Huawei prépare quatre puces Ascend d’ici 2028 pour défier Nvidia dans l’IA

L’intelligence artificielle ne repose pas seulement sur les modèles capables de rédiger un texte ou de générer une image. Elle dépend aussi d’une infrastructure physique considérable : des puces spécialisées, des serveurs, des réseaux très rapides et des centres de données capables d’alimenter et de refroidir ces équipements. C’est sur ce terrain, dominé par Nvidia, que Huawei entend désormais avancer ses pions avec une feuille de route de quatre lancements Ascend prévus jusqu’en 2028.

Présentée en septembre 2025, la stratégie du groupe chinois ne se limite pas à annoncer une nouvelle puce. Huawei veut proposer un ensemble cohérent, allant de l’accélérateur de calcul aux grappes de serveurs de très grande taille, en passant par l’intégration avec les services de cloud. L’ambition est claire : fournir une alternative crédible aux infrastructures utilisées pour entraîner et faire fonctionner les systèmes d’IA modernes.

Huawei annonce quatre lancements Ascend jusqu’en 2028

La série Ascend est la famille de puces d’intelligence artificielle de Huawei. Ces composants sont destinés aux tâches de calcul intensif, telles que l’apprentissage automatique, l’analyse de grands ensembles de données et le fonctionnement des modèles génératifs. Dans ce domaine, les besoins ne se résument pas à disposer d’une puce rapide : il faut pouvoir en assembler des milliers, les faire communiquer efficacement et proposer aux développeurs les outils nécessaires pour exploiter l’ensemble.

Huawei prévoit quatre lancements majeurs de sa gamme Ascend d’ici à 2028. Cette échéance donne une dimension industrielle à l’annonce. Concevoir une puce avancée est une chose, mais tenir une cadence de renouvellement sur plusieurs années en est une autre, car cela impose de maîtriser la conception matérielle, la fabrication disponible, les logiciels et le déploiement chez les clients.

L’Ascend 910C occupe une place importante dans cette offensive. Huawei la présente comme une puce adaptée aux centres de données et aux services de cloud computing. Elle vise donc les organisations qui ont besoin de traiter de gros volumes de données ou de déployer des modèles d’IA à grande échelle, plutôt que les usages classiques d’un ordinateur personnel.

Pourquoi Nvidia est la référence à battre

Nvidia bénéficie d’une position particulièrement forte dans le calcul accéléré pour l’IA. Ses GPU sont devenus une base matérielle très répandue pour l’entraînement des grands modèles de langage, la génération d’images, la recherche scientifique et de nombreuses applications industrielles. Mais l’avantage de l’entreprise ne tient pas uniquement à ses processeurs.

Son écosystème logiciel, ses bibliothèques de calcul, ses outils pour développeurs et ses systèmes intégrés sont tout aussi déterminants. Pour une entreprise qui déploie une infrastructure d’IA, changer de fournisseur peut demander des adaptations importantes : il faut porter les logiciels, valider les performances, former les équipes et garantir que les modèles produisent les mêmes résultats dans des conditions comparables.

C’est la raison pour laquelle Huawei ne présente pas Ascend comme une simple pièce détachée. La stratégie affichée vise les infrastructures complètes. Le groupe cherche à convaincre qu’il peut fournir du calcul à grande échelle, avec des solutions suffisamment intégrées pour intéresser les opérateurs de cloud et les grandes organisations.

La concurrence ne signifie pas pour autant que chaque puce Ascend équivaut automatiquement à un produit précis de Nvidia. Pour établir une comparaison solide, il faudrait disposer de mesures réalisées dans les mêmes conditions, sur les mêmes modèles, avec les mêmes logiciels et en tenant compte de la consommation électrique. Ces éléments ne sont pas détaillés dans l’annonce.

SuperPod, l’enjeu de relier les puces à très grande échelle

Huawei a également présenté sa technologie SuperPod, une architecture conçue pour assembler un très grand nombre de cartes d’accélération. L’entreprise évoque une configuration de plus de 15 000 cartes. Un total de un million de cartes est aussi mentionné dans la présentation, ce qui illustre l’échelle que Huawei ambitionne d’atteindre dans ses infrastructures de calcul.

Ces deux chiffres ne doivent pas être confondus. Le premier décrit la taille annoncée d’un SuperPod. Le second renvoie à une ambition de déploiement beaucoup plus vaste. Dans les deux cas, le message est le même : pour les acteurs de l’IA, la bataille ne porte plus seulement sur les performances d’un composant individuel, mais sur la capacité à faire fonctionner un très grand nombre d’accélérateurs comme un système coordonné.

Lorsqu’un modèle d’IA est trop volumineux pour tenir sur une seule puce, son entraînement est réparti entre de nombreuses machines. Elles doivent échanger en continu des données et des résultats intermédiaires. Si le réseau est trop lent ou si la synchronisation est inefficace, une part importante de la puissance de calcul est perdue à attendre les échanges plutôt qu’à entraîner le modèle.

Un SuperPod doit donc résoudre plusieurs contraintes simultanément :

• relier les accélérateurs par des interconnexions à haut débit ;
• répartir les calculs sans créer de goulot d’étranglement ;
• gérer les pannes et le remplacement des composants ;
• maîtriser la consommation électrique et le refroidissement ;
• fournir une couche logicielle qui rende cette complexité exploitable par les équipes techniques.

