IA : pourquoi les géants de la tech verrouillent puces, énergie et alliances

À la mi-octobre 2025, la course à l’intelligence artificielle ne se résume plus à publier un modèle plus performant que le précédent. Elle se joue dans les usines de semi-conducteurs, les salles de serveurs, les réseaux électriques et les contrats pluriannuels qui lient désormais les grandes plateformes aux fabricants de puces. La capacité à entraîner et à faire fonctionner des modèles à grande échelle dépend d’une infrastructure dont la construction coûte des dizaines, voire des centaines de milliards de dollars.

Les annonces impliquant OpenAI, AMD, Nvidia et Broadcom illustrent ce changement d’échelle. Elles associent des promesses de capacités de calcul mesurées en gigawatts, des investissements potentiels de plusieurs milliards de dollars et, dans certains cas, des mécanismes financiers donnant aux clients une exposition au capital de leurs fournisseurs. Ces arrangements sont à la fois des paris industriels, des moyens de sécuriser des composants rares et une façon de rendre les écosystèmes technologiques plus interdépendants.

Les puces deviennent un actif stratégique pour l’IA

Un grand modèle d’IA a besoin de deux choses distinctes, mais inséparables : être entraîné sur de vastes volumes de données, puis répondre rapidement aux utilisateurs. Ces deux opérations exigent des processeurs spécialisés, en particulier des GPU et des accélérateurs conçus pour effectuer énormément de calculs en parallèle.

Pendant plusieurs années, Nvidia s’est imposé comme le fournisseur central de cette infrastructure. Ses GPU sont très recherchés pour l’entraînement des modèles et son environnement logiciel est largement utilisé par les développeurs. Cette position ne rend toutefois pas les autres fournisseurs secondaires. Pour les entreprises qui prévoient de déployer des capacités gigantesques, dépendre d’un seul acteur présente un risque : tension sur les livraisons, pouvoir de négociation réduit et difficulté à planifier la croissance sur plusieurs années.

C’est pourquoi les alliances entre laboratoires d’IA, concepteurs de puces et opérateurs de datacenters se multiplient. Elles ne correspondent pas à une simple commande de matériel. Elles organisent un accès à long terme à des capacités de calcul, à des équipements réseau, à des installations physiques et, surtout, à l’électricité nécessaire au fonctionnement des machines.

L’accord entre OpenAI et AMD, un levier de diversification

Le partenariat annoncé entre OpenAI et AMD s’inscrit dans cette stratégie de sécurisation. Les deux entreprises prévoient le déploiement de 6 gigawatts de capacités fondées sur les technologies AMD. Une telle grandeur donne une idée du changement de dimension en cours : il ne s’agit plus de quelques milliers de processeurs installés dans un seul site, mais d’une trajectoire d’infrastructure qui exige des datacenters et des ressources électriques considérables.

L’accord comporte aussi une dimension financière peu habituelle. OpenAI dispose de warrants, c’est-à-dire de droits permettant, sous certaines conditions, d’acquérir des actions d’AMD. Ces droits peuvent porter sur jusqu’à 160 millions d’actions, selon l’atteinte de jalons prévus par l’accord. À terme, ce mécanisme pourrait représenter environ 10 % du capital du fabricant de puces.

La nuance est importante : il ne s’agit pas nécessairement d’une participation de 10 % déjà détenue et acquise sans condition. Les warrants sont liés à l’exécution du partenariat. Cette structure donne à OpenAI un intérêt financier potentiel dans la réussite d’AMD, tandis qu’AMD obtient l’engagement d’un client de premier plan pour accélérer l’adoption de ses produits dans l’IA.

Pour AMD, dont la capitalisation boursière atteint environ 270 milliards de dollars dans le contexte de l’accord, l’enjeu est considérable. Sous la direction de sa directrice générale Lisa Su, l’entreprise cherche à se positionner comme une alternative crédible à Nvidia dans les infrastructures d’IA de pointe. Gagner un client comme OpenAI ne garantit pas automatiquement une égalité de position avec le leader du marché, mais l’annonce valide la volonté des grands laboratoires de diversifier leurs fournisseurs.

