Les entreprises spécialisées dans le matériel d'intelligence artificielle transforment rapidement le secteur technologique. NVIDIA a parcouru un long chemin depuis ses débuts dans le domaine des cartes graphiques. L'entreprise a atteint une valorisation de 4 000 milliards de dollars, ce qui en fait l'une des sociétés les plus importantes au monde.
Les chiffres de ce secteur sont vertigineux. Bloomberg Intelligence prévoit que les dépenses en intelligence artificielle générative passeront de 67 milliards de dollars en 2023 à 1 300 milliards de dollars d'ici 2032. Price Waterhouse Coopers estime que l'impact économique de l'IA générative atteindra 15 700 milliards de dollars d'ici 2030. Ces chiffres colossaux expliquent pourquoi les géants de la tech se livrent une bataille acharnée pour dominer le marché.
Ce marché autrefois spécialisé est devenu l'un des champs de bataille les plus féroces du secteur technologique. Les principaux fabricants de puces d'IA continuent d'élargir les possibilités : le GPU Blackwell de NVIDIA se distingue par une vitesse 2.5 fois supérieure et une efficacité énergétique 25 fois meilleure que ses prédécesseurs.
La concurrence s'intensifie, les grandes entreprises concevant désormais elles-mêmes leurs puces au lieu de dépendre de fournisseurs externes. Taiwan Semiconductor a augmenté sa production de puces de pointe de 3 et 5 nm pour répondre à la demande croissante.
Cet article vous présentera les 15 principales entreprises de matériel d'IA qui dominent le marché actuel, leurs meilleurs produits et leur rôle dans la construction de l'avenir de l'informatique.
NVIDIA domine le marché mondial des puces d'IA. Ses GPU sont au cœur de nombreuses applications, des véhicules autonomes aux grands modèles de langage. Son approche novatrice lui confère une longueur d'avance sur ses concurrents dans un secteur du matériel d'IA en constante évolution.
La gamme d'accélérateurs d'IA de NVIDIA comprend plusieurs produits performants. Le GPU A100 Tensor Core est essentiel aux entreprises et offre jusqu'à 312 TFLOPS de performances en apprentissage profond grâce à ses cœurs Tensor de troisième génération. Le GPU H100, basé sur l'architecture Hopper, traite les grands modèles de langage 30 fois plus rapidement que les versions précédentes.
Le B300 (Blackwell Ultra) place la barre encore plus haut avec 288 Go de mémoire HBM3e par GPU et une puissance de calcul dense de 1 100 pétaflops en inférence FP4. Un système rack GB300 NVL72 traite 12 934 jetons par seconde et par GPU.
NVIDIA domine les benchmarks MLPerf, qui mesurent les performances d'IA du secteur. Sa plateforme a réalisé les temps d'entraînement les plus rapides dans tous les benchmarks MLPerf Training v5.1, à une exception près. L'entreprise détient également tous les records de performance d'inférence MLPerf par GPU pour les centres de données.
Les résultats financiers parlent d'eux-mêmes : un investissement de 5 millions de dollars dans le système GB200 NVL72 peut générer environ 75 millions de dollars de revenus en jetons, offrant un retour sur investissement de 15 fois.
NVIDIA noue des collaborations stratégiques intersectorielles. OpenAI prévoit de déployer au moins 10 gigawatts de systèmes NVIDIA pour son infrastructure d'IA de nouvelle génération. NVIDIA investira jusqu'à 100 milliards de dollars dans OpenAI au fur et à mesure du déploiement de chaque gigawatt.
L'entreprise collabore avec des géants de l'automobile comme General Motors pour les technologies de conduite autonome et l'IA appliquée à la production. Grâce à une collaboration avec T-Mobile et d'autres partenaires, NVIDIA crée la première pile technologique sans fil 6G native de l'IA aux États-Unis.
NVIDIA présente une feuille de route ambitieuse avec l'architecture « Rubin » (nommée d'après l'astronome Vera Rubin), dont le lancement est prévu pour le second semestre 2026. Cette plateforme de nouvelle génération offrira une puissance de calcul FP4 dense de 3.6 EFLOPS, soit 3.3 fois plus puissante que l'architecture Blackwell actuelle.
La version plus puissante « Rubin Ultra » arrivera en 2027 et offrira 15 exaFLOPS de puissance de calcul d'inférence FP4 grâce à sa configuration NVL576. L'interface NVLink7 offre une connectivité six fois plus rapide que son prédécesseur, avec un débit de 1.5 Po/s. NVIDIA prévoit une architecture « Feynman » pour 2028, nommée en hommage au physicien Richard Feynman.
AMD se positionne comme un acteur majeur dans la course au matériel d'IA. L'entreprise défie la domination de NVIDIA sur le marché grâce à sa gamme croissante d'accélérateurs et de processeurs hautes performances.
