AMD et Broadcom font pression sur Nvidia, mais l’histoire des puces IA à 100 milliards de dollars doit être corrigée

AMD et Broadcom accentuent la pression sur Nvidia par deux stratégies distinctes, mais Broadcom n’a pas annoncé de plan de financement de 100 milliards de dollars. Ce chiffre renvoie aux ventes annuelles prévues de puces IA de Broadcom, tandis qu’un accord distinct d’AMD serait susceptible d’atteindre une valeur proche de 100 milliards de dollars.

Cette distinction est importante, car ces accords s’attaquent à différentes composantes de la position de Nvidia. AMD veut que Meta et d’autres acheteurs adoptent ses GPU Instinct programmables comme alternatives aux systèmes Nvidia. Broadcom aide les plus grandes entreprises d’IA à concevoir des accélérateurs personnalisés adaptés à leurs propres modèles et centres de données.

Aucune de ces deux voies n’a évincé la plateforme généraliste de Nvidia. Nvidia associe toujours accélérateurs, réseau, systèmes et logiciels matures dans une offre que les clients peuvent déployer pour de nombreuses charges de travail. La nouvelle pression vient d’acheteurs qui estiment que certaines charges de travail justifient un deuxième fournisseur ou une puce conçue sur mesure.

Le titre à 100 milliards de dollars mélange deux histoires différentes

Le chiffre rapporté de 100 milliards de dollars est réel, mais il ne décrit pas une levée de fonds ni un financement fourni par Broadcom pour un programme de puces IA.

Broadcom a déclaré en mars 2026 qu’il prévoyait que ses ventes annuelles de puces IA dépasseraient 100 milliards de dollars au cours de l’exercice 2027. Cette prévision reflète les revenus attendus des accélérateurs personnalisés et des produits de réseau pour l’IA, et non une facilité de financement.

Les perspectives de l’entreprise ont suivi l’accélération de la demande des clients hyperscale, c’est-à-dire des entreprises cloud et technologiques exploitant de très grandes flottes informatiques. Selon une projection de revenus, Broadcom s’attend à ce que la demande de puces personnalisées fasse dépasser ce seuil à son activité IA.

Les derniers chiffres publiés par Broadcom montrent pourquoi les investisseurs prennent cette prévision au sérieux. Ses revenus issus des semi-conducteurs IA au deuxième trimestre de l’exercice 2026 ont atteint 10,8 milliards de dollars, en hausse de 143 % par rapport à la même période un an plus tôt. La direction a attribué cette croissance aux accélérateurs IA personnalisés et aux produits de réseau dans ses résultats trimestriels.

L’autre histoire à 100 milliards de dollars concerne AMD et Meta. Ils ont annoncé un accord pluriannuel portant sur jusqu’à 6 gigawatts de déploiements de GPU AMD Instinct. Associated Press a rapporté que les achats dans le cadre de cet accord pourraient atteindre 100 milliards de dollars sur sa durée de vie.

Le dépôt réglementaire d’AMD n’attribue pas cette valeur exacte en dollars à l’accord. Il confirme l’objectif de déploiement, la feuille de route produits, la structure des warrants et le calendrier prévu. Le premier gigawatt devrait commencer à être expédié au second semestre 2026.

Dans le cadre de l’accord GPU avec Meta, le déploiement initial utilisera un GPU Instinct personnalisé fondé sur l’architecture MI450 d’AMD. Il fonctionnera avec des processeurs EPYC de sixième génération et le logiciel ROCm d’AMD, sur la conception de baie Helios de l’entreprise.

AMD a également accordé à Meta un warrant lié aux performances couvrant jusqu’à 160 millions d’actions AMD. L’acquisition dépend des volumes d’expédition, des jalons techniques, des conditions commerciales et de seuils liés au cours de l’action AMD.

Cette structure donne à Meta une incitation financière à aider AMD à atteindre une échelle de déploiement significative. Elle réduit également le risque qu’un engagement très médiatisé reste déconnecté des livraisons effectives de produits.

La prévision de Broadcom et l’accord d’AMD avec Meta décrivent donc des événements économiques différents. L’une est la prévision de revenus annuels IA d’un fournisseur. L’autre est un engagement client à long terme incluant des achats de matériel et des capitaux liés aux performances.