Pourquoi cet accord attire autant l’attention

Le rapport de force n’est pas celui d’un fournisseur imposant ses conditions à un client ordinaire. OpenAI représente une demande susceptible d’orienter les plans de production, les priorités d’ingénierie et l’adoption logicielle d’un fabricant. De son côté, AMD apporte une voie d’approvisionnement stratégique à un acteur qui doit développer ses capacités de calcul à un rythme exceptionnel.

L’analyste Dylan Patel, de SemiAnalysis, a souligné l’avantage dont bénéficie OpenAI dans cette négociation, notamment au regard des modalités d’accès aux actions. L’épisode montre surtout que, dans l’IA, le client le plus convoité peut devenir un partenaire financier, tandis que le fournisseur de matériel peut devenir une pièce essentielle de la feuille de route du laboratoire.

Nvidia garde une place centrale dans les grands déploiements

La diversification ne signifie pas le retrait de Nvidia. En septembre 2025, Nvidia a annoncé un projet d’investissement pouvant atteindre 100 milliards de dollars dans OpenAI sur une décennie. Cette perspective s’accompagne d’un objectif de déploiement de 10 gigawatts de systèmes Nvidia pour soutenir les besoins du laboratoire.

Le montant évoqué doit être compris pour ce qu’il est : un projet d’investissement lié à une collaboration industrielle d’une ampleur inédite, et non une somme versée immédiatement. Mais son ordre de grandeur révèle le niveau des ambitions. OpenAI a besoin de puissance de calcul pour l’entraînement des futurs modèles, pour l’inférence destinée aux utilisateurs et aux entreprises, ainsi que pour la recherche sur de nouveaux usages des systèmes d’IA.

Nvidia cherche également à consolider sa présence auprès d’autres acteurs de premier plan. La société s’intéresse notamment à xAI, l’entreprise fondée par Elon Musk, où un investissement de 2 milliards de dollars a été envisagé. Cette effervescence illustre une logique de marché très particulière : les fabricants de puces ne vendent plus seulement un produit, ils se placent au cœur des projets de leurs plus grands clients.

Broadcom et l’essor des puces conçues sur mesure

Parallèlement, OpenAI a engagé une collaboration de long terme avec Broadcom afin de concevoir des puces sur mesure dédiées à l’inférence. L’inférence désigne la phase durant laquelle un modèle déjà entraîné produit une réponse, génère une image, résume un document ou exécute une tâche pour un utilisateur.

Cette distinction est essentielle. L’entraînement est très intensif mais ponctuel pour une version donnée d’un modèle. L’inférence, elle, est une activité continue : chaque requête adressée à un assistant conversationnel, à un outil de programmation ou à un service d’entreprise mobilise de l’infrastructure. À mesure que le nombre d’utilisateurs augmente, optimiser le coût et la consommation énergétique de l’inférence devient un enjeu aussi important que la puissance brute.

Le partenariat avec Broadcom porte sur 10 gigawatts supplémentaires de capacité. Les estimations associées à un déploiement de cette ampleur peuvent atteindre 500 milliards de dollars. Ce chiffre ne doit pas être interprété comme le prix d’une seule puce ou d’une seule commande : il renvoie à l’investissement global requis par une infrastructure comprenant les accélérateurs, les serveurs, les réseaux, les bâtiments, le refroidissement et l’alimentation électrique.

Les puces sur mesure peuvent offrir des gains d’efficacité lorsqu’elles sont adaptées à des charges de travail ciblées. En contrepartie, elles demandent du temps de conception, une forte coordination industrielle et des volumes suffisamment importants pour justifier l’investissement. Pour OpenAI, le choix de collaborer simultanément avec Nvidia, AMD et Broadcom traduit une volonté de ne pas dépendre d’une voie technologique unique.