L'accélérateur AMD Instinct MI300X, avec ses 192 Go de mémoire HBM3, est le pilier de la gamme de puces IA d'AMD. Le MI325X, plus récent, est désormais sous les projecteurs. Doté de 288 Go de mémoire HBM3E, il offre une bande passante mémoire de 6 téraoctets par seconde, soit 1.3 fois supérieure à celle de ses concurrents. Les processeurs IA Ryzen d'AMD équipent aujourd'hui plus de 250 plateformes PC, apportant des capacités d'IA aux ordinateurs portables et de bureau.
Les tests au sol montrent que les accélérateurs AMD Instinct MI300X offrent d'excellentes performances face à la concurrence. Ces puces utilisent le logiciel ROCm 6 pour atteindre des performances d'inférence 1.3 fois supérieures sur les modèles Meta Llama-3 70B. Elles offrent également un débit 1.2 fois supérieur sur Mistral-7B. Hugging Face teste quotidiennement 700 000 de ses modèles les plus populaires sur les accélérateurs AMD Instinct MI300X afin de vérifier leur compatibilité.
AMD a noué de solides partenariats industriels. OpenAI a signé un contrat pluriannuel colossal de 6 gigawatts avec AMD. Le premier déploiement d'un gigawatt débutera en 2026. Oracle Cloud Infrastructure prévoit de déployer 50 000 GPU MI450. Microsoft Azure utilise des MI300X pour les services OpenAI. Dell Technologies (PowerEdge XE9680), Supermicro, Lenovo et HPE se sont associés à AMD. AMD a lancé un projet collaboratif de 10 milliards de dollars avec HUMAIN pour construire une infrastructure d'IA en Arabie saoudite et aux États-Unis.
AMD prévoit de lancer de nouveaux accélérateurs d'IA chaque année. Le MI325X sera disponible au quatrième trimestre 2024. La série MI350, basée sur l'architecture CDNA 4, sera ensuite lancée. Elle promet des performances d'inférence IA 35 fois supérieures à celles du MI300. Les systèmes MI400/MI450 « Helios » arriveront en 2026 avec une mémoire HBM4 offrant une bande passante de 19.6 To/s. La série MI500 suivra en 2027. Pour les appareils personnels, les futures architectures « Gorgon » (début 2026) et « Medusa » (début 2027) devraient offrir des performances de calcul IA embarquées jusqu'à 10 fois supérieures à celles de 2024.
Google a été pionnier sur le marché des puces d'IA personnalisées avec ses unités de traitement tensoriel (TPU). L'entreprise a développé ces puces pour un usage interne en 2015 et les a rendues accessibles aux clients du cloud dès 2018. Cet investissement initial s'est avéré très fructueux. Le géant technologique est désormais en passe de devenir un acteur majeur du marché des puces d'IA personnalisées. contrôle 58 % du marché des accélérateurs d'IA cloud personnalisés.
La gamme TPU est essentielle à la stratégie matérielle de Google en matière d'IA. Ces circuits intégrés spécifiques à une application sont dédiés au traitement des réseaux neuronaux. Le modèle phare actuel, Ironwood (TPU v7), offre une puissance de calcul de 4 4,614 téraflops par puce. Il est quatre fois plus rapide que son prédécesseur, aussi bien pour l'entraînement que pour l'inférence.
La gamme de produits comprend Trillium (TPU v6), la série TPU v5 et l'Edge TPU qui gère l'IA embarquée. Google a lancé Axion, son premier processeur à usage général, pour gérer les charges de travail non liées à l'IA.
La puissance de calcul des modules TPU v4 de Google atteint 1.1 exaflops grâce à 4 096 puces fonctionnant de concert. Chaque puce TPU v4 traite les données à 275 téraflops, avec une mémoire HBM2 de 32 Gio et une bande passante de 1 200 Gbit/s.
Cette puissance brute s'est traduite par un succès concret. Le supercalculateur d'entraînement en apprentissage automatique de Google a remporté la victoire dans six des huit mesures MLPerf. Le système a atteint une performance de pointe de plus de 430 pétaflops grâce à 4 096 puces TPU v3.
Anthropic est à la tête des collaborations les plus importantes de Google. L'entreprise ambitionne d'accéder à un million de puces TPU, un contrat estimé à plusieurs dizaines de milliards de dollars. D'ici 2026, cet accord permettra à Anthropic de disposer d'une puissance de calcul de plus d'un gigawatt.
Broadcom est un partenaire de fabrication clé, ayant investi plus de 3 milliards de dollars dans la conception de puces. TSMC assure 92 % de la fabrication.
Ironwood sera disponible dès le début de l'année prochaine. Google prévoit simultanément d'élargir sa gamme de matériel. Le projet Suncatcher, une constellation de satellites solaires équipés de TPU, sera lancé d'ici 2027.
