La guerre des puces pour l’intelligence artificielle ne se résume plus uniquement à qui vend le plus de GPU à Microsoft, Amazon, Google ou Meta. Ce marché demeure énorme, mais il devient insuffisant pour expliquer ce qui se passe réellement. NVIDIA a modifié sa manière de présenter ses résultats pour mieux distinguer ses activités hyper-scalaires de ses autres segments liés à l’IA. Par ailleurs, AMD a annoncé un investissement de plus de 10 milliards de dollars à Taïwan pour renforcer le packaging avancé, la fabrication et la capacité de déploiement d’infrastructures d’IA.
Ces deux mouvements visent dans la même direction : la prochaine étape ne sera pas seulement une course pour des accélérateurs plus puissants, mais pour le contrôle de systèmes complets, de chaînes d’approvisionnement, de capacités de fabrication, de packaging, de réseaux, de serveurs, de logiciels et de clients en dehors du cloud public traditionnel. L’IA ne se limite plus aux GPU. C’est désormais une industrie d’infrastructure.
NVIDIA a clôturé son premier trimestre fiscal 2027 avec un chiffre d’affaires record de 81,6 milliards de dollars, en hausse de 85 % par rapport à l’année précédente. Sa division data center a atteint 75,2 milliards de dollars, soit une croissance de 92 % d’une année sur l’autre, boostée par ce que Jensen Huang nomme des « usines d’IA » (AI factories). Mais ce qui est encore plus significatif n’est pas seulement cette somme, mais la façon dont l’entreprise souhaite que le marché interprète ces résultats désormais.
NVIDIA distingue hyper-scalaires et ACIE
NVIDIA a instauré une nouvelle structure de reporting basée sur deux grandes plateformes : Data Center et Edge Computing. Au sein de Data Center, la division séparera Hyperscale et ACIE, acronyme pour AI Clouds, Industrial and Enterprise. Hyperscale couvre les revenus issus des clouds publics et des grands acteurs d’internet. ACIE regroupe des centres de données spécialisés en IA, des clouds IA, des entreprises industrielles, des déploiements souverains et des usines d’IA par secteur ou pays.
Ce changement n’est pas cosmétique. Selon la transcription de la conférence sur les résultats, Hyperscale a généré environ 38 milliards de dollars au trimestre, représentant environ 50 % du chiffre d’affaires Data Center, tandis que ACIE a atteint 37 milliards et a crû de 31 % par rapport au trimestre précédent. NVIDIA a aussi indiqué que les revenus issus des AI Clouds avaient triplé d’une année sur l’autre, que ceux liés à la souveraineté avaient augmenté de plus de 80 %, et que leur infrastructure IA était déployée dans près de 40 pays.
Ce qui modifie la narration. Jusqu’à présent, une grande partie du marché expliquait la croissance de NVIDIA par la dépense des hyper-scalaires. La nouvelle orientation du reporting montre qu’une demande parallèle est tout aussi importante : celle des fournisseurs de clouds IA, des gouvernements, des industries, des entreprises, des télécoms, de la robotique, de l’automobile, des stations de travail, de l’edge computing et des réseaux.
| NVIDIA | Données communiquées |
|---|---|
| Chiffre d’affaires total T1 FY2027 | 81,6 milliards de dollars |
| Data Center | 75,2 milliards de dollars |
| Croissance Data Center interannuelle | 92 % |
| Hyperscale | environ 38 milliards de dollars |
| ACIE | environ 37 milliards de dollars |
| Croissance ACIE trimestrielle | 31 % |
| Infrastructure NVIDIA déployée | Dans près de 40 pays |
| Data centers partenaires >10 MW | Plus de 80 sites |
La stratégie est claire : NVIDIA veut que les investisseurs et ses clients comprennent que son marché ne dépend plus uniquement de la vente de GPU à quelques grands acteurs du cloud. La société se positionne comme un fournisseur d’infrastructures complètes pour l’économie de l’IA, allant des data centers pour l’entraînement et l’inférence, jusqu’à l’edge, la robotique, les PC, l’automobile et les réseaux de télécommunications.
