des accords de gré à gré et des contrats de calcul structurés. Les sociétés recherchant une protection réelle contre la volatilité des prix peuvent soit trader les marchés sous-jacents du calcul listés sur Kalshi, soit négocier des blocs de transactions via la bourse.
ICE et CME Group annoncent des produits à terme sur le GPU
En mai, Intercontinental Exchange, propriétaire de la Bourse de New York, a annoncé des projets de lancement de futures de calcul GPU basés sur l’indice de prix du calcul d’Ornn. Les contrats sont conçus pour offrir aux développeurs d’IA, aux fournisseurs de cloud et aux opérateurs d’infrastructure des instruments standardisés pour se couvrir contre les fluctuations des prix de location de GPU.
CME Group a également annoncé des projets de lancement de futures liés à la puissance de calcul pour l’IA plus tard cette année, en s’appuyant sur des références de tarification développées par Silicon Data. Le PDG de CME Group, Terry Duffy, a décrit le calcul comme « la nouvelle huile du XXIe siècle », traduisant la croyance croissante que la capacité GPU évolue vers une classe d’actifs à part entière.
Ces lancements suggèrent que l’industrie passe de la simple mesure des prix des GPU à la création d’un écosystème financier complet autour de l’infrastructure IA. Cette évolution reflète celle de nombreux marchés de matières premières : le trading spot se développe d’abord, suivi par des indices de référence, la tarification à terme, les contrats à futures, les options, les swaps et, finalement, des produits sophistiqués de gestion du risque utilisés par les acteurs institutionnels.
Kalshi utilise les marchés de prédiction pour construire la courbe prospective
La stratégie de Kalshi diffère de celle des bourses de futures traditionnelles, car elle s’appuie sur des mécanismes de marchés de prédiction pour générer des anticipations de prix. D’après l’entreprise, les marchés de prédiction offrent une plus grande flexibilité tant que le marché du calcul reste fragmenté entre différents modèles de GPU, fournisseurs de cloud, méthodes de déploiement et structures de contrats.
Plutôt que d’attendre qu’une seule référence standardisée émerge, Kalshi soutient que les marchés de prédiction peuvent agréger des anticipations issues de nombreuses questions de tarification avant de converger, au final, vers des prix de référence largement acceptés. Les courbes à terme qui en résultent sont construites à partir de plusieurs marchés de prédiction couvrant différents horizons temporels, permettant aux traders d’inférer les prix attendus des GPU dans les semaines et mois à venir.
Cette approche s’inscrit dans le cadre de l’expansion plus large de Kalshi au-delà des contrats sur événements traditionnels. Plus tôt cette année, la bourse a annoncé des futures perpétuels, qui représentent son premier grand pas dans les dérivés conventionnels en dehors des marchés de prédiction.
La standardisation du calcul GPU face à les défis du pétrole
Les comparaisons entre le calcul d’IA et le pétrole sont devenues de plus en plus fréquentes dans l’industrie. Les deux constituent des intrants essentiels à l’activité économique, exigent d’énormes investissements en capital pour étendre l’offre, connaissent une volatilité des prix liée à des déséquilibres offre-demande, et créent une demande pour des marchés financiers permettant aux entreprises de couvrir leurs coûts futurs.
Cependant, d’importantes différences subsistent. Le pétrole est une matière première physique standardisée à l’échelle mondiale, tandis que le calcul GPU est fragmenté entre générations de matériel, fournisseurs de cloud, régions géographiques et modèles de déploiement. Les derniers chips de Nvidia peuvent rapidement remplacer les générations précédentes, ce qui signifie que l’actif de référence d’aujourd’hui peut perdre en pertinence bien plus vite que les matières premières traditionnelles.
La liquidité reste également un défi. Les marchés de matières premières deviennent efficaces seulement lorsqu’un nombre suffisant de participants achètent et vendent activement des contrats. Même si la demande pour l’infrastructure IA continue de croître fortement, les dérivés sur GPU restent à leurs débuts par rapport aux marchés de futures arrivés à maturité couvrant le pétrole, l’électricité ou les produits agricoles.
Un autre défi est la transparence des prix. Les coûts de location des GPU peuvent varier considérablement selon la durée du contrat, le fournisseur, les taux d’utilisation et la disponibilité régionale, ce qui rend la construction des références de prix nettement plus complexe que pour des matières premières physiques standardisées.
FAQ
Que a lancé Kalshi pour la tarification du calcul pour l’IA ?
Kalshi a lancé des courbes de prix à terme pour les GPU afin de fournir des références de tarification pour l’infrastructure de calcul pour l’IA. Ces courbes, construites à partir de plusieurs marchés de prédiction couvrant différents horizons temporels, permettent aux traders d’inférer les prix attendus des GPU dans les semaines et mois à venir. Bien que ces courbes ne soient pas des instruments négociables, elles peuvent servir de référence pour des accords de gré à gré et des contrats de calcul structurés.
En quoi l’approche de Kalshi diffère-t-elle de celle d’ICE et de CME Group ?
Kalshi utilise des mécanismes de marchés de prédiction pour générer des anticipations de prix, alors qu’ICE et CME Group lancent des futures traditionnels de calcul GPU. En mai, ICE a annoncé des projets de futures basés sur l’indice de prix du calcul d’Ornn, et CME Group a prévu de lancer des futures utilisant des références de Silicon Data. Kalshi soutient que les marchés de prédiction offrent une plus grande flexibilité alors que le marché du calcul reste fragmenté entre différents modèles de GPU, fournisseurs de cloud et méthodes de déploiement.
Pourquoi le calcul GPU est-il difficile à standardiser par rapport au pétrole ?
Le calcul GPU est fragmenté entre générations de matériel, fournisseurs de cloud, régions géographiques et modèles de déploiement, alors que le pétrole est une matière première physique standardisée à l’échelle mondiale. Les derniers chips de Nvidia peuvent rapidement remplacer les générations précédentes, ce qui signifie que l’actif de référence peut perdre en pertinence plus vite que pour les matières premières traditionnelles. De plus, les coûts de location des GPU varient considérablement selon la durée du contrat, le fournisseur, les taux d’utilisation et la région, rendant la construction de références de prix plus complexe.