La division IA quantique de l'entreprise a créé Willow, une puce quantique qui a effectué un calcul en moins de cinq minutes. Les supercalculateurs classiques auraient besoin de 10 septillions d'années pour accomplir la même tâche. Le chemin est encore long, mais nous pouvons tirer parti de ces progrès, car l'industrie de l'IA se concentre davantage sur l'inférence que sur l'entraînement. La stratégie matérielle de Google semble prête pour l'avenir.
Amazon Web Services se distingue dans le secteur du matériel d'IA grâce à ses accélérateurs sur mesure qui offrent un équilibre optimal entre performance et coût pour les charges de travail d'IA.
AWS propose deux familles de puces IA distinctes : Trainium pour l’entraînement et Inferentia pour les charges de travail d’inférence. La puce Trainium2, la plus récente, offre des performances jusqu’à quatre fois supérieures aux versions précédentes. Les instances Trn2 excellent dans les tâches d’IA générative grâce à leurs 16 puces Trainium2 connectées via NeuronLink. Ces instances déploient une puissance de calcul impressionnante de 20.8 pétaflops en FP8 et 1.5 To de mémoire HBM3. La puce Inferentia2 équipe les instances Inf2 et fournit 190 TFLOPS de performances FP16 avec 32 Go de mémoire HBM par puce. Cela représente une multiplication par quatre de la mémoire par rapport à la première génération d’Inferentia.
Trainium2 affiche une remarquable rentabilité :
Inferentia2 offre un débit jusqu'à 4 fois supérieur et une latence 10 fois inférieure à sa version précédente. Les instances Inf1 offrent un débit 2.3 fois supérieur pour un coût par inférence 70 % inférieur à celui des instances EC2 similaires.
AWS a signé un accord de 38 milliards de dollars avec OpenAI sur sept ans. Ce contrat fournit des centaines de milliers de GPU NVIDIA associés à des dizaines de millions de CPU. Nous nous sommes concentrés sur nos applications d'IA internes et sur des partenaires comme Anthropic, en utilisant nos puces personnalisées. Le déploiement du « Projet Rainier » comprend 400 000 puces Trainium2 pour Anthropic, illustrant l'envergure de ces partenariats.
Trainium3 sera disponible en avant-première, avant son déploiement complet début 2026. Cette puce de nouvelle génération promet des performances deux fois supérieures à celles de Trainium2 et une efficacité énergétique améliorée de 40 % grâce au procédé 3 nm de TSMC. AWS prévoit de doubler la capacité de ses centres de données, passant de 10 GW à 20 GW entre 2026 et 2027. Cela représente un investissement considérable dans l'infrastructure d'IA.
Microsoft a fait son entrée sur le marché des accélérateurs d'IA avec une approche unique. L'entreprise a développé un matériel spécialisé qui fonctionne en parfaite harmonie avec son infrastructure cloud afin d'optimiser les performances.
Le projet Brainwave a marqué la première étape de Microsoft dans l'accélération de l'IA. Il utilise des réseaux de portes programmables (FPGA) pour créer une « unité de traitement neuronal souple » qui fournit une inférence d'IA immédiate avec une latence ultra-faible. Le système a atteint une performance impressionnante de 39.5 téraflops sur des FPGA Intel Stratix 10 et traite chaque requête en moins d'une milliseconde.
Azure Maia 100, la puce d'IA phare de Microsoft, a été lancée en novembre 2023. Ce puissant processeur de 820 mm² est gravé en 5 nm par TSMC et bénéficie d'une technologie d'encapsulation avancée. Il intègre 64 Go de mémoire HBM2E avec une bande passante de 1.8 téraoctet par seconde. Microsoft a également créé le processeur Azure Cobalt 100, basé sur l'architecture Arm, qui optimise les processus grâce à une consommation d'énergie réduite.
Le Maia 100 gère une bande passante maximale de 4 800 Gbit/s en mode de collecte et de réduction de la dispersion. Il prend en charge une bande passante de 1 200 Gbit/s entre tous les nœuds grâce à un protocole Ethernet personnalisé. Son unité de tenseur est compatible avec de nombreux types de données, notamment le format MX de Microsoft, lancé en 2023.
Les machines virtuelles Azure NC H100 v5 de Microsoft ont affiché des performances supérieures de 46 % aux produits équipés de GPU dotés de 80 Go de mémoire lors des tests MLPerf. L'entreprise prévoit d'utiliser ses propres puces à l'avenir, selon son directeur technique, Kevin Scott.
Microsoft a inauguré son deuxième centre de données Fairwater AI à Atlanta en octobre 2024. Ce centre est équipé de systèmes NVIDIA GB300 NVL72 à l'échelle du rack, pouvant accueillir des centaines de milliers de GPU Blackwell. Grâce à sa collaboration avec NVIDIA, Microsoft est devenu le premier fournisseur de cloud à déployer des systèmes NVIDIA GB200 NVL72 à grande échelle.
