Nvidia va fabriquer ses supercalculateurs d’IA aux États-Unis

Nvidia ne se contente plus de concevoir les puces qui alimentent l’essor de l’intelligence artificielle. Le groupe américain entend aussi faire fabriquer, sur le sol des États-Unis, des systèmes complets capables d’entraîner et d’exécuter les modèles d’IA les plus exigeants. L’annonce du 14 avril 2025 dessine une chaîne industrielle qui va de la gravure des puces en Arizona à l’assemblage de supercalculateurs au Texas.

Derrière l’expression « supercalculateur d’IA », il ne faut pas imaginer un unique ordinateur géant posé dans un laboratoire. Il s’agit de vastes ensembles de serveurs, de processeurs graphiques, de réseaux très rapides, de stockage et de logiciels, installés dans des centres de données. Ils constituent l’infrastructure utilisée par les entreprises, les laboratoires et les administrations qui développent ou déploient des systèmes d’IA.

Ce que Nvidia annonce aux États-Unis

Le plan dévoilé par Nvidia associe plusieurs industriels déjà essentiels à sa chaîne d’approvisionnement. TSMC a commencé à fabriquer des puces Nvidia Blackwell à Phoenix, en Arizona. La famille Blackwell est la génération de processeurs graphiques conçue par Nvidia pour les charges de travail d’IA à très grande échelle.

Les supercalculateurs qui utiliseront ces composants doivent, eux, être assemblés au Texas. Foxconn construit une usine à Houston, tandis que Wistron en prépare une à Dallas. Nvidia indique que la production de masse devrait monter en puissance dans un délai de 12 à 15 mois.

La fabrication de puces ne s’arrête pas à la sortie des wafers de silicium, ces disques sur lesquels sont gravés les composants. Les puces doivent ensuite être encapsulées, reliées à d’autres éléments, puis testées. Nvidia cite à cette fin Amkor et SPIL, deux spécialistes du packaging et des tests, pour des opérations en Arizona.

Nvidia affirme que ces partenaires construisent ensemble plus d’un million de pieds carrés, soit environ 93 000 mètres carrés, d’espaces de fabrication. Le groupe prévoit, sur les quatre prochaines années, de produire aux États-Unis jusqu’à 500 milliards de dollars d’infrastructures d’IA. Il s’agit d’un objectif de valeur de production annoncé par l’entreprise, et non d’un montant présenté comme un investissement direct de Nvidia.

Qu’est-ce qu’un supercalculateur d’IA ?

Un GPU, ou processeur graphique, est la brique de calcul la plus connue de l’écosystème Nvidia. Initialement utilisé pour accélérer l’affichage des jeux vidéo et des images 3D, ce type de processeur est devenu central pour l’IA parce qu’il peut réaliser un très grand nombre d’opérations en parallèle.

Mais un seul GPU ne suffit pas à entraîner un grand modèle de langage, à générer des données pour la recherche scientifique ou à faire tourner une application d’IA destinée à des millions d’utilisateurs. Les fabricants relient donc des milliers, voire davantage, de GPU dans des serveurs spécialisés. Ces serveurs communiquent grâce à des connexions réseau extrêmement rapides afin de travailler comme un ensemble cohérent.

Un supercalculateur d’IA repose ainsi sur plusieurs couches complémentaires :

• les puces de calcul, comme les GPU Blackwell de Nvidia ;
• les processeurs, la mémoire et le stockage qui accompagnent ces GPU ;
• les équipements réseau qui relient les serveurs entre eux ;
• les logiciels qui répartissent les calculs et permettent de programmer la machine ;
• le centre de données lui-même, avec son alimentation électrique et son refroidissement.

Cette architecture explique pourquoi l’annonce de Nvidia dépasse la seule question des semi-conducteurs. Fabriquer les composants est une étape, les assembler dans des systèmes fiables et les déployer dans des centres de données en est une autre. La complexité du processus contribue aussi à la valeur stratégique de cette infrastructure.

Pourquoi relocaliser une partie de la chaîne de production ?

La demande en puissance de calcul pour l’IA s’est fortement accrue avec l’entraînement et l’utilisation de modèles toujours plus volumineux. Les entreprises technologiques, les jeunes pousses, les universités et les organismes de recherche cherchent tous à accéder à des capacités de calcul capables de traiter d’énormes volumes de données et d’exécuter des simulations complexes.

Pour Nvidia, renforcer la production aux États-Unis peut répondre à deux objectifs. Le premier est de mieux servir cette demande grandissante en augmentant les capacités industrielles consacrées à ses systèmes. Le second est de consolider une chaîne logistique où la distance entre la production des puces, leur conditionnement et l’assemblage final peut peser sur les délais, les coûts et la résilience de l’approvisionnement.

La production de semi-conducteurs demeure toutefois une activité mondiale, qui mobilise des savoir-faire, des matériaux et des équipements provenant de nombreux pays. L’initiative annoncée par Nvidia ne signifie donc pas que toutes les étapes de fabrication d’un système d’IA deviennent américaines. Elle marque plutôt le développement de capacités supplémentaires aux États-Unis pour des étapes jugées déterminantes.

