Imaginez deux usines qui consomment des quantités astronomiques d’énergie et de matériel. L’une produit de la confiance numérique en validant des transactions. L’autre génère des réponses intelligentes en quelques millisecondes. Pourtant, leurs structures de coûts n’ont presque rien à voir. C’est précisément ce que Vitalik Buterin a mis en lumière dans un message publié le 17 octobre 2026, en partageant deux tableaux comparatifs aussi clairs que révélateurs.
Un contraste qui bouscule les idées reçues sur l’énergie et le capital
Le cofondateur d’Ethereum a résumé la situation en une phrase qui claque : le minage de Bitcoin se partage à peu près à parts égales entre investissement en matériel informatique et facture d’électricité, tandis que l’inférence d’intelligence artificielle est « presque complètement dominée par le capital informatique ». Derrière cette formulation simple se cache une réalité économique majeure qui redessine aujourd’hui la stratégie de nombreux acteurs américains.
Les chiffres avancés par Buterin méritent d’être décortiqués. Pour le Bitcoin, l’électricité fournie directement aux machines représente 40 600 dollars par BTC, soit 43,3 % du total. En ajoutant les autres postes électriques, on atteint 43 000 dollars, soit 45,9 % de l’ensemble des coûts. Le capital informatique, qui englobe le matériel, le refroidissement, les équipements de puissance et le financement, s’élève quant à lui à environ 37 600 dollars, soit près de 40 %. Le reste se répartit entre la main-d’œuvre (3 200 dollars), le loyer des installations (2 500 dollars) et divers frais de maintenance, pièces, assurances, taxes et bande passante (7 400 dollars). Au total, l’estimation tourne autour de 93 700 dollars par Bitcoin produit.
Côté intelligence artificielle, le tableau change radicalement d’échelle et d’unité. On parle désormais de dollars par année de GPU. Le capital informatique explose à 19 900 dollars, soit 76 % du total. L’électricité directe ne représente plus que 1 050 dollars (4 %), et les autres postes électriques 210 dollars (0,8 %). La main-d’œuvre pèse 1 400 dollars, le loyer 900 dollars, et les frais divers environ 2 800 dollars. Le coût total par GPU-année s’établit ainsi autour de 26 260 dollars.
« Le minage de Bitcoin se partage environ 50/50 entre le capital informatique et l’électricité. Pendant ce temps, l’inférence IA est presque complètement dominée par le capital informatique. »
— Vitalik Buterin
Pourquoi l’électricité pèse si lourd dans le minage de Bitcoin
Le minage de Bitcoin repose sur une compétition permanente de puissance de calcul. Plus le réseau est sécurisé, plus la difficulté augmente, et plus les machines doivent travailler intensément. Les ASIC modernes consomment énormément d’électricité, et cette consommation reste constante tant que la machine tourne. Contrairement à d’autres activités industrielles, il est difficile de réduire drastiquement cette facture sans perdre en compétitivité.
Les mineurs cherchent donc en permanence les sites où l’énergie est la moins chère possible. Certains s’installent près de barrages hydroélectriques, d’autres profitent de surplus d’énergie éolienne ou de gaz naturel torché. Cette quête permanente explique pourquoi la part de l’électricité dans les coûts reste structurellement élevée, même lorsque le prix du matériel baisse.
Le capital informatique, bien que conséquent, s’amortit sur plusieurs années. Une fois la machine achetée, le coût marginal de production dépend principalement de l’énergie consommée. C’est ce qui rend le modèle du minage si sensible aux variations du prix de l’électricité et si résilient lorsque le matériel devient plus efficace.
L’inférence IA : un modèle quasi entièrement capitalistique
Du côté de l’intelligence artificielle, la logique s’inverse. Les GPU de dernière génération coûtent extrêmement cher, et leur durée de vie utile avant obsolescence est relativement courte. Les modèles d’IA progressent si vite que les entreprises doivent renouveler régulièrement leur parc pour rester compétitives. Le financement de ces achats, le refroidissement sophistiqué et les infrastructures électriques nécessaires pèsent donc très lourd dans le bilan.
