La stratégie IA d’Applied Materials vise à doubler les ventes sans doubler les effectifs

Applied Materials prévoit de doubler son chiffre d’affaires au cours des prochaines années sans doubler ses effectifs, donnant un objectif mesurable à son recours à l’intelligence artificielle. La stratégie IA d’Applied Materials couvre le développement de produits, les opérations en usine, le contrôle qualité, les chaînes d’approvisionnement, les fonctions support et le service client.

Le PDG Gary Dickerson a présenté ce plan avant l’ouverture, le 12 octobre, du nouveau centre de recherche sur les semi-conducteurs de l’entreprise à Sunnyvale, en Californie. Applied employait environ 38 900 personnes fin juillet, mais Dickerson a refusé de fournir un objectif futur d’effectifs.

Cette affirmation est plus précise que la promesse habituelle selon laquelle l’IA rendra les employés plus productifs. Applied doit convertir le travail assisté par logiciel en davantage de livraisons d’équipements, des cycles de recherche plus rapides, de meilleurs rendements chez les clients et des marges plus élevées. Elle doit y parvenir alors que les fabricants de puces exigent des systèmes de production toujours plus complexes.

L’entreprise fait également face à une comparaison éclairante avec son propre passé récent. Applied a réduit ses effectifs d’environ 4 % en 2025, tout en recrutant plus de 1 500 personnes dans la production et le support client au cours de son troisième trimestre fiscal 2026. Sa stratégie ne consiste donc pas en un simple gel des embauches. Elle repose sur le pari que des recrutements ciblés et les gains de productivité liés à l’IA pourront soutenir des ventes bien plus importantes.

La stratégie IA d’Applied Materials transforme la productivité en objectif de chiffre d’affaires

Applied Materials a associé son programme d’IA à un résultat clair : le chiffre d’affaires doit progresser beaucoup plus vite que les effectifs.

Dickerson a déclaré à Bloomberg : « Alors que nous doublerons la taille de l’entreprise au cours des prochaines années, nous n’allons pas doubler les effectifs. » L’entreprise n’a pas fourni de date d’achèvement précise, de base de référence pour le chiffre d’affaires ni de plafond d’effectifs pour cet objectif.

Ces omissions comptent, mais elles ne rendent pas la déclaration vide de sens. Applied a déjà indiqué où elle s’attend à voir apparaître les gains de productivité.

L’entreprise utilise l’IA en recherche et développement pour analyser des données techniques, assister le travail d’ingénierie et raccourcir les calendriers de développement des produits. Dans les opérations, elle applique cette technologie à la planification des usines, aux chaînes d’approvisionnement et aux flux de travail qui exigeaient auparavant davantage de coordination manuelle.

L’IA soutient également le travail au sein des installations des clients. Les équipements d’Applied réalisent le dépôt, la gravure, l’inspection, la mesure et d’autres étapes nécessaires à la fabrication de puces avancées. De petites améliorations peuvent produire davantage de puces utilisables à partir de chaque wafer ou faire circuler plus de wafers dans une usine chaque jour.

C’est pourquoi le contrôle qualité revêt un poids financier inhabituel dans cette activité. Le rendement des semi-conducteurs correspond au pourcentage de puces utilisables produites à partir d’un wafer. Une amélioration du rendement peut générer des puces supplémentaires commercialisables sans obliger un client à construire une nouvelle usine de fabrication.

Dickerson a résumé directement cette valeur : « Davantage de bonnes puces représentent beaucoup d’argent pour nos clients. » Applied affirme que ses outils peuvent aider les clients à augmenter à la fois la production de bonnes puces et le débit quotidien de wafers.

La stratégie repose sur deux moteurs de revenus liés. Premièrement, la demande liée à l’IA encourage les fabricants de puces à acheter davantage d’équipements de production. Deuxièmement, Applied utilise l’IA en interne pour concevoir, fabriquer, installer et prendre en charge ces équipements plus efficacement.

Cette combinaison distingue le plan d’un programme classique d’automatisation des tâches de bureau. Applied vend des équipements au boom des infrastructures IA tout en utilisant des logiciels connexes pour modifier sa propre structure de coûts.

L’entreprise a déclaré un chiffre d’affaires de 9,1 milliards de dollars au troisième trimestre fiscal pour la période close le 26 juillet 2026. Ce résultat faisait suite à 7,9 milliards de dollars au trimestre précédent. Son document trimestriel documente également l’ampleur et la complexité de l’activité sous-jacente.

Doubler une entreprise à partir d’un tel niveau exigerait davantage qu’une réduction du travail administratif. Applied aurait besoin d’une demande durable en équipements, de capacités de production suffisantes, de nouveaux produits réussis et d’un accès continu à ses marchés les plus importants.

Le centre EPIC change la manière dont la recherche sur la fabrication de puces est menée

Le nouveau centre EPIC est le pendant physique de l’argumentaire d’Applied en faveur d’une productivité portée par les logiciels.

Applied a dévoilé l’installation à Sunnyvale le 12 octobre, en même temps que les commentaires de Dickerson sur le chiffre d’affaires et les effectifs. L’entreprise présente le centre EPIC comme un investissement en capital de 5 milliards de dollars.

EPIC signifie Equipment and Process Innovation and Commercialization. Selon Applied, le bâtiment de 600 000 pieds carrés comprend près de quatre acres d’espaces de salles blanches avancées. Sa construction a nécessité plus de six millions d’heures de travail.

La taille est importante, mais le modèle opérationnel compte davantage. Les fabricants de puces, fournisseurs d’équipements, entreprises de systèmes, chercheurs et ingénieurs d’Applied peuvent travailler sur des problèmes techniques interconnectés au sein d’une même installation.