Pourquoi les gigawatts sont devenus le nouveau langage de la course à l’IA

Parler de gigawatts dans un accord technologique peut sembler abstrait. Le watt mesure une puissance électrique. Un gigawatt correspond à un milliard de watts. Dans le cas de l’IA, cette unité ne désigne pas uniquement une facture d’électricité : elle sert à exprimer l’ampleur des capacités informatiques et énergétiques qu’il faut organiser pour faire tourner des flottes entières de serveurs.

Il faut toutefois éviter un raccourci. Une annonce portant sur 6 ou 10 gigawatts ne signifie pas nécessairement qu’une entreprise consomme instantanément cette puissance à chaque seconde. Il s’agit d’un ordre de grandeur de déploiement, souvent étalé dans le temps, qui doit être concrétisé par des installations, des connexions au réseau et des contrats d’approvisionnement.

Cette contrainte énergétique change la nature de la concurrence. Acheter les meilleures puces ne suffit plus si les datacenters ne peuvent pas être construits à temps ou si le réseau local ne peut pas délivrer la puissance requise. Les entreprises doivent donc réfléchir à la disponibilité de l’énergie, au refroidissement, à la localisation de leurs sites et à la durabilité de leur croissance.

Un écosystème où partenaires et concurrents se confondent

Ces accords dessinent un marché dans lequel les frontières habituelles entre clients, fournisseurs, investisseurs et concurrents deviennent plus floues. OpenAI a besoin des puces de Nvidia et d’AMD, tout en cherchant des accélérateurs personnalisés avec Broadcom. Les fabricants de semi-conducteurs ont besoin, eux, de clients capables de commander des volumes assez importants pour rentabiliser des investissements industriels massifs.

Cette interdépendance accroît aussi les risques. Si la demande pour les services d’IA ralentissait fortement, les engagements d’infrastructure pourraient peser lourdement sur les entreprises concernées. À l’inverse, si la demande continue de progresser plus vite que la construction des datacenters et des réseaux électriques, les capacités disponibles pourraient rester insuffisantes malgré les annonces.

La compétition passe aussi par les compétences. Concevoir des processeurs, optimiser des modèles pour différentes architectures, exploiter des clusters à très grande échelle et gérer la consommation électrique sont des métiers rares. La pratique de l’« acqui-hire », qui consiste à recruter une équipe par le biais du rachat de son entreprise, reflète la valeur stratégique de ces profils.

Enfin, les gouvernements pèsent de plus en plus sur cette bataille. Les puces avancées, les capacités de calcul et les infrastructures énergétiques ont des implications économiques et géopolitiques. Les contrats internationaux, les règles d’exportation et les politiques industrielles peuvent influencer la capacité des entreprises à accéder à certains marchés ou à certaines technologies.

Ce qu’il faut surveiller dans les prochains mois

Le premier test sera l’exécution. Les partenariats annoncés devront se traduire par des installations effectives, des puces livrées, des logiciels correctement adaptés et des datacenters raccordés. Les annonces de capacité sont importantes, mais la mise en service réelle l’est davantage.

Le deuxième enjeu concerne la concurrence. AMD devra démontrer que ses produits peuvent être déployés à une échelle comparable aux solutions dominantes, avec des performances, une disponibilité et un environnement logiciel répondant aux exigences des grands laboratoires. Broadcom devra, de son côté, montrer que les puces sur mesure peuvent améliorer suffisamment l’inférence pour justifier leur complexité industrielle.

Enfin, le facteur énergétique pourrait devenir le principal frein physique à la croissance de l’IA. Les acteurs capables d’aligner simultanément puces, datacenters, électricité et talents disposeront d’un avantage difficile à reproduire. La domination de l’IA ne se jouera donc pas seulement dans les algorithmes : elle se jouera dans la capacité à coordonner un écosystème industriel entier.