Les combiner produit un titre spectaculaire, mais masque le mécanisme concurrentiel. Broadcom ne finance pas une attaque contre Nvidia. Broadcom et AMD aident de grands clients à réduire leur dépendance à une plateforme informatique unique grâce à différents types de silicium.

Pourquoi les stratégies d’AMD et Broadcom mettent Nvidia sous pression

AMD se dispute les déploiements d’accélérateurs largement programmables, tandis que Broadcom transforme certaines charges de travail de clients en silicium personnalisé.

Une unité de traitement graphique, ou GPU, est un processeur parallèle programmable adapté à l’entraînement et à l’inférence de nombreux types de modèles d’IA. Nvidia a construit son avance en associant ces processeurs à son environnement logiciel CUDA, à un réseau haute vitesse et à des systèmes serveur complets.

AMD conteste ce modèle avec sa famille de GPU Instinct, le logiciel ROCm, les processeurs EPYC et les systèmes à l’échelle de baies Helios. L’entreprise veut que les clients considèrent ses produits comme une seconde plateforme déployable, plutôt que comme des puces isolées.

L’accord avec Meta offre un test exigeant. Les premiers systèmes utiliseront un accélérateur basé sur MI450 optimisé pour les charges de travail de Meta, tout en restant intégrés à l’architecture programmable plus large d’AMD. Meta peut influencer le produit tout en conservant davantage de flexibilité qu’un design à usage unique ne le permet habituellement.

Broadcom emprunte une voie différente. L’entreprise travaille avec un petit nombre de grands clients pour mettre en œuvre des circuits intégrés spécifiques à une application, communément appelés ASIC. Un ASIC est conçu pour un ensemble de tâches plus restreint qu’un GPU généraliste.

Cette spécialisation peut supprimer des fonctions matérielles dont un client n’a pas besoin. Elle peut également optimiser les mouvements de mémoire, les formats numériques, le réseau et la consommation électrique autour de charges de travail prévisibles. Le bénéfice potentiel augmente lorsqu’une entreprise exploite suffisamment de serveurs pour répartir les coûts de conception sur un déploiement massif.

Broadcom fournit également des commutateurs Ethernet, des composants optiques, des technologies d’interconnexion et d’autres produits de réseau. Ce portefeuille lui permet de participer à une plus grande partie d’un cluster personnalisé qu’au seul accélérateur.

OpenAI illustre cette stratégie. En octobre 2025, OpenAI et Broadcom ont annoncé des projets portant sur 10 gigawatts d’accélérateurs conçus par OpenAI et de systèmes réseau associés. Les déploiements devaient commencer au second semestre 2026 et se poursuivre jusqu’en 2029.

Dans le cadre du plan d’accélérateurs personnalisés, OpenAI possède l’architecture tandis que Broadcom soutient le développement, la mise en œuvre, la connectivité et le déploiement. Les systèmes utilisent la technologie Ethernet de Broadcom pour les communications au sein des baies informatiques et entre elles.

Cette répartition des rôles modifie la relation de Broadcom avec Nvidia. Broadcom n’a pas besoin de créer une plateforme GPU universelle ni de convaincre des milliers de développeurs d’adopter un nouvel environnement de programmation.

Broadcom aide plutôt quelques clients gigantesques à internaliser une partie du processus de conception des puces. Chaque conception réussie peut détourner une charge de travail substantielle et répétable des GPU vendus sur le marché.

AMD a besoin d’une adoption logicielle plus large, car les clients programment ses GPU pour de nombreuses applications. Broadcom a besoin de relations étroites avec des acheteurs dont les charges de travail sont suffisamment stables et importantes pour justifier un développement personnalisé.

Les deux stratégies peuvent coexister dans un même centre de données. Un client pourrait utiliser des systèmes Nvidia pour la recherche sur de nouveaux modèles, des GPU AMD pour certaines flottes de production et des ASIC soutenus par Broadcom pour des charges de travail d’inférence matures.

C’est pourquoi l’histoire AMD-Broadcom est plus importante qu’une compétition classique entre fournisseurs. Nvidia ne fait pas face à un seul substitut. L’entreprise fait face à des clients qui répartissent de plus en plus leurs achats informatiques entre plateformes généralistes, alternatives et personnalisées.

