La roadmap des modèles devient une roadmap silicium

La version courte

Les labs IA ne se contentent plus d'acheter des puces.

Ils essaient de façonner les puces.

C'est le signal utile dans la nouvelle poussée silicium d'Anthropic. TechCrunch a rapporté cette semaine qu'Anthropic construit une équipe pour concevoir des puces IA custom, et Business Insider a rapporté que l'entreprise a confirmé une équipe silicium interne pour Claude. Les offres d'emploi sont encore plus révélatrices. Une annonce d'Anthropic dit que l'entreprise fait tourner certaines des plus grosses charges d'entraînement et d'inférence IA au monde sur plusieurs plateformes matérielles, travaille "depuis le niveau de la puce" avec ses partenaires silicium, et construit maintenant une équipe custom silicon. Une autre annonce dit qu'Anthropic veut que Claude devienne meilleur en conception de silicium.

Ce dernier point compte.

Ce n'est pas seulement :

"Anthropic veut une alternative à Nvidia."

Trop petit.

La meilleure version est :

La roadmap des modèles devient une roadmap silicium.

OpenAI a déjà dit la même chose plus fort en juin avec Jalapeño, son premier accélérateur d'inférence custom avec Broadcom. OpenAI l'a présenté comme une partie d'une stratégie d'infrastructure full-stack : besoins produit, kernels de modèles, mouvements mémoire, réseau, scheduling, déploiement en data center et futurs produits agentiques qui rétroagissent tous vers le design matériel.

Très glamour. Le chatbot découvre la gestion de supply chain.

Ce n'est pas de l'achat classique

L'ancienne histoire était simple.

Un lab IA a besoin de GPUs.

Nvidia vend des GPUs.

Un cloud loue des GPUs.

Tout le monde se plaint de la pénurie.

Cette histoire reste vraie.

Elle est aussi incomplète.

Quand un lab fait tourner des modèles à l'échelle de ChatGPT, Claude, Gemini, Copilot ou Meta, l'infrastructure n'est pas seulement un bon de commande. Elle détermine la latence, le prix, la fiabilité, la longueur de contexte, la profondeur du tool use, l'endurance des agents, le routing des modèles et les promesses produit économiquement possibles.

Un meilleur modèle peut rester coincé par une inférence trop chère.

Un modèle moins cher peut devenir plus utile s'il peut tourner partout.

Un agent de code peut sembler brillant ou cassé selon qu'il peut prendre assez d'étapes sans faire hurler le compteur.

Un agent vocal peut s'effondrer si le système ne peut pas garder une latence temps réel prévisible.

La puce n'est pas seulement sous le produit.

Elle est dans le produit.

OpenAI montre l'argument full-stack

Le billet d'OpenAI sur Jalapeño est inhabituellement explicite.

L'entreprise dit que l'accélérateur a été conçu autour des charges d'inférence LLM qu'elle fait tourner chaque jour dans ChatGPT, Codex, l'API et de futurs produits agentiques. Elle parle de kernels, de mouvements mémoire, de réseau, de patterns de serving, de latence, de performance par watt et de déploiement à l'échelle du gigawatt.

Ce n'est pas le vocabulaire d'une entreprise qui fait simplement les courses pour du matériel moins cher.

C'est le vocabulaire d'une entreprise qui essaie d'aligner comportement du modèle, comportement produit et comportement matériel.

Si OpenAI rend l'inférence moins chère et plus prévisible, elle peut changer la surface produit :

• plus d'étapes agentiques avant qu'une tâche devienne trop chère
• des prix API plus bas ou des limites d'usage plus larges
• des réponses plus rapides dans les produits interactifs
• une capacité plus fiable pendant les pics de demande
• plus de place pour les workflows multimodaux, vocaux, avec outils et longs contextes
• de meilleures marges sur les produits qui brûlent des tokens toute la journée

C'est pour cela que le custom silicon n'est pas seulement une économie de coûts.

C'est une stratégie de lancement.