L'entreprise s'est associée à Qualcomm pour faire progresser l'IA sous Windows. Elle optimise le NPU Hexagon avec Windows ML afin d'exécuter efficacement des modèles comme Phi Silica.
Le plan de développement initial des puces prévoyait trois accélérateurs : Braga, Braga-R et Clea. Ces puces visaient respectivement un déploiement dans les centres de données en 2026 et 2027. La production en série de Braga a été reportée à 2026, soit un retard d'au moins six mois.
Selon des sources internes, la puce « n’atteindra pas les performances de la puce phare Blackwell de NVIDIA ». La variante Clea pourrait enfin rivaliser avec les produits NVIDIA lors de sa sortie en 2027. Microsoft a acquis la licence de la propriété intellectuelle de conception de puce d’OpenAI, ce qui pourrait accélérer son développement de 12 à 18 mois.
Intel, le plus ancien géant de l'informatique, aborde le marché du matériel d'IA en privilégiant le processeur et en tirant parti de sa domination sur l'architecture x86 parmi les technologies GPU émergentes.
Les processeurs Xeon 6 sont au cœur de la gamme IA d'Intel et offrent des performances IA jusqu'à 50 % supérieures avec un tiers de cœurs en moins par rapport à AMD. Ces processeurs intègrent une accélération IA sur chaque cœur, permettant l'inférence, l'entraînement et les petits modèles d'IA générale. Les processeurs Intel Core Ultra (série 2) prennent en charge plus de 300 fonctionnalités accélérées par l'IA grâce au programme d'accélération IA pour PC d'Intel.
Intel a dévoilé son GPU pour centres de données Crescent Island, conçu pour les charges de travail d'inférence IA. Doté d'une microarchitecture Xe3P, de 160 Go de mémoire LPDDR5X, il offre des performances optimisées par watt.
Le processeur phare d'Intel, le Xeon 6980P à 128 cœurs, affiche des performances remarquables en IA pour les applications terrestres. Il atteint jusqu'à 964.57 jetons par seconde pour l'inférence LLM avec PyTorch 2.6.0 optimisé pour IPEX. Les mesures MLPerf v5.1 ont révélé des résultats exceptionnels, les processeurs Xeon 6 affichant une amélioration des performances de 1.9 fois par rapport aux générations précédentes.
Intel a conclu un partenariat historique avec NVIDIA pour développer plusieurs générations de produits personnalisés pour centres de données et PC. Cet accord prévoit un investissement de 5 milliards de dollars de NVIDIA en actions Intel. Intel Foundry a décroché un contrat pour la fabrication du processeur d'IA nouvelle génération Maia 2 de Microsoft, grâce à son procédé de fabrication 18A.
Le nouveau GPU pour centres de données de Crescent Island sera disponible en échantillons clients au cours du second semestre 2026. Intel a choisi d'abandonner ses processeurs de réseaux neuronaux Nervana après l'acquisition d'Habana Labs pour 2 milliards de dollars afin de se concentrer sur sa technologie.
Apple intègre des capacités neuronales à l'ensemble de son architecture de puce grâce à une stratégie de silicium unique qui la distingue dans le développement de matériel d'IA.
La puce M5 d'Apple représente une avancée majeure dans le traitement de l'IA. Chaque cœur du GPU intègre des accélérateurs neuronaux qui offrent une puissance de calcul GPU de pointe plus de quatre fois supérieure à celle du M4 pour l'IA. Gravée en 3 nm de troisième génération, la puce dispose de dix cœurs : quatre dédiés aux performances et six à l'efficacité énergétique. Son Neural Engine à 16 cœurs exploite une bande passante mémoire unifiée de 153 Go/s pour traiter 133 4 milliards d'opérations par seconde, soit douze fois plus que le M1.
La puce M5 a établi un nouveau record avec 4 263 points aux tests monocœur de Geekbench 6, surpassant tous les processeurs Mac et PC. Elle a obtenu 17 862 points aux tests multicœurs et est 20 % plus rapide que la M4. Les performances graphiques affichent une amélioration de 30 % par rapport à la M4, tandis que les applications avec lancer de rayons sont 45 % plus rapides.
Apple prévoit d'investir 600 milliards de dollars aux États-Unis d'ici 2027. L'entreprise créera 20 000 nouveaux emplois, principalement dans les domaines de l'intelligence artificielle et de l'ingénierie des semi-conducteurs. Elle a noué des collaborations stratégiques avec Broadcom pour la création de la puce Baltra. Selon certaines sources, un partenariat avec Google serait en cours afin d'intégrer les modèles d'IA Gemini à Siri.
Apple lancera la gamme complète M5 (M5 Pro, M5 Max, Ultra) en 2026, et des variantes M6 pourraient suivre. L'entreprise prévoit une refonte majeure du MacBook Pro cette année-là, intégrant des puces M6 Pro/Max, des écrans OLED et des fonctionnalités tactiles.
