Pourquoi toutes les Big Tech veulent leur propre puce d'IA

Le 12 juillet, SK Hynix a réalisé la plus grande introduction en bourse étrangère jamais enregistrée aux États-Unis, portée presque entièrement par la demande de puces mémoire HBM utilisées en intelligence artificielle. La même semaine, des rumeurs sur la future puce M7 Ultra d'Apple évoquaient un support allant jusqu'à 1,5 To de RAM. Deux nouvelles apparemment distinctes, mais qui pointent vers le même mouvement : les grandes entreprises technologiques ne veulent plus dépendre uniquement de Nvidia pour faire tourner leurs modèles d'IA.

Pourquoi acheter une puce Nvidia ne suffit pas

Nvidia domine le marché des processeurs pour entraîner et exécuter des modèles d'IA depuis des années, et pour de bonnes raisons : ses puces et l'écosystème logiciel qui les entoure sont difficiles à égaler. Le problème est que cette domination est devenue un goulot d'étranglement. La demande en capacité de traitement a augmenté bien plus vite que la capacité de Nvidia à fabriquer et à livrer, et les entreprises qui dépendent entièrement d'un seul fournisseur deviennent otages de ses prix et de ses files d'attente.

Le véritable goulot d'étranglement est dans la mémoire, pas seulement dans le traitement

Exécuter un grand modèle de langage n'est pas seulement une question de puissance de calcul. Le modèle entier, avec ses milliards de paramètres, doit rester accessible le plus près possible du processeur, et c'est là qu'intervient la mémoire HBM, acronyme de High Bandwidth Memory. Elle est plus chère et plus difficile à fabriquer que la mémoire ordinaire d'ordinateur, et la demande a tellement augmenté que des fabricants comme SK Hynix sont devenus des pièces aussi stratégiques que Nvidia elle-même. Cela explique pourquoi une entreprise de mémoire, et non de processeurs, a été la plus grande introduction en bourse étrangère de l'histoire américaine.

Qui construit déjà sa propre puce

Le mouvement n'est pas nouveau, il s'accélère seulement. Google développe ses propres puces TPU depuis plus d'une décennie pour faire tourner Gemini et d'autres modèles internes. Amazon a les puces Trainium et Inferentia qui alimentent une partie de l'infrastructure AWS. Microsoft a présenté la puce Maia pour ses centres de données d'IA. Même OpenAI, qui ne fabrique pas de matériel, a signalé ces dernières années son intérêt pour développer ses propres capacités en matière de puces afin de réduire sa dépendance vis-à-vis des fournisseurs externes.

Apple suit la même voie par une autre porte : elle maîtrise déjà la conception de ses propres siliciums dans les iPhones et les Macs, et étend cette stratégie pour supporter des charges d'IA de plus en plus lourdes localement, comme le suggèrent les rumeurs autour du M7 Ultra. Aucune de ces entreprises n'a cessé d'acheter des puces à Nvidia. L'objectif n'est pas de remplacer complètement le fournisseur, mais de réduire la dépendance et d'avoir le contrôle sur une partie de sa propre infrastructure.

Ce que cela change pour ceux qui utilisent simplement l'IA au quotidien

Pour l'utilisateur final, ce mouvement se manifestera de manière indirecte : des modèles plus rapides, un coût par requête qui diminue progressivement et de nouvelles fonctionnalités, comme des fenêtres de contexte plus grandes, deviennent viables. En même temps, cela crée une rivalité à long terme entre ceux qui fabriquent le matériel et ceux qui construisent les modèles, ce qui devrait façonner le prix et la disponibilité des outils d'IA dans les années à venir.

FAQ

Cela signifie-t-il que Nvidia va perdre le marché de l'IA ?

Pas à court terme. Nvidia reste le principal fournisseur de puces d'IA au monde. Le mouvement des Big Tech vise à réduire la dépendance, pas à remplacer complètement cet approvisionnement.

Pourquoi la mémoire est-elle aussi importante que le processeur ?

Parce qu'un modèle d'IA doit maintenir ses paramètres accessibles rapidement pendant le traitement. Sans mémoire à haute vitesse suffisante, même le processeur le plus rapide du monde reste inactif en attendant des données.

Cela va-t-il faire baisser le prix des outils d'IA ?

C'est l'un des paris du secteur. Plus de fournisseurs de matériel et moins de dépendance à un seul point de goulot d'étranglement tendent à augmenter l'offre et, avec le temps, à faire pression sur les coûts à la baisse.

Les petites entreprises peuvent-elles aussi le faire ?

Difficilement. Concevoir une puce de zéro nécessite des milliards de dollars d'investissement et des années de développement, ce qui n'est à la portée que d'entreprises ayant l'échelle et les liquidités de Google, Amazon, Microsoft et Apple.