Puces d’IA pour data centers : un marché en route vers les 500 milliards / Nvidia règne, les géants du cloud s’efforcent de limiter leur dépendance

Tandis qu’elle bouleverse les usages, l’intelligence artificielle transforme aussi rapidement l’infrastructure qui la rend possible. L’entraînement et l’exécution des modèles nécessitent des capacités de calcul colossales, hébergées dans des centres de données qui deviennent le cœur névralgique de cette révolution. Leur architecture et leur économie sont en train de se recomposer en profondeur. Selon la dernière étude de Yole Group, Data Center Semiconductor Trends 2025, le marché mondial des semi-conducteurs destinés à ces data centers devrait plus que doubler en six ans, passant de 209 milliards de dollars en 2024 à 492 milliards en 2030.

"L’IA générative, le calcul haute performance et la demande des hyperscalers alimentent un nouveau paradigme dans les semi-conducteurs", résume le cabinet d’études et de conseil. Les GPU, ces processeurs graphiques capables de traiter massivement des calculs en parallèle demeurent la pierre angulaire de l’infrastructure IA. Ils représentent un marché dont la taille devrait plus que doubler d’ici la fin de la décennie.

Nvidia intouchable, les hyperscalers jouent la carte des puces sur mesure

Yole estime que les revenus des GPU passeront de 100 milliards de dollars en 2024 à 215 milliards de dollars en 2030. Les ventes explosent malgré le coût élevé de ces puces, car aucune alternative n’offre encore la même polyvalence et performance sur un large éventail de workloads (tâches de calcul et traitements) propres à l’IA, qu’il s’agisse de l’entraînement d’un modèle d’intelligence artificielle - qui mobilise d’importantes capacités de calcul sur GPU - ou, de plus en plus, de l’inférence, c’est-à-dire l’exécution du modèle pour produire des prédictions.

Leader incontesté, l’américain Nvidia capte aujourd’hui 93 % de ce marché. Ses concurrents s’efforcent de grignoter cette avance, mais restent très loin de pouvoir en menacer la suprématie. Faute de pouvoir l’affronter directement, Google, Amazon et Microsoft misent massivement sur les ASIC (Application-Specific Integrated Circuits), ou circuits intégrés spécialisés. Par opposition aux processeurs généralistes comme les CPU ou GPU, capables de traiter de nombreux types d’opérations, ces puces sont conçues sur mesure pour exécuter une tâche bien précise. Au lieu d’acheter uniquement des GPU Nvidia, ils peuvent ainsi équiper certains de leurs data centers avec leurs propres puces.

L’objectif est double : optimiser certaines tâches précises (souvent l’inférence) avec du matériel taillé sur mesure, plus efficace en consommation d’énergie et coût par calcul que les GPU. Et donc réduire leur dépendance à Nvidia, qui fixe ses prix et dont les délais d’approvisionnement peuvent être contraignants.

De la mémoire à la photonique, l’infrastructure s’adapte au rythme de l’IA

Mais la puissance de calcul n’est pas le seul enjeu. Les architectures mémoire évoluent rapidement pour suivre le rythme. L’adoption de la DDR5, la dernière génération de mémoire vive se généralise. La HBM (High Bandwidth Memory), une mémoire à large bande passante particulièrement adaptée aux besoins de l’IA, connaît une demande exceptionnelle, notamment pour l’entraînement des modèles.

La technologie CXL (Compute Express Link), qui permet de relier processeurs et mémoires avec une latence réduite et de mutualiser les ressources entre serveurs, progresse également. La photonique - l’utilisation de la lumière plutôt que de signaux électriques pour transmettre des données - s’impose via des technologies comme l’Optical I/O (entrées/sorties optiques) ou les Co-Packaged Optics (modules optiques intégrés directement aux puces) pour accélérer les interconnexions.

Guerre technologique et nouveaux entrants dans la course aux puces IA

Dans cette course, les acteurs américains – Nvidia, AMD ou Intel – dominent largement grâce à leur avance technologique et à la puissance de leur écosystème. Mais face à eux, la Chine déploie des moyens considérables pour bâtir une filière nationale, soutenue par des investissements publics massifs et par une politique volontariste de souveraineté technologique, renforcée par les restrictions américaines à l’exportation de composants avancés.

Parallèlement, une nouvelle génération de startups venues d’Amérique du Nord - comme les américaines Groq et Cerebras, ou la canadienne Tenstorrent - mise sur des architectures de calcul alternatives pour tenter de se faire une place sur ce marché hautement concurrentiel.

"L’industrie des semi-conducteurs pour data centers explore aujourd’hui de nombreuses approches", explique Eric Mounier, directeur de la division Photonique chez Yole. Il résume : "Les solutions actuelles sont toutes guidées par une même logique : garder la maîtrise - de la conception des puces, de leur conditionnement et du lieu où elles sont fabriquées - alors que les charges de travail de l’IA redéfinissent chacune de ces étapes."