L’électricité, bien que non négligeable, représente une part bien plus faible. Une fois le GPU installé, sa consommation reste relativement stable par rapport à son coût d’acquisition. C’est pourquoi Buterin parle d’une domination quasi totale du capital informatique. Les 76 % cités dans le tableau illustrent parfaitement cette réalité : la barrière à l’entrée se situe davantage dans la capacité à mobiliser des milliards de dollars de matériel que dans la facture énergétique mensuelle.
Cette différence de structure a des conséquences stratégiques immédiates. Les entreprises d’IA ont tout intérêt à sécuriser l’accès à des GPU de pointe et à optimiser le financement de leurs flottes, tandis que les mineurs de Bitcoin continuent de privilégier les sites à énergie abondante et bon marché.
Comment les opérateurs américains s’adaptent à cette nouvelle réalité
Sur le terrain, plusieurs sociétés minières américaines ont déjà commencé à pivoter vers l’accueil de clients IA. TeraWulf illustre parfaitement cette évolution. La société a envisagé un financement potentiel de 3,5 milliards de dollars pour développer un campus IA dans le Kentucky. Ce projet s’appuie sur un bail de 20 ans signé avec Anthropic pour une capacité critique d’environ 401 mégawatts. Les revenus estimés sur la durée initiale du contrat atteignent 19 milliards de dollars.
Le modèle opérationnel est particulièrement intéressant. Selon le directeur financier Patrick Fleury, les clients restent responsables des serveurs, des processeurs et des mises à niveau technologiques. TeraWulf, de son côté, fournit l’énergie et l’infrastructure physique. Cette séparation des responsabilités permet à chaque partie de se concentrer sur ce qu’elle maîtrise le mieux : le client sur le capital informatique, l’opérateur sur l’accès à l’électricité et aux bâtiments.
D’autres acteurs ont choisi des voies différentes pour financer leurs ambitions. Certains ont vendu une partie de leur trésorerie crypto. Quantum Solutions a ainsi cédé 1 000 ETH pour 1,903 million de dollars afin de soutenir l’expansion de data centers IA au Japon. Hyperscale Data a monétisé environ 100 BTC et mis en place une facilité de crédit adossée au Bitcoin pour un projet dans le Michigan. Ces opérations montrent à quel point les réserves en cryptomonnaies peuvent servir de levier pour entrer dans le secteur de l’intelligence artificielle.
Les projets d’envergure qui redessinent le paysage énergétique
MARA a quant à elle annoncé l’acquisition d’un terrain de 1 200 acres au Texas, destiné à accueillir à la fois du calcul haute performance, des services de calcul flexibles et du minage de Bitcoin. Le site devrait offrir un accès initial à un gigawatt de capacité réseau d’ici octobre 2027, avec un potentiel total de deux gigawatts d’ici avril 2028. Le développement se fera en partenariat avec Starwood Digital Ventures, par phases successives et sous réserve d’autorisations réglementaires.
Ces annonces s’inscrivent dans une tendance plus large : les opérateurs historiques du minage de Bitcoin possèdent déjà des compétences précieuses en gestion d’énergie, en construction d’infrastructures électriques et en relations avec les réseaux. Ils disposent d’un avantage concurrentiel réel pour accueillir des clients IA qui, eux, préfèrent se concentrer sur l’acquisition et l’optimisation des GPU.
La distinction entre propriété des processeurs et propriété des installations devient ainsi un élément central des nouveaux contrats. Les entreprises d’IA veulent contrôler leur flotte de GPU pour suivre le rythme de l’innovation. Les opérateurs de data centers, eux, veulent maximiser l’utilisation de leurs sites et sécuriser des revenus récurrents sur de longues périodes.
Ce que révèlent vraiment les tableaux de Buterin
Au-delà des pourcentages, les tableaux partagés par Vitalik Buterin mettent en lumière deux philosophies industrielles distinctes. Le minage de Bitcoin ressemble davantage à une industrie de process, où le coût variable (l’électricité) pèse lourdement. L’inférence IA s’apparente plutôt à une industrie de capital intensif, où l’investissement initial conditionne presque tout.
