Anthropic révolutionne l’IA avec sa propre équipe de conception de puces
Dans la course à la suprématie de l’intelligence artificielle, les grands laboratoires ne se contentent plus d’acheter des composants sur étagère. Ils conçoivent désormais leurs propres circuits pour optimiser les performances de leurs modèles. Anthropic vient de franchir ce cap stratégique.
Une équipe dédiée pour des puces sur mesure
Le mercredi 5 août 2026, Anthropic a officialisé la création d’une équipe interne chargée de développer ses propres processeurs pour Claude. L’objectif affiché : concevoir simultanément le matériel et les modèles pour que Claude fonctionne plus rapidement et plus efficacement « à l’échelle dont [ses] clients ont besoin ».
L’information, révélée initialement par Business Insider, a été confirmée à TechCrunch. Cette initiative s’inscrit dans une tendance de fond où les acteurs majeurs de l’IA cherchent à maîtriser toute la chaîne de valeur, du logiciel au silicium.
Des recrutements stratégiques à des salaires mirobolants
Pour constituer sa « custom silicon team », Anthropic recherche des profils couvrant l’ensemble de la conception, du design front-end jusqu’au packaging. La rémunération proposée oscille entre 320 000 et 485 000 dollars annuels.
Le laboratoire précise ses attentes : « C’est un poste pour quelqu’un qui a déjà livré du silicium (des puces de silicium, ndlr), qui entretient un rapport réaliste aux calendriers et qui est à l’aise pour trancher sans une grande organisation derrière lui ».
En juin dernier, Anthropic a notamment recruté Clive Chan, un des premiers membres de l’équipe puce d’OpenAI, signalant clairement ses ambitions dans ce domaine.
Un projet encore à ses débuts
Selon The Information, le projet reste embryonnaire. Anthropic cherche encore à définir précisément les fonctions de sa puce et son intégration dans l’architecture serveur. Le laboratoire explore plusieurs pistes, notamment le procédé 2 nanomètres de Samsung.
Des discussions sont également en cours avec Microsoft et la jeune pousse britannique Fractile. Cette phase exploratoire témoigne de la complexité technique et stratégique d’un tel projet.
Une approche multi-partenaires maintenue
À court terme, Anthropic maintient son « approche multi-puces » où le matériel fourni par AWS, Google, Nvidia et AMD demeure central. Concevoir ses propres circuits ne signifie pas rompre avec les acteurs établis.
Hock Tan, président et directeur général de Broadcom, a d’ailleurs précisé : « Le deal que nous avons fait avec Anthropic, c’est que nous utilisons nos puces TPU que nous développons pour fournir la capacité de calcul à Anthropic ». Cette déclaration fait référence aux 3,5 gigawatts de capacité TPU signés en avril avec Google et Broadcom.
Des investissements massifs déjà engagés
Le 22 juillet, AMD s’est engagé à fournir 2 gigawatts de GPU Instinct MI450 à Anthropic. Cet accord pourrait représenter un investissement atteignant 5 milliards de dollars.
Ces montants colossaux illustrent les besoins exponentiels en puissance de calcul des modèles de langage de nouvelle génération.
Une tendance généralisée dans l’industrie
Anthropic n’est pas seul dans cette démarche. Les grands laboratoires d’IA se lancent massivement dans la conception de processeurs spécialisés, sans toutefois s’affranchir complètement des fournisseurs dominants.
OpenAI et son processeur Jalapeño
Le 24 juin, OpenAI a dévoilé Jalapeño, un processeur conçu avec Broadcom et taillé exclusivement pour l’inférence. Richard Ho, responsable du programme matériel d’OpenAI, a expliqué : « Jalapeño a été conçu de zéro pour l’inférence de LLM, à partir d’informations détaillées issues de notre collaboration étroite avec les chercheurs d’OpenAI ».
Jalapeño servira d’abord les produits internes d’OpenAI. Selon Jérôme Marin : « Le fait de développer sa propre puce ne veut pas dire concurrencer Nvidia. Les puces Nvidia sont indispensables pour l’entraînement. Mais OpenAI, avec Broadcom, veut concevoir des puces dédiées à certains besoins, comme l’inférence ».
Pourquoi cette course aux puces spécialisées ?