AMD réagit depuis Taïwan avec le packaging avancé
De son côté, AMD a adopté une autre stratégie. La société a annoncé un investissement de plus de 10 milliards de dollars à Taïwan pour renforcer ses partenariats stratégiques et développer ses capacités de packaging avancé, en vue de soutenir l’infrastructure IA de nouvelle génération. Ce plan inclut la technologie FFB 2.5D afin d’améliorer la bande passante et l’efficacité des processeurs EPYC de sixième génération, nommés Venice, et de préparer la plateforme rack-scale AMD Helios, équipée de CPU Venice et de GPUs Instinct MI450X, pour des déploiements multigigawats à partir de la seconde moitié de 2026.
Le message d’AMD diffère mais reste tout aussi ambitieux. Si NVIDIA montre que son marché s’étend au-delà des hyper-scalaires, AMD renforce sa base industrielle, essentielle pour concurrencer dans la nouvelle ère de l’IA : packaging, interconnexion, substrates, assemblage, tests et collaborations avec des partenaires taïwanais.
AMD a également annoncé la mise en production de Venice utilisant le procédé TSMC en 2 nm. Une étape importante alors que les CPU retrouvent du poids dans l’inférence, les agents IA et les architectures rack-scale. L’IA ne sera pas uniquement une affaire de GPU. Les systèmes nécessitent aussi CPU, mémoire, interconnexion, stockage, réseaux et logiciels pour supporter des charges longues, intensives et distribuées.
| AMD | Données communiquées |
|---|---|
| Investissement en Taiwan | Plus de 10 milliards de dollars |
| Focalisation principale | Packaging avancé et infrastructure IA |
| Technologie phare | EFB 2.5D | Processeur à venir | AMD EPYC Venice |
| Node de fabrication | TSMC 2 nm |
| Plateforme rack-scale | AMD Helios |
| GPU associé | AMD Instinct MI450X |
| Calendrier de déploiement | Seconde moitié de 2026 |
L’investissement en Taïwan montre aussi que la guerre des puces ne se joue pas uniquement au niveau du design du processeur. Elle dépend aussi de la capacité à empaqueter plusieurs chiplets, à déplacer les données avec moins de consommation, à assurer la disponibilité du matériel, à coordonner les ODM, les assembleurs, les fabricants de serveurs, les fournisseurs de substrates et les fondeurs. Le goulot d’étranglement ne se limite pas à la fabrication du processeur, mais à sa transformation en système prêt à déployer à grande échelle.
La nouvelle frontière : usines d’IA, souveraineté et entreprise
NVIDIA et AMD répondent toutes deux à un changement de fond. La première vague d’IA s’est concentrée sur l’entraînement de modèles fondamentaux et la vente de capacité aux grands clouds. La suivante s’étendra entre inférence massive, agents d’affaires, IA souveraine, industrie, télécoms, automobile, robotique, simulation scientifique et edge computing.
C’est pourquoi ACIE est si important. Bien que cela sonne financier, ce terme résume une réalité : l’IA commence à sortir des laboratoires et des hyper-scalaires pour pénétrer des secteurs qui veulent leur propre capacité. Banques, fabricants, gouvernements, opérateurs, fournisseurs de clouds régionaux et grandes industries ne souhaitent pas toujours dépendre entièrement d’un cloud public régional. Certains rechercheront des clouds IA spécialisés, des centres de données dédiés, une capacité souveraine ou des plateformes privées.
Pour AMD, cela passe par la chaîne d’approvisionnement. Si la société veut rivaliser avec NVIDIA sur une part significative du marché, elle doit aller au-delà des GPU performants. Elle doit offrir des plateformes complètes, des CPU compétitifs, un packaging avancé, de l’efficacité énergétique, des partenaires de fabrication et la capacité de livrer des systèmes à temps. Son investissement à Taïwan vise à assurer ses moyens industriels avant que la demande ne dépasse l’offre.