Le lab qui contrôle davantage sa stack de serving peut décider quel type d'intelligence devient normal pour les utilisateurs.

Anthropic prend le même chemin, prudemment

Le mouvement d'Anthropic est plus précoce et plus discret.

Cela compte. L'entreprise ne dit pas : "Nous possédons maintenant toute la stack." Les offres d'emploi et le reporting pointent vers une version plus pragmatique : une équipe custom silicon, de l'expertise en design de puces, du reinforcement learning autour de la conception silicium, et la poursuite du travail avec plusieurs partenaires hardware.

C'est la posture raisonnable.

Anthropic ne peut pas simplement basculer le monde sur des "puces Claude" au prochain trimestre. L'entreprise dépend déjà d'AWS, Google, Nvidia, AMD et d'un réseau très compliqué de capacité data center. Le custom silicon n'est pas une porte magique hors des contraintes d'approvisionnement. Il crée de nouvelles dépendances : talent de design, outils EDA, accès fondeur, packaging, réseau, firmware, racks, énergie, refroidissement, intégration cloud, financement et calendriers de fabrication.

Très simple. Il suffit de devenir en même temps lab modèle, entreprise produit, négociateur cloud, architecte de puces, planificateur de data centers et participant au marché de l'énergie.

Mais la direction reste importante.

Anthropic signale que la performance des modèles n'est plus seulement un problème d'équipe modèle. C'est un problème de co-design hardware-software. Le futur coût, la vitesse, le contexte, l'endurance agentique et la fiabilité enterprise de Claude dépendront de plus en plus de décisions très loin sous la boîte de prompt.

Cela devrait changer la façon dont les acheteurs lisent les annonces de modèles.

"Plus rapide" peut vouloir dire amélioration du modèle.

Cela peut vouloir dire meilleur routing.

Cela peut vouloir dire autre puce.

Cela peut vouloir dire meilleur contrat data center.

L'utilisateur verra un seul assistant.

L'équipe produit gérera une pile de contraintes physiques.

Le financement fait partie de la stack

L'histoire des puces ne concerne pas seulement le design des puces.

Elle concerne aussi qui finance les machines.

Le Financial Times a rapporté cette semaine l'énorme machine de financement de Google pour la capacité TPU d'Anthropic, avec structures Wall Street, private credit, engagements Broadcom, data centers alimentés et exposition Google, le tout emballé autour de la demande compute d'Anthropic. MarketWatch, citant l'analyse de RBC, a aussi décrit la relation AMD-Anthropic comme un moteur potentiel important pour les revenus futurs de GPUs IA.

Prenez un peu de recul par rapport à la mécanique des deals.

Le schéma est clair.

La stack IA inclut maintenant :

• l'architecture du modèle
• les puces d'inférence
• les clusters d'entraînement
• le réseau
• les contrats d'énergie
• les baux de data centers
• les véhicules de private credit
• les partenariats cloud
• les prévisions de demande client
• et beaucoup de gens très sérieux qui font semblant que tout cela tient dans un seul spreadsheet

C'est pour cela que l'expression "infrastructure IA" commence à devenir trop petite.

Ce n'est pas de l'infrastructure comme une startup qui achète des serveurs.

C'est de la stratégie industrielle.

Mise à jour : Huawei vend le système, pas la puce

Huawei vient de rendre l'argument full-stack impossible à rater.

À Huawei Connect, le 17 septembre, l'entreprise a présenté l'Atlas 960E SuperPoD, de nouveaux équipements d'interconnexion optique, un système de calcul général mis à niveau, un cluster de stockage dédié à la mémoire de contexte et une roadmap pour les accélérateurs Ascend 960, 970 et 980.

Le titre facile sera que Huawei défie Nvidia.

C'est vrai, mais incomplet.

Huawei ne présente pas une puce héroïque qui dépasserait soudainement la frontière américaine. L'entreprise présente un portefeuille de 11 puces reliées par UnifiedBus, avec de l'optique near-packaged, de la mémoire partagée, du stockage, du réseau, du software système et un écosystème de développeurs.