L’avantage de Nvidia est une plateforme, pas seulement une puce plus rapide

Les concurrents doivent rivaliser avec l’environnement opérationnel complet de Nvidia, et non simplement égaler un benchmark ou décrocher une importante commande.

La position de Nvidia repose sur plusieurs couches interconnectées. Ses GPU exécutent les calculs, NVLink relie les processeurs au sein des systèmes, les produits réseau relient les systèmes entre les clusters, et CUDA fournit aux développeurs des outils pour créer et exploiter des logiciels.

Cette intégration réduit le risque de déploiement. Une organisation peut commencer avec une charge de travail, modifier l’architecture de son modèle et réutiliser une grande partie des mêmes connaissances en développement et en opérations.

Le silicium personnalisé implique un compromis différent. Il peut améliorer l’efficacité pour une cible stable, mais ses avantages peuvent se réduire lorsque les modèles, formats numériques, besoins en mémoire ou modes d’inférence évoluent.

Les clients de Broadcom supportent une grande part de ce risque architectural, car ils définissent leurs accélérateurs. Broadcom peut réaliser le plan de silicium et de réseau, mais le client doit décider quels comportements de modèle méritent une prise en charge matérielle permanente.

AMD offre davantage de flexibilité parce qu’Instinct demeure une plateforme GPU programmable. Toutefois, les clients doivent encore valider les bibliothèques ROCm, les outils d’orchestration, la compatibilité des modèles, le comportement du réseau et la fiabilité opérationnelle à grande échelle.

Meta possède de l’expérience dans ce travail. AMD indique que Meta utilise déjà des accélérateurs MI300 et MI350, tandis que des millions de processeurs EPYC fonctionnent dans l’infrastructure de Meta. Le nouvel accord étend une relation existante plutôt que de commencer avec un acheteur non éprouvé.

Malgré cela, un cadre de 6 gigawatts n’équivaut pas à 6 gigawatts déjà installés. Le déploiement initial d’un gigawatt demeure le premier jalon majeur d’exécution. Les tranches ultérieures de warrants dépendent en partie d’expéditions supplémentaires.

Pendant ce temps, Nvidia continue d’étendre ses propres systèmes et engagements clients. L’entreprise a déclaré des revenus de centres de données de 193,7 milliards de dollars pour l’exercice 2026, soit une hausse de 68 % par rapport à l’année précédente.

Ses résultats pour l’exercice 2026 décrivaient également un partenariat pluriannuel avec Meta impliquant d’importants déploiements de CPU Nvidia, de produits réseau et de millions de GPU Blackwell et Rubin.

L’accord de Meta avec AMD ne représente donc pas un abandon massif de Nvidia. Il représente une diversification au sein d’une expansion des centres de données suffisamment vaste pour prendre en charge plusieurs architectures.

Cette distinction influence la manière dont la concurrence de marché doit être mesurée. Gagner le rôle d’un nouveau fournisseur ne signifie pas automatiquement retirer à Nvidia un volume équivalent d’activité existante.

Certaines puces alternatives remplaceront des systèmes Nvidia. D’autres prendront en charge de nouvelles charges de travail qu’un client ne pouvait auparavant servir de manière économique. D’autres encore donneront aux acheteurs un levier lors des négociations sur l’approvisionnement, les feuilles de route et les configurations de systèmes.

Nvidia répond également au silicium personnalisé par des cycles de produits plus rapides et des produits spécifiques aux charges de travail. Sa plateforme Rubin vise à réduire les coûts d’inférence, tandis que son portefeuille réseau lui permet de concurrencer les dépenses d’infrastructure même lorsque l’architecture de calcul évolue.

L’échelle de l’entreprise lui procure un autre avantage. Un plus grand nombre de systèmes installés crée davantage d’expérience chez les développeurs, d’optimisation logicielle, de connaissances en dépannage et d’intégrations tierces. Ces bénéfices renforcent la confiance des clients.

La concurrence d’AMD et Broadcom affaiblit l’hypothèse selon laquelle chaque nouvelle charge de travail IA doit fonctionner sur Nvidia. Elle n’efface pas la valeur pratique de la base installée de Nvidia.

La véritable compétition porte sur l’économie de l’inférence

Les puces personnalisées de Broadcom deviennent particulièrement convaincantes lorsqu’un client peut prévoir une charge de travail, tandis qu’AMD bénéficie aux acheteurs qui ont besoin de flexibilité sans accepter une dépendance à Nvidia.