Qualcomm est un leader incontesté du secteur de l'IA embarquée. Ses processeurs à faible consommation énergétique permettent l'intégration de l'intelligence artificielle sur diverses plateformes.
Le portefeuille IA de l'entreprise met en avant le NPU Hexagon intégré aux processeurs Snapdragon, offrant des performances exceptionnelles pour les applications mobiles et PC. Le Snapdragon X Elite, doté du NPU Hexagon, gère les tâches d'IA embarquées tout en protégeant la confidentialité des utilisateurs. Qualcomm a également dévoilé les accélérateurs AI200 et AI250 pour centres de données, offrant des performances à l'échelle d'un rack avec 768 Go de mémoire LPDDR par carte. Grâce à leurs multiples cœurs, ils prennent en charge le calcul hétérogène via le moteur d'IA, ce qui les rend idéaux pour les smartphones, les ordinateurs portables et les objets connectés.
Le NPU du Snapdragon 8 Elite Gen 5 surpasse son prédécesseur de 37 % et traite 220 jetons par seconde. Le modèle haut de gamme X2 Elite Extreme a obtenu un score de 4 080 aux tests monocœur Geekbench 6.5 et de 23 491 aux tests multicœurs, soit 50 % de plus que les générations précédentes. Les processeurs Snapdragon X Elite chargent les pages web 53 % plus rapidement que l'AMD Ryzen AI 9 HX 370 dans les applications courantes.
L'entreprise a noué des alliances mutuellement avantageuses avec IBM pour intégrer watsonx.governance et avec Microsoft pour optimiser l'apprentissage automatique Windows pour le NPU Hexagon. Qualcomm et Advantech collaborent sur des systèmes d'IA embarqués prenant en charge de une à quatre cartes d'accélération PCIe pour l'IA. Humain est devenu le premier client des puces d'IA pour centres de données de Qualcomm avec un déploiement de 200 mégawatts.
L'AI200 sera disponible sur le marché en 2026, tandis que l'AI250, avec son calcul quasi-mémoire, suivra en 2027 et promet une bande passante mémoire dix fois supérieure. Des mises à jour annuelles suivront, axées sur les performances d'inférence et l'efficacité énergétique.
Cerebras Systems révolutionne le matériel d'IA grâce à son processeur Wafer-Scale Engine (WSE) de grande capacité. Ce processeur innovant remet en question les architectures de puces traditionnelles grâce à une approche de traitement totalement différente.
Le processeur WSE-3 (Wafer-Scale Engine) de troisième génération est le fleuron de la gamme Cerebras. Gravé sur une seule plaquette de silicium, il intègre 4 000 milliards de transistors et 900 000 cœurs d'IA. D'une surface de 46 225 mm², il est 57 fois plus grand que le GPU H100 de NVIDIA. Il offre une puissance de calcul IA de 125 pétaflops. Le système CS-3, basé sur le WSE-3, prend en charge jusqu'à 1.2 pétaoctet de mémoire externe et permet l'entraînement de modèles comportant jusqu'à 24 000 milliards de paramètres.
Les systèmes de l'entreprise ont battu des records de performance à maintes reprises. Leur système d'inférence génère 969 jetons par seconde avec Llama 3.1-405B, soit jusqu'à 75 fois plus vite que les solutions GPU des hyperscalers. Ce système surpasse le GPU NVIDIA DGX B200 Blackwell de 21 fois, tout en consommant un tiers de ressources en moins. Les applications scientifiques affichent des résultats encore plus impressionnants. Le système a atteint une accélération de 130 fois par rapport aux GPU NVIDIA A100 dans les simulations d'énergie nucléaire. Il a exécuté des calculs de dynamique moléculaire 748 fois plus rapidement que le supercalculateur Frontier.
Cerebras s'est associé à IBM et Meta en tant que membre fondateur de l'AI Alliance. Sa collaboration avec G42 a permis d'atteindre une puissance de calcul de 8 exaFLOPS grâce aux supercalculateurs Condor Galaxy 1 et 2. ZS a intégré les systèmes CS-3 à sa plateforme MAX.AI dans le cadre d'un nouveau partenariat. AlphaSense s'est associé à Cerebras pour renforcer ses capacités d'analyse de marché.
Cerebras a levé 1.1 milliard de dollars lors d'un tour de table de série G pour accélérer le développement de sa technologie à l'échelle de la plaquette. L'entreprise ambitionne de transformer les clusters de systèmes CS-3 en supercalculateurs d'IA, sans les complexités du calcul distribué. Parmi les innovations futures, on peut citer l'empilement 3D pour intégrer de la mémoire SRAM aux plaquettes, ce qui permettrait d'étendre les capacités de cette architecture d'IA révolutionnaire.