Cette différence explique pourquoi les discussions sur l’empreinte énergétique du Bitcoin restent si vives, tandis que celles concernant l’IA se concentrent davantage sur la pénurie de GPU et les investissements colossaux nécessaires. Les deux secteurs consomment beaucoup d’électricité, mais la structure de leurs coûts change la façon dont on doit analyser leur impact et leur viabilité.
Il est aussi important de noter que les chiffres présentés ne constituent pas un coût de production uniforme pour tous les mineurs. Chaque opération a ses propres conditions d’accès à l’énergie, ses propres coûts de financement et son propre niveau d’efficacité. Les tableaux de Buterin servent avant tout de point de comparaison structurelle, pas de référence absolue.
Les implications à moyen terme pour les marchés
Si l’inférence IA continue d’être dominée par le capital informatique, les entreprises capables de sécuriser des volumes importants de GPU et de les financer de manière optimale disposeront d’un avantage durable. Les cycles d’obsolescence rapide des puces renforcent encore cette dynamique. À l’inverse, les mineurs de Bitcoin resteront sensibles aux prix de l’énergie et aux avancées en efficacité énergétique des machines.
On assiste également à une convergence intéressante. Certains opérateurs miniers deviennent des hébergeurs d’IA, tout en conservant une activité de minage lorsque les conditions de marché le permettent. Cette flexibilité leur permet de s’adapter aux fluctuations du prix du Bitcoin et à la demande croissante en capacité de calcul pour l’intelligence artificielle.
Les financements massifs observés récemment, qu’il s’agisse d’émissions d’obligations, de ventes de cryptomonnaies ou de partenariats de long terme, montrent que les acteurs du secteur anticipent une demande soutenue. Les contrats de 10 à 20 ans avec des revenus estimés en milliards de dollars traduisent une confiance réelle dans la croissance de l’inférence IA.
Une leçon plus large sur les modèles économiques numériques
Le contraste souligné par Vitalik Buterin dépasse le simple débat technique. Il invite à repenser la manière dont on évalue les industries numériques. Trop souvent, l’attention se focalise uniquement sur la consommation d’électricité. Or, pour l’IA, le vrai goulot d’étranglement actuel se situe dans la capacité à mobiliser et à amortir un capital informatique considérable.
Cette réalité a aussi des implications géopolitiques. Les pays et les régions capables d’offrir à la fois une électricité abondante et un environnement favorable au financement de data centers ultra-modernes attireront les investissements les plus importants. Les États-Unis semblent pour l’instant bien positionnés, avec de nombreux projets déjà annoncés au Texas, dans le Kentucky, dans le Michigan et ailleurs.
Pour les investisseurs et les observateurs, le message de Buterin constitue un rappel utile. Derrière les annonces spectaculaires et les chiffres impressionnants se cachent des structures de coûts très différentes. Comprendre ces structures permet de mieux anticiper les stratégies des entreprises et les évolutions du marché.
Ce qu’il faut retenir de cette comparaison
Le minage de Bitcoin reste une activité où l’électricité pèse presque autant que le matériel. L’inférence d’intelligence artificielle, elle, est dominée à hauteur de 76 % par le capital informatique. Cette différence fondamentale explique pourquoi les opérateurs miniers se positionnent de plus en plus comme fournisseurs d’infrastructures pour l’IA, tout en laissant à leurs clients la propriété des GPU.
Les montants en jeu sont colossaux. Des financements de plusieurs milliards de dollars, des baux de vingt ans, des capacités électriques de plusieurs centaines de mégawatts : le secteur entre dans une phase d’industrialisation massive. Les tableaux partagés par Vitalik Buterin offrent une grille de lecture simple et efficace pour comprendre cette bascule.
À l’avenir, la question ne sera plus seulement de savoir combien d’électricité consomme chaque industrie, mais aussi comment se répartissent les investissements entre matériel, énergie et infrastructure. Ceux qui maîtriseront cette répartition auront un temps d’avance dans la course qui s’annonce entre calcul décentralisé et intelligence artificielle centralisée.
Le message de Buterin, aussi factuel soit-il, ouvre ainsi une fenêtre sur les grands arbitrages économiques des années à venir. Entre la quête d’énergie bon marché et la course au GPU le plus performant, les modèles économiques se redéfinissent sous nos yeux. Et cette redéfinition ne fait que commencer.