Le signal utile, c'est que comparer les puces une par une devient la mauvaise unité d'analyse.

Huawei affirme qu'un seul Atlas 960E peut relier jusqu'à 4 096 NPUs, fournir jusqu'à un pétaoctet de mémoire à haute bande passante et éviter des dizaines de milliers de modules optiques classiques. L'entreprise dit aussi que l'architecture plus large peut démarrer 100 000 sandboxes 30 fois plus vite que des serveurs traditionnels, augmenter leur densité, garder des KV caches à l'échelle du pétaoctet près de l'inférence et, à terme, relier jusqu'à un million de NPUs.

Ce sont les chiffres de Huawei, pas des benchmarks indépendants.

La distinction compte. Un chiffre de keynote n'est pas une charge de production. Le « jusqu'à » porte beaucoup de poids. La disponibilité, la maturité du software, les rendements industriels, l'utilisation réelle, la fiabilité, le coût et les déploiements clients diront si le système tient ses promesses hors des slides de Huawei.

Mais la cible de design est déjà parlante.

Huawei n'optimise pas seulement pour entraîner des modèles.

Huawei optimise pour les agents.

Un démarrage rapide des sandboxes permet de créer davantage d'environnements isolés pour les agents de code, de recherche et de tool use. De gros systèmes de KV cache permettent aux longues conversations et aux agents qui enchaînent les étapes de réutiliser le contexte sans tout recalculer. Une meilleure interconnexion permet à des milliers de composants moins puissants de se comporter davantage comme une seule machine utile. Les économies d'énergie et la tolérance aux pannes déterminent si tout cela peut tourner économiquement pendant des jours, plutôt que gagner une démo de cinq minutes.

Voilà à quoi ressemble un besoin produit agentique quand il descend jusqu'au data center.

Les restrictions à l'export changent l'architecture

La dimension géopolitique est tout aussi importante.

L'Associated Press rapporte que le nouveau système de Huawei arrive alors que la Chine pousse son autonomie technologique face aux restrictions menées par les États-Unis sur les puces avancées et les machines qui les fabriquent. AP ajoute la nuance indispensable : l'entraînement avancé en Chine repose encore souvent sur du hardware américain, et Nvidia garde une avance dans plusieurs domaines.

Ce n'est donc pas une histoire simple où « Huawei a rattrapé Nvidia ».

C'est une réponse système à un désavantage sur les composants.

Quand on ne peut pas acheter le meilleur accélérateur individuel, on travaille l'architecture scale-out, les liens optiques, la mutualisation de la mémoire, le stockage, le scheduling, la compatibilité software et l'approvisionnement domestique. On essaie de rendre un ensemble de puces plus contraintes utile comme un tout coordonné.

Cela ne prouve pas que les restrictions à l'export ont échoué.

Cela montre comment elles redirigent l'ingénierie.

Elles peuvent ralentir l'accès à une frontière industrielle précise tout en accélérant l'investissement dans les substituts autour d'elle. Le résultat n'est plus une seule stack IA mondiale avec des puces légèrement différentes. Ce sont de plus en plus deux écosystèmes d'infrastructure, chacun essayant de faire en sorte que son hardware, son software, ses modèles, son financement et ses standards se renforcent mutuellement.

Cela crée une nouvelle forme de lock-in.

CUDA n'a jamais été seulement du silicium. Ascend ne le sera pas non plus.

Les acheteurs ont besoin d'une eval de plateforme

Pour les équipes IA, la vraie question n'est pas de savoir si le plus gros chiffre de Huawei dépasse le plus gros chiffre de Nvidia.

La vraie question est de savoir si une charge peut migrer.

Votre modèle tourne-t-il nativement sur la stack ? Les kernels, bibliothèques, outils d'observabilité, contrôles sécurité et systèmes d'orchestration fonctionnent-ils ? La plateforme peut-elle soutenir les patterns de contexte, de sandbox, de stockage et de réseau dont vos agents ont besoin ? Que se passe-t-il quand un fournisseur, une région cloud, une règle d'export ou une dépendance software change ?

