OpenAI veut sa propre puce : la fin du monopole Nvidia ?

Nvidia encaisse 70 % du marché des puces d'IA. Mais pour combien de temps encore ?

Pendant des années, construire une application d'intelligence artificielle signifiait une seule chose : passer par Nvidia. Ses GPU H100 s'arrachaient à 30 000 dollars pièce, avec des délais d'attente de plusieurs mois. OpenAI, Google, Meta — tous dépendaient du même fournisseur. Aujourd'hui, ces mêmes géants investissent des milliards pour s'en affranchir. Et ce qui ressemblait à un luxe stratégique devient une nécessité économique urgente.

Pourquoi la dépendance à Nvidia est devenue insupportable

Le problème n'est pas la qualité des puces Nvidia — elles restent les plus performantes du marché. Le problème, c'est le prix, la disponibilité et le contrôle. Quand une seule entreprise décide qui obtient quoi et à quel tarif, les acteurs de l'IA se retrouvent dans une position précaire : leur capacité à innover dépend d'un tiers.

En 2023, OpenAI a dépensé près de 700 millions de dollars en infrastructure cloud, dont une part massive dédiée aux puces Nvidia. Microsoft, son partenaire principal, a lui-même investi des milliards pour sécuriser des clusters de GPU. Ce modèle économique n'est tout simplement pas soutenable à long terme pour des entreprises qui ambitionne de déployer des modèles toujours plus grands.

Il y a aussi une question de souveraineté technologique. Dépendre d'un fournisseur unique pour la ressource la plus critique de votre infrastructure, c'est accepter une vulnérabilité structurelle. Les sanctions américaines contre les exportations de puces vers la Chine ont montré à quel point ce levier pouvait être puissant — et dangereux.

La stratégie "maison" : chaque géant forge sa propre arme

OpenAI mise sur un partenariat avec TSMC

En 2024, OpenAI a officialisé son ambition de concevoir ses propres puces d'IA, en s'appuyant sur le fondeur taïwanais TSMC pour la fabrication. Le projet, baptisé en interne "Tigris", vise à créer une puce optimisée spécifiquement pour l'inférence — c'est-à-dire la phase où un modèle comme ChatGPT génère ses réponses. L'objectif n'est pas de battre Nvidia sur tous les fronts, mais de réduire drastiquement le coût par requête.

Google a une longueur d'avance avec ses TPU

Google n'a pas attendu la fièvre actuelle. Ses TPU (Tensor Processing Units) existent depuis 2016 et propulsent aujourd'hui Gemini, son modèle phare. La sixième génération, les TPU v6 Trillium, offre des performances deux fois supérieures à la génération précédente. Google loue même ces puces via Google Cloud à des entreprises externes — une façon de monétiser son avance technologique tout en finançant la prochaine génération.

Amazon et Meta sur le même chemin

Amazon a lancé ses puces Trainium (pour l'entraînement) et Inferentia (pour l'inférence) au sein d'AWS. Meta, de son côté, développe ses MTIA (Meta Training and Inference Accelerators) pour alimenter ses systèmes de recommandation et ses modèles Llama. Apple, enfin, intègre ses puces Neural Engine directement dans ses iPhone et Mac — une approche plus discrète mais tout aussi stratégique.

Ce que cette course change concrètement

Pour les entreprises utilisatrices d'IA, cette diversification est une très bonne nouvelle. La compétition entre fournisseurs de puces signifie :

• Des prix qui baissent : quand plusieurs acteurs proposent des alternatives crédibles, Nvidia ne peut plus fixer ses tarifs librement.
• Une meilleure disponibilité : la pénurie de GPU de 2023 ne se reproduira pas si chaque grand cloud provider dispose de sa propre capacité.
• Des puces spécialisées plus efficaces : une puce conçue pour un usage précis consomme moins d'énergie et coûte moins cher à l'exploitation qu'un GPU généraliste.

Pour les développeurs et les startups, cela ouvre aussi de nouvelles options. Aujourd'hui, entraîner un modèle sur AWS Trainium ou sur Google TPU peut coûter 30 à 40 % moins cher qu'une configuration Nvidia équivalente, selon les cas d'usage.

Nvidia est-elle vraiment menacée ?

Soyons précis : Nvidia ne va pas disparaître. Son écosystème logiciel CUDA reste une barrière à l'entrée colossale. Des années de code, de bibliothèques et d'optimisations ont été construites autour de cette plateforme. Migrer vers une autre architecture demande du temps, des ressources et une volonté politique forte.

Mais l'ère du monopole de facto touche à sa fin. Nvidia passera de l'acteur incontournable à l'acteur dominant parmi d'autres. C'est déjà une transformation majeure pour un secteur qui pèse des centaines de milliards de dollars.

Ce que ça nous dit sur l'avenir de l'IA

La course aux puces maison n'est pas qu'une bataille industrielle. Elle révèle une vérité plus profonde : l'IA est désormais une infrastructure critique, au même titre que les réseaux électriques ou les câbles sous-marins. Aucune entreprise sérieuse ne peut se permettre de la sous-traiter entièrement à un tiers.

Dans les deux prochaines années, attendez-vous à voir les coûts d'utilisation des grands modèles continuer à chuter, les performances s'améliorer, et de nouveaux entrants — comme des États ou des consortiums européens — tenter de rejoindre la course. La puce, c'est le nouveau pétrole. Et tout le monde veut sa propre raffinerie.

— Reservoir Live