Afflux d'investisseurs particuliers vers cet ETF thématique IA lancé récemment

Le paysage des semi-conducteurs connaît un changement structurel dans l'allocation de capital des investisseurs particuliers, alors que l'ETF de puces mémoire DRAM émerge comme principal véhicule pour les investissements dans l'infrastructure IA.

Lancé par Roundhill Investments le 2 avril, le fonds est rapidement devenu le « chouchou » des investisseurs particuliers recherchant une exposition ciblée à la chaîne d'approvisionnement des puces mémoire.

Alors que les premiers cycles d'investissement en IA favorisaient les GPU, l'activité récente du marché indique une concentration croissante sur les goulots d'étranglement de la mémoire qui limitent actuellement les centres de données hyperscale mondiaux.

Les afflux vers le DRAM battent des records en 2026

Selon Vanda Research, les traders particuliers se sont rués sur le DRAM à un rythme effréné, avec des achats quotidiens dépassant 200 millions USD (env. 174,5 millions €) au cours du premier mois – une montée des flux en dollars plus rapide que celle de favoris précédents comme TSLL et BITO.

Plus important encore, « il n'y a aucun signe que cette frénésie d'achats ralentisse » à court terme, ont écrit les chercheurs de Vanda dans leur dernier rapport.

La concentration du fonds reflète la nature oligopolistique de l'industrie. Ses trois principales positions — Samsung, SK Hynix et Micron — représentent environ 75 % des 6 milliards USD (env. 5,2 milliards €) de l'actif total.

Le l'argument haussier fondamental pour ces positions est simple : alors que les hyperscalers IA s'efforcent d'accroître leurs capacités, la mémoire est devenue un goulot d'étranglement critique, entraînant la hausse des prix des intrants et des inquiétudes quant à des pénuries à long terme.

Ce déséquilibre entre l'offre et la demande pourrait soutenir les marges bénéficiaires, beaucoup prévoyant désormais que cet indicateur dépassera 70 % cette année.

Parmi les autres contributeurs notables au DRAM figurent des entreprises spécialisées dans le stockage de données et les puces telles que Kioxia, Western Digital et Seagate, ce qui suggère que les investisseurs particuliers considèrent de plus en plus la mémoire HBM et les dispositifs de stockage à semi-conducteurs comme les « pioches et pelles » essentiels du déploiement de l'IA.

Pourquoi les investisseurs particuliers privilégient-ils les puces mémoire plutôt que les GPU ?

L'engouement des particuliers pour le DRAM n'est pas qu'une histoire de momentum — il reflète un changement architectural plus profond en cours dans les systèmes d'IA.

Les experts estiment que la prochaine vague d'intelligence artificielle évolue vers des charges de travail basées sur des agents, où les modèles ne se contentent pas de générer des résultats mais pilotent des tâches en plusieurs étapes, sollicitent des outils externes et gèrent des flux de travail distribués.

Ce basculement déplace les goulots de performance de l'inférence centrée sur les GPU vers des couches de coordination fortement dépendantes du CPU.

Comme l'a écrit Daniel Nenni pour SemiWiki en avril : « Les systèmes d'IA basés sur des agents émergents transforment l'inférence en un processus distribué et multi-étapes. Ce changement d'architecture introduit une demande substantielle en CPU », modifiant fondamentalement la répartition des ressources de calcul au sein des centres de données.

Le senior analyste de Morgan Stanley, Shawn Kim, a fait écho à cette vision en augmentant sa prévision de TAM CPU pour 2030 de 25 % et en décrivant les futurs systèmes d'IA comme des architectures hybrides — des « racks GPU » denses pour le calcul des modèles associés à des « racks CPU » pour l'orchestration, le traitement des données et l'exécution d'outils.

Pour les investisseurs particuliers, cette pile en évolution fait de la mémoire — en particulier la HBM et le stockage haute densité — un moyen plus direct de jouer les goulots d'infrastructure issus à la fois de l'expansion GPU et CPU, positionnant le fonds DRAM comme une option plus directe et plus évolutive pour le déploiement de l'infrastructure IA.