L’entraînement crée un modèle en traitant de vastes jeux de données et en ajustant les paramètres du modèle. L’inférence utilise le modèle entraîné pour répondre à des requêtes, générer du contenu, classer des informations ou faire fonctionner une fonctionnalité d’IA.

Les charges d’entraînement évoluent à mesure que les chercheurs testent de nouvelles architectures et méthodes de mise à l’échelle. Cette incertitude favorise le matériel programmable et les logiciels matures, car les ingénieurs ne peuvent pas prédire parfaitement les futurs besoins de calcul.

L’inférence peut devenir plus standardisée après le passage d’un modèle en production. Une entreprise peut traiter des milliards de requêtes similaires, ce qui rend économiquement importantes de petites améliorations de la consommation électrique et de l’utilisation des équipements.

La stratégie d’accélérateurs sur mesure de Broadcom cible cette répétition. Un hyperscaler peut supprimer les fonctionnalités généralistes inutiles et adapter le matériel à ses modèles, à ses schémas mémoire et à la conception de son réseau.

La collaboration entre OpenAI et Broadcom montre à quel point le développeur de modèles et le fournisseur de silicium peuvent travailler étroitement. OpenAI conçoit l’accélérateur et l’architecture système à partir de sa connaissance de ses modèles. Broadcom traduit ce plan en silicium, racks et connectivité déployables.

Cette approche ne garantit pas une baisse des coûts totaux. Concevoir une puce avancée exige de l’ingénierie, des capacités de fabrication, du packaging, de la mémoire, des logiciels, de la validation et un support continu.

Une conception peut également arriver après l’évolution de la charge de travail ciblée. Les longs cycles de développement créent le risque que les décisions d’optimisation deviennent obsolètes avant un déploiement à grande échelle.

Les clients de Broadcom sont exceptionnellement capables d’assumer ce risque. Des entreprises comme OpenAI et les grands opérateurs cloud contrôlent des charges de travail majeures et peuvent engager des infrastructures à l’échelle du gigawatt.

AMD occupe une position intermédiaire. Ses GPU restent programmables, mais les grands clients peuvent influencer des versions spécifiques de produits et des configurations de racks.

Le premier déploiement de Meta basé sur MI450 sera personnalisé pour ses charges de travail. AMD et Meta alignent également leurs feuilles de route GPU, CPU, systèmes et logiciels sur plusieurs générations de produits.

Il s’agit de bien plus qu’un achat d’équipement standard. Cela permet à Meta de façonner une plateforme alternative sans assumer l’entière responsabilité d’un ASIC sur mesure.

Le défi d’AMD consiste à transformer ce type de collaboration en plateforme reproductible. Les logiciels développés pour un hyperscaler doivent encore contribuer à de meilleurs outils et à une fiabilité accrue pour les autres acheteurs.

ROCm s’est amélioré, mais l’adoption ne peut pas être évaluée à partir des seules annonces matérielles. Les clients ont besoin de bibliothèques stables, de la prise en charge des modèles, de supervision, de reprise après incident et d’ingénieurs capables d’exploiter de grandes installations.

Broadcom fait face au problème inverse de montée en charge. Son activité peut croître rapidement grâce à quelques contrats, mais chaque client attend une personnalisation substantielle. L’entreprise doit gérer les calendriers de conception, le packaging avancé, l’allocation de fabrication et les exigences réseau de plusieurs programmes.

Les deux entreprises bénéficient de la hausse de la demande d’inférence. À mesure que les fonctionnalités d’IA atteignent davantage d’utilisateurs, les acheteurs se préoccupent moins des meilleurs résultats de benchmark que du travail utile délivré pour chaque unité d’énergie et d’infrastructure.

Cette évolution ne rend pas l’entraînement sans importance. Les développeurs de modèles de pointe ont toujours besoin de clusters flexibles et très performants pour leurs expérimentations. Nvidia reste particulièrement solide lorsque les clients souhaitent une plateforme généraliste couvrant la recherche et la production.

La pression apparaît lorsque les charges de travail matures deviennent assez importantes pour être séparées. Une entreprise peut conserver les tâches de recherche incertaines sur Nvidia tout en transférant des services d’inférence prévisibles vers AMD ou des accélérateurs sur mesure.

