Les agents IA passent des démonstrations à un fonctionnement en continu, mais combien pourraient tourner en même temps ? Dans un rapport publié le 2 octobre 2026, intitulé « How many AI agents could run on the AI chips shipped through 2027? », Jason Li, chercheur chez Epoch AI, apporte une réponse côté offre : à partir de la mémoire à large bande passante (HBM) livrée de 2025 à 2027, le matériel mondial pourrait faire tourner environ 30 à 170 millions d'agents simultanés basés sur des modèles de pointe. En ne comptant que les livraisons jusqu'en 2026, la fourchette tombe à 16 à 56 millions.
La méthode : la HBM comme contrainte
La méthode est volontairement resserrée. Epoch prend les livraisons de HBM comme contrainte déterminante et suppose que le matériel est entièrement déployé et consacré uniquement à ce type de charge. Autrement dit, le rapport répond à la question « combien le matériel pourrait-il en faire tourner au maximum ? », et non « combien le marché en demandera-t-il vraiment ? ». Les coûts de fonctionnement varient aussi fortement selon la charge : dans l'analyse des trajectoires d'agents menée par Epoch, les charges Codex coûtaient en moyenne environ 16 à 18 dollars par heure, contre environ 24 à 50 dollars pour Claude Code. Le même matériel peut donc produire des factures et des résultats très différents selon l'usage.
Converti en main-d'œuvre : des heures impressionnantes, avec une réserve
Un agent peut travailler 168 heures par semaine, soit 4,2 fois les 40 heures d'un salarié à temps plein. Convertie en heures hebdomadaires, la simultanéité ci-dessus — livraisons de 2027 incluses — équivaut à environ 140 à 720 millions de salariés à temps plein. À titre de comparaison, les États-Unis comptent 342 millions d'habitants et environ 100 millions de travailleurs du savoir. Avec un modèle plus efficace, les chiffres grimpent encore : d'après les bancs d'essai de service de DeepSeek V4 Pro, le même matériel pourrait faire tourner environ 1,9 milliard d'agents simultanés, dont les heures hebdomadaires égaleraient celles de 8 milliards de personnes. Epoch précise toutefois que la qualité des résultats est inégale et que la comparaison ne compte que la durée — le temps de fonctionnement n'équivaut pas à un travail de qualité égale.
L'argent suivra-t-il ? L'offre pourrait dépasser la demande
Derrière l'expansion de la puissance de calcul, les investissements d'infrastructure ne cessent de grossir, tout comme leur financement, comme le montre le prêt de 42 milliards de dollars de Broadcom à Anthropic : de bailleur de fonds à plus gros client, jusqu'où va le business du calcul ?. Epoch fait aussi le calcul côté demande : utiliser seulement 20 % de son estimation centrale de capacité, au prix des API, représenterait déjà 2 600 à 5 300 milliards de dollars de dépenses annuelles, alors que les revenus des développeurs de modèles, même multipliés par cinq chaque année, n'atteindraient qu'environ 1 000 milliards de dollars en rythme annuel fin 2027. La demande pourrait ne pas suivre l'offre, avec un risque de surcapacité. Le déploiement ne passe d'ailleurs pas forcément par de grands centres de données : les agents peuvent aussi tourner sur du matériel local, et les machines de bureau deviennent une autre voie, comme le montre DGX Spark édition 64 Go en vente le 23 octobre : 4 999 dollars pour ramener les grands modèles sur le bureau. Ces chiffres doivent donc se lire comme un plafond : ils délimitent ce que l'offre de matériel pourrait permettre, sans prophétiser la demande future.