C'est pour cela que la portabilité de l'infrastructure mérite maintenant la même discipline que la portabilité des modèles.

Gardez des benchmarks de charges représentatives, pas seulement les slides des fournisseurs. Mesurez les tâches agentiques terminées, la latence sous charge, la reprise après panne, l'énergie et le coût total de serving. Sachez quelles parties de la stack sont propriétaires. Testez la difficulté réelle de déplacer modèles, données, environnements d'outils et monitoring entre fournisseurs.

Le prochain gagnant de l'infrastructure IA n'aura peut-être pas la meilleure puce individuelle.

Il aura peut-être la meilleure machine autour des puces qu'il peut réellement obtenir.

Même la couche des outils est en jeu

Le goulet d'étranglement descend encore.

D'abord, l'objet rare était le GPU.

Puis le cluster.

Puis l'énergie.

Maintenant, même les équipements de fabrication des puces entrent dans l'histoire de l'investissement IA.

Le Wall Street Journal a rapporté aujourd'hui que Situational Awareness, le fonds IA de Leopold Aschenbrenner, a mis 500 millions de dollars dans Source Foundry, une startup stealth qui travaille sur des équipements de fabrication de semi-conducteurs pouvant concurrencer la position d'ASML dans la lithographie avancée. Il faut traiter cela comme du reporting et comme quelque chose de très tôt. Une startup hardware stealth avec une énorme valorisation ne prouve pas qu'un goulet d'étranglement est résolu.

Mais la direction est parlante.

L'argent IA ne poursuit plus seulement les labs modèles et les clouds GPU.

Il poursuit les machines qui fabriquent les machines qui font tourner les modèles.

C'est la récursion qu'on ne met pas sur la page produit.

Ce que les builders doivent retenir

Pour les builders, la leçon n'est pas :

"Passionnez-vous pour la lithographie."

Pas sauf si vous avez prévu un week-end très particulier.

La leçon, c'est que les vendeurs de modèles deviennent des vendeurs d'infrastructure dans un sens beaucoup plus profond.

Quand vous choisissez un modèle, vous choisissez aussi une roadmap de :

• stabilité des prix
• limites d'usage
• disponibilité régionale
• latence
• agents de longue durée
• partenaires data center
• exposition juridictionnelle
• capacité de repli
• et capacité du fournisseur à continuer de servir le modèle quand la demande explose

Cela ne veut pas dire que chaque développeur doit self-hoster.

Cela veut dire que la portabilité compte.

Gardez des evals entre fournisseurs. Gardez vos prompts et contrats d'outils raisonnablement portables. Sachez quels workflows peuvent se dégrader vers un modèle moins cher. Regardez si l'histoire de "meilleur modèle" de votre fournisseur est en réalité une histoire de meilleure puce et de meilleure capacité. Demandez-vous si une capacité spectaculaire existera encore à l'échelle, au prix dont vous avez besoin, dans le pays où vivent vos clients.

Le modèle n'est plus seulement une API.

C'est une supply chain avec une interface de chat.

Le fond

La course IA descend dans la stack.

Les modèles comptent encore. Le talent compte encore. La distribution produit compte encore.

Mais les prochains avantages durables peuvent venir d'endroits moins cinématographiques : architecture d'inférence, systèmes mémoire, réseau, accès à l'énergie, design de puces, équipements de fabrication, structures de financement, et capacité à transformer tout cela en un produit que les utilisateurs peuvent se permettre de laisser tourner.

Le lab frontier des prochaines années ne demandera pas seulement :

"Pouvons-nous entraîner le modèle le plus intelligent ?"

Il demandera :

"Pouvons-nous construire la machine qui rend le modèle le plus intelligent utilisable ?"

C'est une autre course.

Et elle est beaucoup plus difficile à montrer dans une keynote.