Groq redéfinit le paysage de l'IA à une vitesse telle que ses concurrents s'efforcent de suivre le rythme.
Le moteur d'inférence de l'unité de traitement du langage (LPU) est le produit phare de Groq. Chaque puce intègre 230 Mo de SRAM et offre une bande passante mémoire interne pouvant atteindre 80 To/s. La puce affiche une puissance remarquable avec 750 TOPs (INT8) et 188 TFLOPS (FP16 à 900 MHz). L'accélérateur GroqCard™ est disponible au prix de 19 948 $. Ce matériel utilise exclusivement de la SRAM, sans mémoire interne à large bande passante. Ce choix de conception offre des performances exceptionnelles pour certaines charges de travail, mais impose des limites de capacité.
Les tests réalisés par ArtificialAnalysis.ai démontrent les performances exceptionnelles de Groq. Le système atteint 241 jetons par seconde, soit plus du double de la vitesse des autres fournisseurs. Les tests internes de Groq vont même jusqu'à 300 jetons par seconde. Le système réagit rapidement en fournissant 100 jetons de sortie en seulement 0.8 seconde. Il génère plus de 500 mots en une seconde environ, alors que les GPU NVIDIA mettent près de 10 secondes pour effectuer la même tâche.
IBM s'est associé à Groq pour intégrer GroqCloud à watsonx Orchestrate. Les clients du secteur de la santé chez IBM peuvent désormais analyser les données en temps réel. Groq a également uni ses forces à celles de Carahsoft pour proposer ses services au secteur public. L'entreprise a ouvert un centre de données européen avec Equinix à Helsinki, fournissant une infrastructure d'IA à faible latence.
L'entreprise prévoit d'ajouter plus de douze nouveaux centres de données en 2026, venant s'ajouter aux douze qu'elle a déjà créés. Groq est présente aux États-Unis, au Canada, au Moyen-Orient et en Europe. Elle ambitionne de s'étendre en Asie, l'Inde étant un marché cible prioritaire. Une récente levée de fonds a permis de récolter 750 millions de dollars, pour une valorisation de 6.9 milliards de dollars. L'entreprise accompagne aujourd'hui plus de deux millions de développeurs et d'entreprises du classement Fortune 500.
Meta s'affranchit de la dépendance aux puces tierces en créant de puissants accélérateurs d'IA conçus sur mesure pour ses réseaux sociaux.
Le processeur phare Meta Training and Inference Accelerator (MTIA v2) affiche des performances remarquables : 354 TOPS en calcul INT8 et 177 téraflops en précision FP16. Gravés en 5 nm, ces processeurs intègrent 256 Mo de mémoire et offrent une bande passante mémoire de 2.7 To/s. Leurs performances en calcul dense sont 3.5 fois supérieures à celles du MTIA v1, et elles sont 7 fois plus performantes en calcul clairsemé. Meta a entamé les tests de son premier processeur d'entraînement IA développé en interne. Cette initiative pourrait permettre à Nvidia de réduire ses dépenses de 10 milliards de dollars en GPU en 2023.
Les tests de la plateforme démontrent un débit de traitement des modèles multiplié par six et une efficacité énergétique 1.5 fois supérieure à celle des systèmes de première génération. Les puces offrent de bonnes performances avec des modèles de classement et de recommandation de complexité variable. Les premiers résultats font état d'une amélioration des performances d'un facteur 3 sur quatre modèles d'évaluation clés.
Meta a conclu une alliance pluriannuelle avec Arm afin d'améliorer l'IA sur plusieurs couches de calcul. Cette collaboration permet d'optimiser l'environnement d'exécution Executorch de PyTorch grâce à Arm KleidiAI. Elle utilise les plateformes Neoverse d'Arm pour les systèmes de recommandation de Meta, qui alimentent Facebook et Instagram.
Meta prévoit de lancer son premier supercluster d'IA multi-gigawatt, « Prometheus », en 2026. L'entreprise investira des centaines de milliards dans l'infrastructure d'IA.
IBM crée une relation symbiotique entre les avancées quantiques et les innovations en matière de traitement classique en équilibrant l'informatique d'entreprise traditionnelle et le développement de matériel d'IA de pointe.
Le processeur Telum II est au cœur de la stratégie matérielle d'IBM en matière d'IA. Doté de huit cœurs hautes performances cadencés à 5.5 GHz, il offre une capacité de cache intégrée accrue de 40 %, atteignant 360 Mo. Son accélérateur d'IA intégré quadruple la puissance de calcul par puce par rapport à son prédécesseur. Autre composant performant, l'accélérateur IBM Spyre intègre 32 cœurs de calcul par puce et prend en charge jusqu'à 1 To de mémoire répartie sur huit cartes.
