Résumé en une phrase
Le géant des puces Broadcom vient de publier ses meilleurs résultats financiers de l'histoire : son chiffre d'affaires total du troisième trimestre s'est élevé à près de 30 milliards de dollars, en hausse de 86 % par rapport à l'année précédente, avec les revenus provenant des puces AI personnalisées ayant plus que doublé, ce qui représente une véritable fortune. Derrière ce succès, il n'y a pas de hasard. Toutes les entreprises leaders dans le domaine de l'IA – de Google à Meta, en passant par OpenAI, Amazon, ainsi que des entreprises chinoises comme Huawei, Alibaba et Baidu – se sont lancées dans la fabrication ou la recherche et développement de puces AI pour ne plus dépendre entièrement des puces prêtes à l'emploi d'Nvidia. En réalité, ces entreprises comprennent bien les enjeux fondamentaux : économiser de l'argent, accroître leur pouvoir et assurer leur survie. Le monopole d'Nvidia dans le secteur des puces AI est en train de s'effondrer.
---
Analyse détaillée
1. Pourquoi Broadcom gagne-t-il autant d'argent soudainement ?
Avant, Broadcom était principalement connu pour ses puces de commutation de réseau utilisées dans les data centers. Son succès actuel s'explique par sa capacité à répondre aux besoins essentiels de toutes les grandes entreprises d'IA : la plupart d'entre elles n'ont pas les moyens de développer elles-mêmes des puces à partir de zéro. Recruter des centaines d'ingénieurs en puces, collaborer avec des fabricants de semiconducteurs et gérer tous les aspects du développement est coûteux et lent. D'ici deux ou trois ans, les modèles concurrentiels auront déjà été plusieurs fois mis à jour. Broadcom propose un service complet, de la conception de la puce à la production. Par exemple, le développement de la puce de raisonnement “Pepper” d'OpenAI n'a pris que neuf mois. Aujourd'hui, la plupart des commandes de puces personnalisées proviennent de Google, Meta, OpenAI et Anthropic, et Broadcom détient une position dominante sur ce marché. Si ces entreprises ne gagnent pas d'argent, qui le fera ?
2. Les géants ne se contentent pas de parler de fabrication de puces ; la plupart ont déjà commencé à le faire concrètement, et certaines gagnent même plus en développant leurs propres puces qu'en vendant des modèles d'IA.
Le développement de puces par les entreprises d'IA n'est plus une simple étape théorique. De nombreuses d'entre elles ont déjà commercialisé ces technologies :
- Google a été l'une des premières à développer ses propres puces TPU en 2016, et sa huitième génération est sur le point d'être produite en série. Elle propose même des puces dédiées à l'entraînement et à la déduction des modèles. L'ordre de 200 milliards de dollars signé avec Anthropic pour des ressources de calcul concerne exclusivement ses propres puces TPU, sans aucun profit pour Nvidia.
- Meta utilise déjà les puces personnalisées développées avec Broadcom pour les recommandations de contenu sur Facebook et Instagram. La nouvelle génération de puces qu'elle prévoit sera directement adaptée aux grands modèles d'IA génératifs.
- Amazon a développé sa propre puce d'entraînement, Trainium, qui a déjà été mise à jour à trois reprises. La production de la quatrième génération a été entièrement réservée par ses clients, avec des revenus futurs dépassant 22,5 milliards de dollars. Son activité de développement de puces se classe parmi les trois meilleures au monde, lui permettant de gagner plus que de nombreuses entreprises spécialisées dans ce domaine.
- Les entreprises chinoises comme Huawei (Ascend), Alibaba (RealWu) et Baidu (KunlunChip) ont également commencé à utiliser des puces personnalisées à grande échelle. Seul Tencent n'a pas encore officiellement annoncé son engagement dans ce domaine.
3. L'avantage économique des puces personnalisées
L'achat de puces Nvidia est généralement le choix le moins coûteux. Mais pour les entreprises de grande envergure, cela peut représenter des économies considérables. Par exemple, la puce “Pepper” d'OpenAI a été optimisée spécifiquement pour les scénarios de déduction des modèles d'IA, supprimant toutes les fonctionnalités inutiles. Les coûts de déduction des questions des utilisateurs ont été réduits de 50 % par rapport aux puces Nvidia. Avec des millions de questions traitées chaque jour, ces économies peuvent s'élever à des milliards de dollars par an.
De plus, en développant ses propres puces, les entreprises peuvent contrôler plus facilement les conditions commerciales avec leurs fournisseurs et réduire leur dépendance à Nvidia.
4. Le contrôle sur les équipements
Auparavant, toutes les entreprises d'IA dépendaient de Nvidia pour leurs puces, ce qui les limitait dans la conception de leurs produits. Aujourd'hui, en développant leurs propres puces, elles peuvent adapter l'équipement à leurs besoins spécifiques. Par exemple, Google utilise ses propres puces TPU pour accélérer les performances de ses modèles d'IA, obtenant ainsi une vitesse deux fois supérieure à celle des puces Nvidia de niveau équivalent.
5. La sécurité et la diversification des approvisionnements
Disposer de puces personnalisées offre une plus grande sécurité commerciale. Si Nvidia décide d'augmenter les prix ou de cesser de fournir, les entreprises peuvent se tourner vers d'autres options. Pour les entreprises chinoises, cela est encore plus crucial, car les puces Nvidia de haut de gamme sont soumises à des restrictions d'exportation. Développer ses propres puces est donc une question de survie, et non de simple rentabilité.
En résumé, les entreprises d'IA se lancent dans la fabrication de puces pour économiser de l'argent, accroître leur indépendance et se protéger contre des interruptions de fourniture. Le monopole d'Nvidia est en train de s'effondrer, ouvrant de nouvelles opportunités pour tous les acteurs du secteur.