Quelles applications sont visées par les puces Ascend ?

En ciblant les centres de données et le cloud, Huawei se place sur les deux grands usages de l’IA générative. Le premier est l’entraînement : une phase très coûteuse durant laquelle un modèle apprend à partir d’énormes quantités de données. Le second est l’inférence, c’est-à-dire le moment où le modèle déjà entraîné répond à une requête, résume un document, analyse une image ou génère du code.

Ces deux usages n’imposent pas exactement les mêmes contraintes. L’entraînement privilégie généralement une puissance massive, une grande capacité mémoire et des communications très rapides entre les puces. L’inférence peut nécessiter davantage de flexibilité, de rapidité de réponse et de maîtrise des coûts, surtout lorsqu’un service est utilisé par un grand nombre de personnes en même temps.

Les secteurs susceptibles d’utiliser ce type d’infrastructure sont nombreux. La santé peut s’en servir pour analyser des données et soutenir la recherche, sous réserve des règles applicables à ces informations sensibles. La finance, l’industrie, l’automobile, l’éducation et les services publics peuvent également recourir à des modèles d’IA pour traiter des documents, automatiser certaines analyses ou assister des professionnels.

Toutefois, l’annonce de Huawei ne permet pas à elle seule d’affirmer que les puces Ascend seront disponibles partout dans le monde ni qu’elles conviendront à tous les projets. La disponibilité dépend des accords commerciaux, des règles d’exportation, des chaînes d’approvisionnement et de la compatibilité avec les environnements logiciels de chaque client.

Les partenariats, une condition décisive pour Huawei

Huawei mise aussi sur des collaborations avec des fournisseurs de services de cloud computing afin d’intégrer ses solutions dans des infrastructures existantes. Cette dimension est essentielle : les clients ne recherchent pas seulement un matériel performant, ils veulent pouvoir louer ou acheter une capacité de calcul, l’administrer, sécuriser leurs données et l’intégrer à leurs outils habituels.

Pour s’imposer, Huawei devra donc convaincre plusieurs publics à la fois : les opérateurs de centres de données, les fournisseurs de cloud, les intégrateurs, les développeurs et les entreprises utilisatrices. Chacun évalue un produit selon des critères différents. Un opérateur regardera la densité de calcul, l’énergie et la maintenance. Un développeur s’intéressera aux outils de programmation et à la compatibilité des frameworks. Une entreprise voudra surtout un système fiable, disponible et économiquement soutenable.

La promesse d’une alternative matérielle peut être attractive, notamment lorsqu’un marché repose fortement sur un acteur dominant. Mais une alternative ne devient réellement compétitive que lorsqu’elle réduit les risques de migration. Huawei devra notamment démontrer que ses plateformes peuvent être déployées, supervisées et mises à jour avec un niveau de simplicité adapté aux besoins des clients professionnels.

La baisse boursière de Nvidia ne dit pas tout du marché des puces

Le texte à l’origine de cette annonce évoque une baisse de 30 % de l’action Nvidia. Cette indication ne précise toutefois ni la période concernée, ni le point de comparaison, ni le cours retenu. Elle ne permet donc pas, à elle seule, de tirer une conclusion solide sur la situation de Nvidia ou sur la capacité de Huawei à gagner des parts de marché.

Surtout, le prix d’une action en Bourse et le prix d’une infrastructure de calcul sont deux choses différentes. Une variation de cours reflète les attentes des investisseurs, tandis que le coût d’un projet d’IA dépend des tarifs des accélérateurs, des serveurs, du réseau, de l’électricité, du refroidissement, des logiciels et des contrats de support. Une baisse boursière ne rend pas mécaniquement une technologie plus accessible aux entreprises.

Pour juger la portée de la stratégie de Huawei, les indicateurs les plus utiles seront plutôt la disponibilité effective des puces, les volumes livrés, les contrats conclus, la facilité de programmation, les performances mesurées par des clients et le coût total d’exploitation. Ces données permettront de distinguer une feuille de route ambitieuse d’un changement concret dans l’équilibre du marché.

Ce qu’il faut surveiller d’ici à 2028

La feuille de route Ascend place Huawei dans une compétition de long terme. Les quatre lancements annoncés jusqu’en 2028 seront autant d’étapes à observer, mais ils ne suffiront pas à eux seuls à mesurer le succès de l’entreprise. Le véritable test sera la capacité à transformer ces composants en plateformes de calcul adoptées à grande échelle.

Plusieurs questions seront déterminantes. Huawei publiera-t-il des résultats de performances comparables et reproductibles ? Les développeurs pourront-ils porter facilement leurs modèles sur l’écosystème Ascend ? Les partenaires de cloud proposeront-ils des capacités suffisantes ? Et les contraintes commerciales internationales permettront-elles à l’offre de trouver des débouchés au-delà de ses marchés les plus accessibles ?

Cette rivalité pourrait, à terme, stimuler l’innovation et élargir le choix des entreprises qui investissent dans l’IA. Pour les clients, la concurrence est susceptible de favoriser de nouvelles architectures, davantage d’options d’approvisionnement et une attention renforcée aux coûts. Mais en septembre 2025, Huawei présente avant tout une trajectoire : la démonstration de sa capacité à concurrencer durablement Nvidia dépendra de son exécution, lancement après lancement.