Des partenaires aux rôles très différents

Le mot « partenariat » recouvre ici plusieurs métiers industriels. TSMC est le fabricant chargé de produire les puces conçues par Nvidia. Foxconn et Wistron sont des assembleurs de systèmes électroniques à grande échelle. Amkor et SPIL interviennent dans les opérations de conditionnement et de test. Nvidia, de son côté, conçoit notamment les GPU, les architectures de calcul et une partie essentielle des logiciels utilisés pour les exploiter.

Cette répartition est importante pour comprendre le modèle économique de Nvidia. L’entreprise est qualifiée de concepteur de puces sans usine propre, ou « fabless » : elle imagine ses processeurs mais confie leur fabrication physique à des fondeurs comme TSMC. Ce fonctionnement lui permet de concentrer ses investissements sur l’architecture des composants et les logiciels, tout en s’appuyant sur des partenaires disposant d’usines extrêmement coûteuses et complexes à exploiter.

L’annonce d’avril 2025 ajoute une dimension d’intégration locale à ce modèle. Nvidia veut que des partenaires réalisent aux États-Unis des étapes successives qui conduisent de la puce au supercalculateur. La valeur ne réside pas uniquement dans le silicium : elle vient aussi de la capacité à assembler rapidement des systèmes très denses, à les tester et à les livrer aux exploitants de centres de données.

Quels usages pour cette puissance de calcul ?

Les supercalculateurs d’IA sont souvent associés aux assistants conversationnels et à la génération d’images ou de vidéos. Ces usages ne représentent pourtant qu’une partie de leurs applications possibles. La même infrastructure peut aider à entraîner des modèles capables d’analyser du texte, des données scientifiques, des images médicales, des séquences génétiques ou des relevés météorologiques.

Dans la recherche, une puissance de calcul accrue peut accélérer certaines simulations, par exemple en ingénierie, en climatologie ou dans l’étude de molécules. Dans l’industrie, elle peut être mobilisée pour l’automatisation, l’analyse de données, l’optimisation de processus ou la conception de systèmes autonomes. Ces usages exigent cependant des données de qualité, des équipes capables de valider les résultats et des infrastructures adaptées aux contraintes de chaque secteur.

Nvidia évoque également l’utilisation de sa plateforme de simulation Omniverse pour créer des jumeaux numériques de ses propres usines. Un jumeau numérique est une représentation virtuelle d’un environnement réel. Il peut servir à tester l’organisation d’une ligne de production, les déplacements de robots ou certains scénarios de fonctionnement avant leur mise en œuvre dans une usine physique.

L’entreprise prévoit aussi d’utiliser Isaac GR00T, sa plateforme destinée à la robotique, dans ces installations. L’idée est de s’appuyer sur des simulations et des outils d’IA pour concevoir et exploiter les sites de production qui fabriqueront eux-mêmes l’infrastructure de l’IA.

Des ambitions élevées, mais une production encore à construire

L’annonce est significative par son ampleur, mais elle doit être lue avec précision. Au 14 avril 2025, la fabrication des puces Blackwell à Phoenix a commencé selon Nvidia. En revanche, les sites texans de Foxconn et de Wistron sont encore dans une phase de construction ou de préparation, et la production de masse des supercalculateurs n’est attendue que dans les 12 à 15 mois suivants.

Le chiffre de 500 milliards de dollars est lui aussi ambitieux. Il décrit la valeur d’infrastructures d’IA que Nvidia prévoit de produire sur quatre ans avec ses partenaires américains. Sa réalisation dépendra notamment de la demande des clients, du rythme de construction des centres de données, de la disponibilité des composants et de la capacité à alimenter ces équipements en électricité.

L’enjeu énergétique est particulièrement important. Les systèmes d’IA à grande échelle consomment beaucoup d’électricité et dégagent de la chaleur, ce qui impose des solutions de refroidissement et des réseaux électriques adaptés. Construire un supercalculateur ne revient donc pas seulement à empiler des serveurs : il faut aussi disposer d’un bâtiment, d’une alimentation, d’un réseau et d’une exploitation technique à la hauteur.

Ce qu’il faut surveiller

Les prochains mois permettront de mesurer le passage de l’annonce à la production. Le premier indicateur sera la progression des usines de Houston et de Dallas, puis le respect de l’objectif de montée en puissance annoncé par Nvidia. La capacité d’Amkor et de SPIL à réaliser localement des opérations de packaging et de test constituera un autre point clé, car cette phase conditionne l’intégration finale des puces dans les systèmes.

Il faudra aussi observer le développement des centres de données qui accueilleront ces machines. Un supercalculateur n’a de valeur que s’il peut être installé, alimenté et utilisé par des clients. Les entreprises qui construisent ces infrastructures devront composer avec les contraintes de raccordement électrique, de refroidissement et de disponibilité foncière.

Enfin, cette initiative illustre une évolution plus large : l’IA devient une affaire d’infrastructure industrielle. Les progrès des modèles ne dépendent plus seulement des chercheurs et des logiciels, mais aussi des fondeurs, des assembleurs, des spécialistes du packaging, des exploitants de centres de données et des réseaux d’énergie. Avec son plan américain, Nvidia cherche à occuper une place centrale dans l’ensemble de cette chaîne.