Qui est derrière Rubin : la chaîne d’approvisionnement qui alimente la prochaine plateforme d’IA de NVIDIA

NVIDIA Rubin : six puces, un « superordinateur » et la course à la réduction du coût du jeton à l’ère de l’IA de raisonnement

Dans les jours qui ont suivi le CES 2026, alors que NVIDIA présentait Rubin comme sa prochaine grande ambition dans le domaine des “usines d’Intelligence Artificielle”, une liste circulait parmi les investisseurs et analystes, évoquant d’éventuels “fournisseurs officiels” de la plateforme. Partagée sur les réseaux et dans des communautés de marché, cette liste classait par catégories — photonique, mémoire, silice de puissance, systèmes électriques, emballage, substrats, intégration et OEMs — des entreprises qui, théoriquement, correspondaient à la complexité d’un système rack-scale comme Vera Rubin NVL72.

Le contexte est essentiel : Rubin ne se vend pas comme une simple GPU isolée, mais comme une architecture complète composée de six puces et d’un écosystème de réseau, de refroidissement et de logiciels visant à porter la rendement de l’IA à une échelle industrielle. La société a décrit NVL72 comme “un rack fonctionnant comme une seule machine” et a confirmé que la plateforme sera déployée via des partenaires dans la deuxième moitié de 2026.

Rubin en tant que “produit” : moins de puces dispersées, plus un système industriel intégré

La présentation de Rubin insiste sur une idée centrale : le goulot d’étranglement n’est plus seulement la fabrication du silicium, mais l’assemblage d’un système complet capable de transférer des données à des vitesses extrêmes, avec des consommations électriques colossales et une fiabilité adaptée à l’infrastructure critique. Ce pack inclut la Vera CPU, la Rubin GPU, le NVLink de sixième génération, la ConnectX-9 SuperNIC, la BlueField-4 DPU et le composant qui suscite beaucoup de bruit parmi les fournisseurs : Spectrum-6 Photonics avec optique co-empaquetée (CPO).

Cette dernière pièce — amener la photonique « à côté » du silicium de réseau pour réduire la consommation et augmenter la densité — transforme le débat sur les fournisseurs. Il ne s’agit plus simplement d’un exercice boursier : la transition technologique nécessite une toile de partenaires spécialisés qui ne s’improvisent pas en quelques mois.

Ce qui est confirmé : l’écosystème photonique de NVIDIA

Il est utile de distinguer ce qui est confirmé de ce qui est suggéré. NVIDIA a effectivement publié des listes de partenaires dans son écosystème de silicium photoniques / optiques co-empaquetées, où apparaissent des noms correspondant au bloc “Photonics” de la liste virale : TSMC, Browave, Coherent, Corning, Fabrinet, Foxconn, Lumentum et Sumitomo Electric, entre autres.

Autrement dit : la connexion entre Rubin et cet ensemble d’entreprises n’est pas fortuite, car Rubin intègre des switches et réseaux de nouvelle génération où la photonique devient une clé d’efficacité. Cependant, être reconnu dans le domaine de la photonique par NVIDIA ne garantit pas que toute la liste — incluant puissance, substrats ou OEMs — soit “officielle” pour Rubin dans le même sens.

Emballage et test : le goulot d’étranglement qui détermine la livraison à temps

Si un domaine est souvent en retard sur le marché, c’est celui de l’emballage avancé. Les accélérateurs IA modernes dépendent des technologies 2.5D/3D pour intégrer chiplets et mémoires HBM, avec des acteurs comme Amkor et SPIL. NVIDIA a annoncé des accords et collaborations avec Amkor et SPIL pour les capacités d’emballage et de test, notamment dans le cadre de sa stratégie de renforcement de la chaîne d’approvisionnement aux États-Unis.

Par ailleurs, des noms comme ASE reviennent fréquemment dans le contexte de l’emballage avancé lié à l’IA ; Reuters a souligné le rôle historique de SPIL (filiale d’ASE) comme fournisseur de NVIDIA, bien que les opérations spécifiques à chaque génération de produit restent généralement discrètes.

Mémoire : HBM4 et le “triangle” SK hynix, Samsung et Micron

Selon des médias spécialisés, Rubin devrait utiliser des configurations avec HBM4, plaçant à nouveau les grands fabricants de mémoire — SK hynix, Samsung Electronics et Micron — au centre du dispositif.