Les capacités de traitement des données ont été considérablement améliorées grâce à l'unité d'accélération d'E/S Telum II, qui affiche une densité d'E/S accrue de 50 %. Chaque puce Spyre offre une puissance de calcul de 300 TOPS tout en conservant une faible consommation d'énergie de 75 W. Les tests montrent qu'un système IBM Z équipé de 96 cartes Spyre peut atteindre des performances allant jusqu'à 30 péta-opérations (PeaOps).
AMD et IBM ont étendu leur collaboration pour rendre le GPU Instinct™ MI300X disponible sur IBM Cloud. IBM s'est également associé à Intel Foundry pour fabriquer des puces de pointe.
La feuille de route de l'entreprise en matière d'IA s'étend jusqu'en 2030 et au-delà. Parmi les étapes clés figurent les transformateurs multimodaux d'ici 2024, les architectures neuronales allant au-delà des transformateurs et les capacités de raisonnement avancées d'ici 2026.
Jim Keller, le légendaire concepteur de puces, dirige Tenstorrent, qui se distingue dans le domaine du matériel d'IA par son orientation open source et son architecture RISC-V.
Tenstorrent propose plusieurs accélérateurs d'IA pour différentes charges de travail. Son processeur Grayskull, lancé en avril 2020, intègre 120 cœurs Tensix offrant une puissance de calcul de 332 TFLOPS en FP8. La gamme Wormhole offre un excellent rapport qualité-prix : le n150 (999 $) est équipé de 72 cœurs Tensix générant 262 TFLOPS en FP8 et de 12 Go de mémoire GDDR6. Le n300 (1 399 $) double ces performances. Sa puce Blackhole de pointe contient 140 cœurs Tensix++ gravés en 6 nm et atteint 774 TFLOPS (FP8) grâce à ses 16 cœurs CPU RISC-V.
Grayskull a atteint une efficacité de pointe de 1.56 TFLOPS/Watt lors des tests. Ces puces ont affiché des performances supérieures aux processeurs Intel Sapphire Rapids en termes de mesures brutes, malgré un ciblage de segments de marché différents.
L'entreprise a établi des collaborations stratégiques avec des marques internationales telles que LG, Hyundai, AIREV et SingularityNET. Samsung Securities a mené sa récente levée de fonds de 700 millions de dollars, à laquelle ont également participé LG Electronics et Jeff Bezos, valorisant ainsi l'entreprise à 2.6 milliards de dollars.
L'entreprise collabore avec TSMC, Samsung et Rapidus pour les nœuds de gravure de 2 nm. Son programme de formation en conception de puces d'IA au Japon vise à accueillir entre 40 et 60 candidats d'ici 2026.
TSMC est un acteur majeur de la révolution de l'IA, œuvrant dans l'ombre. L'entreprise produit des puces qui rendent l'intelligence possible pour la quasi-totalité des grands acteurs du secteur.
TSMC Technologie A16 La production débutera en 2026. Cette technologie de pointe utilise des transistors en feuillets nanométriques dotés de solutions innovantes d'alimentation côté face arrière. L'entreprise prévoit de lancer la production selon le procédé N2 (classe 2 nm). Les procédés N2P et A16 (classe 1.6 nm) suivront en 2026. Leur technologie de système sur plaquette (SoC) offre des performances exceptionnelles au niveau de la plaquette, répondant ainsi aux futures exigences en matière d'IA pour les centres de données des hyperscalers.
Le procédé A16 surpasse nettement le procédé N2P. À tension égale, il offre une vitesse supérieure de 8 à 10 % et une consommation réduite de 15 à 20 %. Les produits pour centres de données bénéficient d'une densité de puces jusqu'à 1.10 fois supérieure. Le procédé A14 affiche également des gains impressionnants : une vitesse supérieure jusqu'à 15 % ou une consommation inférieure de 30 % par rapport au N2. La densité logique augmente de 20 %.
L'usine TSMC de Phoenix a lancé la production en série de puces pour NVIDIA. Cette initiative marque une collaboration majeure entre ces deux géants de l'IA. OpenAI finalisera la conception de sa première puce personnalisée avec TSMC, grâce à une technologie de gravure en 3 nanomètres. L'influence de l'entreprise s'étend également à Cadence, qui accompagne ses équipes dans la conception de solutions d'IA pour les technologies N3, N2 et A16.
L'entreprise lancera l'A16 en 2026, suivi de l'A14 en 2028. Son système sur plaquette avec technologie CoWoS arrivera en 2027. Cette innovation permettra de créer des systèmes au niveau de la plaquette qui égalent la puissance de calcul d'un serveur complet.
Grâce à ses accélérateurs personnalisés et à ses solutions de commutation avancées, Broadcom est devenu un élément essentiel de l'infrastructure réseau de l'IA.