La charge de calcul a fondamentalement changé de nature. Faire répondre un modèle, opération appelée inférence, constitue un travail répétitif et prévisible qui se fige plus facilement dans un circuit dédié que l’entraînement initial.
L’entraînement reste une opération lourde et ponctuelle, nécessitant une puissance brute considérable. L’inférence, elle, se répète à chaque requête et son coût cumulé grimpe proportionnellement à l’adoption.
GPU contre ASIC : deux philosophies
Les GPU (Graphics Processing Unit) de Nvidia restent des puces généralistes, capables de gérer entraînement et inférence. Cette polyvalence explique la position dominante du géant américain.
Les ASIC (Application-Specific Integrated Circuit) sont des circuits conçus pour une tâche unique. Ils perdent en polyvalence ce qu’ils gagnent en performance par watt, un paramètre crucial à grande échelle.
Nvidia contre-attaque
Face à cette vague de puces spécialisées, Nvidia n’est pas resté inactif. Fin décembre, le groupe a déboursé 20 milliards de dollars pour acquérir la propriété intellectuelle de Groq et recruter ses ingénieurs.
L’architecture à très faible latence de Groq est devenue le LPU Groq 3, attendu au troisième trimestre. Publiquement, Nvidia défend la supériorité de ses GPU : « NVIDIA offre plus de performance, de polyvalence et de fongibilité que les ASIC, conçus pour des frameworks ou des fonctions spécifiques », a écrit son compte X newsroom en novembre.
La stratégie porte ses fruits : la part de marché de Nvidia a progressé pour atteindre 74 %, selon les estimations de The Information.
Une chaîne d’approvisionnement sous tension
Broadcom co-conçoit désormais les accélérateurs de six grands clients, dont Google, Meta, OpenAI et Anthropic. Hock Tan a souligné la complexité logistique : « Il ne s’agit pas seulement de demander des wafers, d’obtenir les puces ou la mémoire, de s’assurer que les HBM sont disponibles ou que la DRAM est disponible. Il faut aussi pouvoir disposer de l’électricité nécessaire ».
La bataille de la mémoire haute performance
Trois fabricants seulement produisent de la HBM (High Bandwidth Memory) : SK hynix, Samsung et Micron. Tous trois sont entrés au capital d’Anthropic en mai, illustrant l’importance stratégique de cette technologie.
Ces acteurs ont réorienté leurs capacités vers les serveurs d’IA, plus rentables que la DRAM classique. Sur le seul premier trimestre 2026, les prix contractuels de la DRAM ont bondi de 93 à 98 % selon TrendForce.
TrendForce anticipe encore une hausse de 13 à 18 % sur la DRAM serveur au troisième trimestre.
TSMC et Samsung dans la course au packaging
L’assemblage des piles de mémoire avec le calculateur, appelé packaging avancé, reste largement une spécialité de TSMC. La demande d’accélérateurs a saturé les lignes du fondeur taïwanais.
Samsung a trouvé une ouverture pour démarcher de nouveaux clients grâce à cette saturation. Nvidia a d’ailleurs verrouillé son propre approvisionnement en mémoire auprès de SK hynix, dans un partenariat chiffré à plus de 500 milliards de dollars.
Le marché peut-il absorber cette offre ?
Une question monte depuis l’été sur la capacité du marché à absorber tous les gigawatts commandés. Le 28 juillet à Séoul, la cotation du Kospi a été suspendue avant de clôturer en repli de 10,8 %.
Samsung Electronics et SK hynix ont cédé plus de 13 % chacun, reflétant les inquiétudes des investisseurs.
Entre prudence et optimisme
Charlie Dai, VP principal analyst chez Forrester, tempère : « Les investisseurs réévaluent si les revenus à court terme peuvent justifier des niveaux de dépenses en IA sans précédent ». Il y voit une révision des attentes plutôt qu’un affaiblissement de la demande.
La direction de SK hynix a écarté le scénario du surinvestissement et annoncé un budget d’investissement record de 31 milliards de dollars pour l’année, signalant sa confiance dans la croissance continue du secteur.
L’accessibilité des nouvelles puces
Les accélérateurs maison (TPU, Trainium, Jalapeño) ne se louent pas à l’unité mais passent par des plateformes spécifiques comme Google Cloud, AWS ou OpenAI. Cette intégration verticale crée de nouveaux écosystèmes fermés dans l’infrastructure IA.
Laisser un commentaire