Il est important de préciser que le fait qu’une liste les désigne comme “fournisseurs officiels” ne signifie pas que NVIDIA ait publié une répartition précise des contrats. Cependant, le pattern industriel demeure : à chaque nouvelle plateforme, l’approvisionnement en HBM et son intégration dans l’emballage sont des facteurs déterminants pour la capacité, le prix et le calendrier.

Arm et “Compute” : une étiquette simple pour une réalité plus complexe

La liste virale positionne Arm comme fournisseur dans la catégorie “Compute”. Techniquement, Rubin intègre une CPU (Vera) basée sur Arm, et des analyses techniques montrent que NVIDIA combine compatibilité avec Arm et développements propres pour ses cœurs.
Encore une fois, il est logique qu’Arm apparaisse dans le “schéma” technologique, mais transformer cela en confirmation commerciale précise demande une précision qui dépasse rarement ce qui est publié publiquement.

Énergie, intégration et OEMs : la partie la moins “glamour” qui alimente la fabrique

La liste inclut “silicium de puissance” (de Texas Instruments, Infineon à Monolithic Power Systems) et “systèmes d’alimentation” (tels que Schneider Electric, Eaton ou Vertiv). Ici, l’approche est plus conceptuelle : un rack comme le NVL72, avec refroidissement liquide et infrastructure réseau intégrée, augmente la demande en équipements de conversion d’énergie, de distribution électrique et de composants performants.

En matière d’intégration industrielle, un fil conducteur est plus solide : NVIDIA a évoqué des collaborations avec Foxconn et Wistron dans ses chaînes de fabrication et d’assemblage pour l’infrastructure IA, dans une optique de production et de résilience de la supply chain.

Quant aux “Fournisseurs OEM de serveurs”, la liste mentionne Dell et Super Micro Computer. Bien qu’ils soient très présents dans les serveurs IA, il faut se méfier de la déduction automatique selon laquelle “ils sont de grands intégrateurs” signifie “fournisseurs officiels de Rubin”, car cette confirmation dépend d’accords spécifiques et de références SKU qui varient selon la région, le client ou le calendrier.

Une lecture prudente : plus qu’une “liste officielle”, une carte des goulots d’étranglement

Le vrai intérêt de cette liste n’est pas tant de savoir si chaque nom est “confirmé” pour Rubin, mais ce qu’elle révèle sur le cycle 2026 : l’architecture IA dépend avant tout de capacité d’emballage, photonique, memoires HBM, énergie et assemblage à grande échelle. Sur ce processus, Rubin agit comme un aimant : il attire les fournisseurs là où l’industrie identifie les vrais goulots d’étranglement.

Pour un média spécialisé, cette nouvelle n’est pas une simple prédiction boursière. Elle confirme que la prochaine génération d’IA ne se gagnera pas uniquement avec des transistors, mais avec une chaîne industrielle capable de fournir des systèmes complets, à temps et avec des performances durables.


Questions fréquentes

Qu’est-ce que NVIDIA Vera Rubin NVL72 et pourquoi parle-t-on de “rack-scale” ?
Il s’agit d’une configuration de la plateforme Rubin conçue pour faire fonctionner un rack entier comme une seule machine, intégrant GPU, CPU, réseau et accélération de données pour des charges massives d’IA.

Quel est le rôle de la photonique sur silicium et de l’optique co-empaquetée (CPO) dans Rubin ?
Elle permet d’amener des liens optiques beaucoup plus proches du silicium réseau, en réduisant la consommation, la densité et en améliorant la fiabilité dans des réseaux de datacenters orientés IA.

Pourquoi l’emballage avancé est-il si critique pour les accélérateurs utilisant de la mémoire HBM ?
Parce que la mémoire HBM et les chiplets nécessitent des technologies 2.5D/3D pour une intégration avec bande passante extrême ; la capacité de packaging et de test devient alors un goulot d’étranglement.

Existe-t-il une liste publique “officielle” de fournisseurs pour Rubin ?
Au-delà des partenaires confirmés dans des domaines spécifiques comme la photonique ou pour l’emballage et la fabrication, NVIDIA ne publie généralement pas de liste exhaustive et catégorisée pour chaque génération.

le dernier