Ce découplage progressif représente une menace plus crédible qu’un remplacement soudain. Il modifie l’hypothèse d’achat par défaut, une charge de travail à la fois.

Ce que les grands engagements ne prouvent toujours pas

Les prévisions de revenus, les accords en gigawatts et les bons de souscription d’actions démontrent une intention stratégique, mais les déploiements détermineront s’ils modifient le pouvoir de marché.

Les prévisions de Broadcom supposent que les clients achèvent dans les délais de grands programmes sur mesure. L’entreprise doit transformer les engagements de conception en accélérateurs fabriqués, systèmes réseau et revenus comptabilisés.

Ce processus dépend de fournisseurs externes. Les puces d’IA avancées nécessitent des procédés de fabrication de pointe, de la mémoire à haute bande passante, un packaging complexe, des substrats, des composants optiques et l’alimentation des centres de données.

Un retard à n’importe quel niveau peut décaler le calendrier de déploiement. La concentration des revenus importe également, car les plus grands programmes sur mesure proviennent d’un groupe limité de clients.

Les résultats de Broadcom au deuxième trimestre fiscal apportent des preuves de la demande actuelle. Toutefois, projeter plus de 100 milliards de dollars de ventes d’IA pour l’exercice 2027 exige encore une forte expansion par rapport aux niveaux trimestriels actuels.

Cette prévision constitue une indication de la direction, et non un revenu déjà réalisé. Les investisseurs devraient surveiller les ventes comptabilisées et le calendrier des expéditions plutôt que de considérer l’objectif final comme acquis.

L’accord d’AMD avec Meta comporte une incertitude similaire. Son plafond de 6 gigawatts décrit l’échelle potentielle du partenariat, tandis que le premier gigawatt constitue le test opérationnel à court terme.

Le bon de souscription fondé sur la performance renforce cette distinction. Meta ne bénéficie d’avantages économiques supplémentaires qu’à mesure que les conditions de déploiement, techniques, commerciales et de cours de l’action sont satisfaites.

Ce mécanisme aligne les incitations, mais n’élimine pas le risque d’exécution. AMD doit fournir des systèmes basés sur MI450, des processeurs EPYC, du réseau et des logiciels ROCm répondant aux exigences de Meta.

La valeur potentielle rapportée de l’accord ne doit pas non plus être considérée comme un revenu garanti. Les achats finaux dépendent de l’avancement du déploiement sur plusieurs années et générations de matériel.

Nvidia a des raisons de défendre agressivement sa position. L’entreprise peut réduire les coûts d’inférence grâce à de nouvelles architectures, proposer des réseaux intégrés, approfondir l’optimisation logicielle et utiliser son échelle de production pour accélérer les livraisons.

Les clients font également face à des coûts de changement. Les ingénieurs formés à CUDA ne deviennent pas instantanément aussi productifs sur une autre pile technologique. Les outils internes, les pipelines de déploiement et les optimisations de modèles peuvent lier les organisations à une plateforme établie.

Les puces sur mesure créent une autre forme de verrouillage. Un hyperscaler qui investit massivement auprès d’un partenaire de conception peut avoir du mal à transférer la même architecture ailleurs.

Broadcom peut devenir essentiel pour un client alors même que ce client réduit sa dépendance à Nvidia. La diversification des fournisseurs à un niveau peut donc créer une concentration à un autre.

Le paysage concurrentiel est également plus large que trois entreprises. Amazon développe les accélérateurs Trainium, Google exploite des Tensor Processing Units et Microsoft dispose de son programme Maia. Marvell participe au silicium sur mesure, tandis que plusieurs entreprises spécialisées dans les accélérateurs ciblent des charges de travail particulières.

Ces alternatives limitent la pertinence d’un récit simpliste opposant Nvidia à tous les autres. Les acheteurs construisent des flottes mixtes, et chaque architecture concourt pour une catégorie de travail.

Le défi posé par AMD et Broadcom est le plus fort là où les clients disposent d’échelle, de profondeur d’ingénierie et d’une demande prévisible. Les petites organisations peuvent continuer à préférer l’accès cloud aux systèmes Nvidia, car elles ne peuvent justifier le développement sur mesure ou la validation complexe d’une plateforme.

