La mémoire HBM est devenue le goulet d’étranglement le plus coûteux — et le plus stratégique — de l’intelligence artificielle. Sur ce tableau, tout ajustement de vitesse a des conséquences qui dépassent largement un simple titre. Selon plusieurs informations publiées récemment par des médias spécialisés, les GPU NVIDIA Vera Rubin n’atteindraient pas l’objectif initial de 22 TB/s de largeur de bande mémoire avec HBM4, et seraient plutôt limités à environ 20 TB/s en raison de contraintes pratiques dans la fabrication de HBM4 aux vitesses par pin que NVIDIA visait.

Ce changement, qui peut sembler à première vue « juste » une correction technique, est en réalité un symptôme d’un problème plus profond : l’industrie pousse HBM4 à ses limites avant même que le nœud de fabrication ne soit pleinement mature. Et lorsque ces limites sont fixées par SK hynix et Samsung — les principaux fournisseurs — le reste de l’écosystème doit s’adapter.

De l’objectif de 11 Gb/s par pin à une limite plus réaliste

Les explications récurrentes dans ces publications sont plutôt précises : NVIDIA aurait poussé pour que la HBM4 fonctionne autour de 11 Gb/s par pin, mais les fabricants auraient préféré une valeur plus réaliste, proche de 10 Gb/s par pin, afin de maintenir des rendements de fabrication (yield), une consommation maîtrisée et une stabilité dans des paramètres compatibles avec la production en masse. Ce recul par pin, ajouté à un bus gigantesque, limite le débit total du module.

Dans la mémoire HBM, ce « détail » est crucial, car le passage de HBM3/3E à HBM4 n’est pas simplement incrémental, mais structurel : le standard passe à une interface de 2 048 bits par pile (le double des générations précédentes), ce qui multiplie toute variation par pin. En d’autres termes : lorsque tout le système est conçu pour additionner, une réduction ne fait pas exception, elle s’intègre dans la dynamique globale.

Pourquoi HBM4 est si difficile à faire évoluer

Le secteur de la mémoire s’est attardé depuis plusieurs mois à avertir que HBM4 est une bête différente. Augmenter la vitesse par pin n’est pas « gratuit » : cela implique généralement plus d’exigences en matière d’intégrité du signal, des marges thermiques plus étroites et une complexité accrue pour valider le comportement à grande échelle. S’ajoute la difficulté la plus désagréable pour un CFO : si le rendement par wafer chute, le coût explose.

Il n’est pas surprenant que la couverture technique ait souligné l’écart entre ce que le standard permet et ce que le marché exige. D’un côté, le cadre JEDEC définit les bases ; de l’autre, les principaux acheteurs font pression pour dépasser le « minimum viable » car l’IA consomme tout. Entre-temps, les fabricants doivent fournir un volume répétable, pas seulement des démonstrations.

Ce secteur a déjà montré des signes de cette tension. Par exemple, en 2025, SK hynix a annoncé des avancées en HBM4 supérieures aux premières références du standard, prouvant que la marge d’amélioration existe… mais en faire un produit de masse pour la GPU la plus importante de l’année reste une autre histoire.

Une lecture compétitive : l’écart avec AMD se réduit

Les rumeurs autour de « 20 TB/s au lieu de 22 » ne relèvent pas du seul marketing, mais reflètent aussi le contexte concurrentiel. AMD a longtemps avancé des chiffres très ambitieux pour sa prochaine génération d’accélérateurs équipés de HBM4.

Dans la documentation officielle, AMD indique que sa série Instinct MI450 vise 19,6 TB/s de bande passante avec 432 Go de HBM4. Si Rubin plafonne autour de 20 TB/s, la différence devient ténue : la bataille ne se joue plus uniquement au niveau de la mémoire, mais aussi sur l’architecture, l’interconnexion, la scalabilité du système, ainsi que sur la disponibilité et le coût total de déploiement.

Il est essentiel de rappeler que la mémoire ne fait pas tout. En IA, la performance finale dépend aussi de l’efficacité logiciel, de la connectivité interne (et entre nœuds), et du comportement des systèmes à grande échelle avec des charges réelles. Cependant, la bande passante mémoire reste un indicateur clé, car elle influence directement le « flux » vers les unités de calcul : sans données, ces dernières restent en attente.

De Hopper à Blackwell… et le saut de Rubin reste impressionnant

Le fait que Rubin n’atteigne pas 22 TB/s ne signifie pas que le saut n’est pas spectaculaire. Il suffit de regarder la progression récente.

NVIDIA indique dans ses spécifications officielles que le H100 (Hopper) offre 3,35 TB/s de bande passante mémoire. Avec la génération Blackwell, elle décrit des systèmes équipés de HBM3E qui, par GPU, atteignent environ 8 TB/s. Même si Rubin se rapproche des 20 TB/s, la progression par rapport au H100 reste colossale et illustre pourquoi l’industrie est obsédée par HBM.

En résumé : ce recul est important d’un point de vue compétitif, mais il ne remet pas en cause le fait que HBM4 est conçue pour repousser le plafond des systèmes IA dans la seconde moitié de la décennie.

Un avertissement pour toute l’industrie : réserver la capacité, c’est une chose, atteindre les spécifications, c’en est une autre

Ce genre d’« ajustements » s’inscrit dans une tendance plus large : les nœuds de pointe et composants critiques sont négociés plusieurs années à l’avance, mais cela n’assure pas que les spécifications les plus ambitieuses seront industrialisées aussi vite qu’attendu par le marché.

En 2026, l’IA a transformé la chaîne logistique en arme concurrentielle. La mémoire HBM, en raison de sa difficulté de fabrication et de sa valeur, occupe une position centrale. Si les fabricants priorisent le yield et la stabilité plutôt que la dernière décimale de performance, le reste suivra. Et si la différence entre concurrents se joue à peine en quelques décimales, le vrai avantage migrera vers d’autres couches : logiciel, réseau, packaging, énergie, logistique et capacité installée.

Tableau récapitulatif : comment se compare la bande passante (selon les chiffres publiés)

En résumé pratique : si l’ajustement se confirme comme décrit, Rubin restera une avancée importante, mais la « course à la mémoire » entre NVIDIA et AMD sera moins flagrante qu’on aurait pu le penser. La victoire se jouera davantage sur la performance réelle à l’échelle, l’écosystème et la rapidité de déploiement.

Questions fréquentes

Pourquoi est-il important de passer de 22 TB/s à 20 TB/s en HBM4 ?
Parce qu’en IA, la bande passante mémoire est un facteur critique pour alimenter le calcul. Une réduction de l’objectif indique aussi des limites de fabrication et peut réduire l’écart face aux concurrents.

Que signifie « Gb/s par pin » et pourquoi est-ce si important ?
C’est la vitesse de transfert par ligne de données mémoire. Avec des bus très larges, de petites variations par pin entraînent d’énormes différences de débit global.

AMD dispose-t-elle réellement de 19,6 TB/s de largeur de bande en HBM4 ?
AMD a publié des chiffres de 19,6 TB/s pour sa série MI450 accompagnés de 432 Go de HBM4 dans sa documentation. Cela ne signifie pas une performance finale identique, mais donne une référence de niveau.

Est-ce que cela signifie que NVIDIA « perd » la génération Rubin ?
Pas nécessairement. Même si la bande passante est inférieure à l’objectif initial, Rubin continuera à surpasser les générations précédentes. La différence réelle dépendra de l’architecture, de l’interconnexion, du logiciel et des performances à grande échelle.

Source : MyDrivers