| Confrontation | NVIDIA | AMD |
|---|---|---|
| Narrative principale | IA comme infrastructure complète et usines d’IA | Plateforme ouverte de CPU, GPU et systèmes rack-scale |
| Derniers mouvements | Reporting distinct de Hyperscale et ACIE | Plus de 10 milliards investis à Taïwan |
| Clients émergents | Cloud IA, industrie, entreprise, souveraineté, edge | Data centers IA, OEMs, cloud, HPC, systèmes Helios |
| Avantage actuel | Domination GPU, CUDA, écosystèmes et logiciels | CPUs EPYC, chiplets, TSMC, packaging, réponse alternative à NVIDIA | Risques | Dépendance à la chaîne d’approvisionnement et régulation | Exécution, logiciels et adoption face au leadership de NVIDIA | Champ de bataille | Systèmes d’IA complets | Capacité industrielle et plateformes intégrées |
Le marché devient plus vaste : NVIDIA ne se limite plus à la compétition avec AMD sur le seul terrain des accélérateurs. Elle doit également faire face aux ASIC de Google, aux chips maison d’Amazon, aux alternatives chinoises, aux systèmes spécialisés comme Cerebras, et à des architectures d’inférence plus efficaces. À son tour, AMD ne peut simplement se positionner comme « le deuxième fournisseur de GPU » ; elle doit se présenter comme une alternative globale pour l’infrastructure IA, depuis le CPU jusqu’au système rack.
Implications pour les entreprises et les fournisseurs cloud
Pour les CIO, CTO et fournisseurs d’infrastructure, cette nouvelle phase implique un changement de perspective : choisir son matériel IA ne se réduit plus à une décision d’achat de GPU. Il faut désormais considérer la plateforme, le logiciel, le réseau, la disponibilité, la consommation, la refroidissement, le support, la roadmap, la dépendance (lock-in), la compatibilité et le coût total par charge.
Un fournisseur de cloud privé ou une entreprise déployant de l’IA en local devra décider s’il privilégie l’écosystème NVIDIA, en raison de sa maturité et compatibilité, s’il se tourne vers AMD pour réduire sa dépendance et ses coûts, ou s’il combine les deux, ou encore s’il réserve certains cas aux accélérateurs spécialisés. La décision dépendra des cas d’utilisation : entraînement, inférence, RAG, agents, vision, simulation, HPC, robotique ou analytique.
Plus globalement, la lecture financière change aussi. NVIDIA souhaite montrer que son marché ne se limite pas aux hyper-scalaires saturés, mais qu’il s’étend aux industries et aux pays. AMD veut démontrer qu’elle peut capter une partie de cette expansion en assurant sa capacité industrielle et en livrant des plateformes rack-scale compétitives. Dans tous les cas, la compétition se joue désormais sur la capacité d’exécution.
L’IA ne se résume plus à une course de puces isolée. Elle est devenue une compétition pour la chaîne complète : conception, foundries, packaging, mémoire, réseaux, serveurs, logiciels, data centers et clients finaux. NVIDIA le dit en modifiant sa méthode de reporting, AMD en investissant massivement à Taïwan.
Le message pour le secteur est clair : la prochaine guerre des puces IA ne se gagnera pas simplement avec l’accélérateur le plus puissant. Elle se remportera par celui qui pourra concevoir, fabriquer, empaqueter, alimenter, connecter, commercialiser et faire fonctionner des systèmes complets à l’échelle demandée par le marché.
Questions fréquentes
Que signifie ACIE dans la nouvelle organisation de NVIDIA ?
ACIE veut dire AI Clouds, Industrial and Enterprise. Cela regroupe les revenus liés aux clouds d’IA, aux secteurs industriels, aux applications d’entreprise, aux déploiements souverains et aux centres de données spécialisés, en dehors du segment classique des hyper-scalaires.
Pourquoi AMD investit-elle plus de 10 milliards de dollars à Taïwan ?
Pour renforcer le packaging avancé, coopérer stratégiquement et étendre ses capacités de fabrication pour soutenir l’infrastructure IA de nouvelle génération.
Qu’est-ce que AMD Helios ?
Il s’agit d’une plateforme rack-scale d’AMD combinant CPU EPYC Venice et GPU Instinct MI450X, destinée à des déploiements IA à grande échelle dès la seconde moitié de 2026.
Cela réduit-il la domination de NVIDIA ?
Pas immédiatement. NVIDIA reste leader dans l’accélération, les logiciels et l’écosystème. Mais les mouvements d’AMD montrent que la compétition se déplace vers des systèmes complets, le packaging et la capacité industrielle.