Cela signifie que le comportement d’achat des hyperscalers ne doit pas être généralisé à l’ensemble du marché. Une conception qui fonctionne pour Meta ou OpenAI ne deviendra pas nécessairement une alternative largement disponible pour les entreprises.

Trois signaux montreront si la pression est réelle

La prochaine phase dépendra des systèmes livrés, des revenus comptabilisés et de la migration des charges de travail, plutôt que des valeurs d’engagement annoncées.

Le premier signal est le déploiement initial d’AMD chez Meta. AMD prévoit que les expéditions soutenant le premier gigawatt commenceront au cours du second semestre 2026.

Les lecteurs devraient surveiller si Meta confirme une utilisation en production, quelles charges de travail migrent vers le système basé sur MI450 et si les déploiements progressent au-delà de la première étape du bon de souscription. Une montée en charge dans les délais renforcerait l’affirmation d’AMD selon laquelle l’entreprise peut opérer à l’échelle hyperscale.

Un retard, un périmètre de charge de travail limité ou une expansion lente affaibliraient cette conclusion concurrentielle. Cela suggérerait que les grands clients considèrent encore AMD principalement comme un levier de négociation ou une expérimentation secondaire.

Le deuxième signal est le chiffre d’affaires trimestriel de Broadcom dans les semi-conducteurs d’IA. L’entreprise doit combler l’écart entre ses actuels trimestres de plusieurs milliards de dollars et sa projection pour l’exercice 2027.

La croissance des revenus ne répondra pas seule à toutes les questions. Les investisseurs ont également besoin de preuves que plusieurs programmes d’accélérateurs sur mesure entrent en production, plutôt qu’un seul client ne génère l’essentiel de la hausse.

Une montée en production diversifiée validerait le modèle de Broadcom. Des prévisions manquées ou des retards de déploiement montreraient à quel point la stratégie reste exposée aux calendriers des clients et aux contraintes de fabrication.

Le troisième signal est la réponse de Nvidia en matière d’économie de l’inférence. Nvidia a promis des coûts par token plus bas grâce à des systèmes plus récents, notamment Rubin, tout en continuant à regrouper calcul et réseau.

Si Nvidia réduit assez rapidement les coûts de service, les clients pourraient tirer moins d’avantages économiques du matériel sur mesure. Les ASIC assistés par Broadcom serviraient encore l’indépendance stratégique, mais l’argument financier pourrait se réduire.

Si les systèmes AMD et les accélérateurs sur mesure conservent des avantages nets d’efficacité sur des charges de travail stables, les clients auront davantage de raisons de répartir les futurs déploiements. Nvidia pourrait continuer à croître tout en perdant son statut de choix automatique pour chaque cluster majeur.

Pour les développeurs et les acheteurs d’entreprise, l’implication immédiate n’est pas qu’un fournisseur a gagné. C’est que les décisions de déploiement exigent une analyse plus précise des charges de travail.

Les équipes devraient séparer l’entraînement expérimental, les services d’inférence en évolution et les charges de travail matures à fort volume. Chaque catégorie accorde une valeur différente à la programmabilité, à la maturité logicielle, à la personnalisation, à la consommation électrique et à la diversité des fournisseurs.

Elles devraient également conserver les preuves étayant leurs choix d’infrastructure. Une base de connaissances d’ingénierie consultable peut relier les résultats de benchmark, les constats de compatibilité, les rapports d’incidents et les engagements des fournisseurs à travers les cycles d’évaluation.

Le titre de 100 milliards de dollars illustre l’ampleur des dépenses d’infrastructure d’IA, mais il compresse deux évolutions distinctes en une seule affirmation. Broadcom a projeté plus de 100 milliards de dollars de ventes annuelles de puces d’IA, tandis qu’AMD a obtenu un accord-cadre avec Meta dont la valeur serait estimée jusqu’à ce montant.

La question la plus importante est de savoir si ces engagements produisent des systèmes fonctionnels prenant en charge des charges de travail de production significatives. Surveillez le premier gigawatt AMD de Meta, la conversion des revenus de Broadcom et la réponse de Nvidia sur les coûts d’inférence. Ces signaux révéleront si la pression exercée par AMD et Broadcom transforme le marché ou se contente de se développer à ses côtés.