La Thor Ultra est le produit phare de Broadcom : première carte d'interface réseau Ethernet 800G dédiée à l'IA et conçue pour les datacenters IA à grande échelle prenant en charge plus de 100 000 XPU. L'entreprise produit également la gamme de commutateurs Tomahawk 6, offrant une bande passante de 102.4 Tbit/s et adaptable à de multiples configurations. Son offre réseau comprend la Thor Ultra pour la connectivité, ainsi que les familles de commutateurs Tomahawk et Jericho, qui fonctionnent ensemble comme une plateforme de bout en bout. Le PDG, Hock Tan, souligne que ces produits réseau ne représentent qu'une partie du potentiel du marché de l'IA de Broadcom, estimé entre 60 et 90 milliards de dollars d'ici 2027.
L'équipe a doublé la bande passante du Thor Ultra par rapport à son prédécesseur. Le Tomahawk 6 prend en charge 512 ports XPU à 200 Gbit/s ou jusqu'à 1 024 ports à 100 Gbit/s. Les commutateurs à haut débit de Broadcom peuvent connecter plus de 100 000 XPU dans un réseau à deux niveaux. Broadcom utilise ses technologies SerDes et DSP avancées pour atteindre ces performances.
OpenAI a annoncé une collaboration avec Broadcom pour la conception d'accélérateurs d'IA sur mesure d'une puissance de 10 gigawatts. Avant cette annonce, Broadcom avait déjà décroché une commande de 10 milliards de dollars auprès d'un client non divulgué pour des puces d'IA personnalisées. Sa collaboration avec Google sur plusieurs générations de processeurs Tensor a généré des milliards de dollars de revenus.
Broadcom prévoit une forte croissance de son chiffre d'affaires lié à l'IA pour l'exercice 2026. Ce chiffre d'affaires a atteint 12.2 milliards de dollars en 2024. L'entreprise perfectionne sa technologie d'encapsulation 3D afin d'améliorer les performances. Les premières puces conçues avec OpenAI dans le cadre de ce partenariat seront disponibles au cours du second semestre 2026.
Le marché du matériel d'IA a connu une transformation spectaculaire depuis 2023. Ce qui représentait initialement 67 milliards de dollars devrait atteindre 1 300 milliards de dollars d'ici 2032. Ces 15 géants de la technologie repoussent sans cesse les limites de la performance à chaque nouvelle génération de puces. NVIDIA conserve une longueur d'avance grâce à son architecture révolutionnaire Blackwell. AMD, Google et d'autres ont considérablement réduit l'écart grâce à leurs propres innovations.
Dans cette course effrénée, les collaborations stratégiques sont devenues cruciales. Des entreprises comme OpenAI travaillent désormais de concert avec plusieurs fournisseurs de matériel. Elles signent des accords avec NVIDIA, AMD et Broadcom pour des déploiements de calcul massifs, mesurés en gigawatts plutôt qu'en puces individuelles. Cela préfigure un avenir de l'IA où la puissance de calcul sera mesurée comme un service public.
Les gains de performance sont stupéfiants. Les premières améliorations se sont traduites par des gains de performance de 2 à 4 fois entre les générations de puces. Chaque entreprise suit sa propre voie. Cerebras conçoit des processeurs massifs à l'échelle de la plaquette. Groq se concentre sur l'inférence ultrarapide. Les acteurs traditionnels comme Intel et Qualcomm adaptent leurs architectures aux charges de travail d'IA.
L'avenir s'annonce prometteur. La plupart des acteurs majeurs prévoient de lancer de nouvelles architectures d'ici 12 à 18 mois, promettant des avancées encore plus importantes. Certaines entreprises fusionneront ou disparaîtront à mesure que le marché arrivera à maturité. D'autres pourraient prendre une longueur d'avance grâce à des technologies de rupture.
Les entreprises et les consommateurs qui profitent de cette vague d'avancées technologiques rapides devront mettre à niveau leur matériel plus fréquemment. BigDataSupply contribue à rendre ces mises à niveau plus écologiques et abordables en vous permettant de… Vendez vos cartes graphiques d'occasion, CPU, SSD, RAM et d'autres types de Equipement ITCela permet de récupérer les coûts lors de la transition vers un matériel d'IA plus récent et plus performant.
Le paysage du matériel d'IA en 2026 sera radicalement différent d'aujourd'hui. Les entreprises qui s'imposeront devront faire bien plus que simplement miser sur la performance brute. L'efficacité énergétique, les écosystèmes logiciels et les capacités de production joueront un rôle déterminant. Le contexte géopolitique mondial de la fabrication de puces influencera également l'évolution de ce marché.
Cette révolution matérielle va transformer la manière dont les industries déploient et utilisent l'IA. Ces puces rendent possibles des capacités qui semblaient impossibles il y a encore quelques années, de l'inférence en temps réel de modèles de langage complexes à la vision par ordinateur avancée. Elles donneront naissance à des catégories de produits et de services entièrement nouvelles.