TSMC, Intel, Samsung Electronics, Micron Technology et SK Hynix figurent parmi les partenaires clients fondateurs cités par Applied. La liste couvre la fabrication de circuits logiques avancés et de mémoires, deux domaines qui reçoivent des investissements substantiels en raison de l’informatique IA.

Broadcom, Advantest, Besi, Kioxia et SCREEN comptent parmi les autres participants du secteur. Stanford University, University of California at Berkeley et d’autres établissements universitaires ont également rejoint le programme.

Traditionnellement, un nouveau procédé de semi-conducteurs peut passer entre des laboratoires distincts de clients, de fournisseurs et d’universités. Chaque transfert introduit des délais de planification, des différences d’équipement, des frontières de données et une nouvelle phase de validation technique.

Applied veut que le centre EPIC réduise ces passages de relais. Les équipes peuvent développer des matériaux, procédés, dispositifs et équipements de production dans un environnement partagé avant qu’un client ne déploie le procédé à l’échelle commerciale.

Les outils d’IA peuvent renforcer ce modèle en identifiant des tendances dans les données d’expériences et d’équipements. Ils peuvent également aider les chercheurs à sélectionner des conditions de test prometteuses parmi un très grand nombre de combinaisons possibles de matériaux et de procédés.

Cependant, le bâtiment lui-même ne garantit pas des cycles de développement plus courts. Les partenaires doivent s’accorder sur l’accès aux données, la protection de la propriété intellectuelle, les priorités techniques et les responsabilités en cas d’expériences infructueuses.

L’installation représente aussi un engagement fixe considérable. Applied indique que les dépenses d’investissement progresseront vers le montant annoncé à mesure que les projets clients démarreront. Ce détail fait de la participation des partenaires et du débit des projets des mesures importantes des progrès accomplis.

EPIC est donc davantage qu’un campus de recherche cérémoniel. C’est là que la thèse d’Applied sur la productivité grâce à l’IA rencontrera les réalités opérationnelles du développement des semi-conducteurs.

Si les ingénieurs réalisent davantage d’expériences utiles en moins de temps, les clients pourront adopter plus tôt de nouveaux systèmes de production. Applied pourra alors transformer le travail de recherche en revenus d’équipements sans accroître chaque équipe au même rythme.

Le résultat inverse serait tout aussi visible. Une intégration lente des partenaires, un partage limité des données ou de longs calendriers de qualification affaibliraient l’affirmation selon laquelle les logiciels et la collaboration peuvent raccourcir le travail de développement.

La fabrication de semi-conducteurs pour l’IA dépend toujours de capacités physiques

L’IA peut améliorer les décisions et les flux de travail, mais elle ne peut pas éliminer le travail physique, les usines et les réseaux d’approvisionnement qui sous-tendent les équipements de fabrication de puces.

Applied construit certains des systèmes de production les plus complexes de l’industrie des semi-conducteurs. Ces machines intègrent des chambres de précision, de la robotique, des composants sous vide, des capteurs, des logiciels et des matériaux spécialisés. Elles doivent fonctionner de manière fiable dans les usines des clients du monde entier.

La croissance du chiffre d’affaires crée donc des obligations physiques. Applied doit se procurer des composants, assembler des systèmes, les tester, les expédier, les installer et les entretenir. Les équipes de support client travaillent souvent directement dans les usines de fabrication.

Cela explique pourquoi l’entreprise continue de recruter dans certains domaines. Au cours de son troisième trimestre fiscal, Applied a ajouté plus de 1 500 employés dans la production et le support client, selon ses commentaires sur les résultats.

Ces embauches ne contredisent pas les propos de Dickerson. Il a déclaré que les effectifs ne doubleraient pas avec le chiffre d’affaires, et non que l’emploi cesserait de progresser. La différence est essentielle.

Applied peut recruter des spécialistes là où la demande l’exige tout en utilisant l’IA pour ralentir la croissance des effectifs ailleurs. Les flux de travail des fonctions support, la planification de la chaîne d’approvisionnement, l’analyse d’ingénierie et les diagnostics de service offrent davantage de possibilités d’automatisation que l’installation sur site ou l’assemblage de matériel avancé.

L’entreprise avait précédemment indiqué que certaines opérations soutenues par l’IA avaient généré des gains de productivité atteignant environ 50 %. Ce chiffre décrit des gains dans certains sites ou fonctions, et non une amélioration vérifiée à l’échelle de l’entreprise.

Un résultat de productivité limité ne peut pas être extrapolé automatiquement à près de 39 000 employés. Les emplois diffèrent par la qualité des données, les exigences de sécurité, les processus d’approbation et la tolérance aux erreurs logicielles.

L’historique des effectifs d’Applied ajoute une autre complication. En octobre 2025, l’entreprise a annoncé une réduction touchant environ 4 % de ses salariés, soit quelque 1 400 postes. Cette réduction des effectifs a été présentée comme une mesure visant à simplifier les opérations et à améliorer la productivité.

Cette restructuration est intervenue alors que des règles d’exportation plus strictes pesaient sur les activités liées à la Chine. Applied s’attendait à ce que ces restrictions réduisent son chiffre d’affaires fiscal 2026, montrant que les décisions relatives aux effectifs reflètent l’accès aux marchés autant que l’automatisation.

Le plan actuel de croissance du chiffre d’affaires d’Applied Materials ne doit pas être considéré comme la preuve que l’IA a rendu l’expertise humaine inutile. Il renvoie plutôt vers une composition différente de la main-d’œuvre.

La coordination routinière peut représenter une part moindre du travail total. Les ingénieurs peuvent consacrer moins de temps à rechercher des dossiers techniques ou à examiner des résultats de tests répétitifs. Les équipes de chaîne d’approvisionnement peuvent identifier plus tôt les contraintes, tandis que les équipes de service peuvent prioriser plus précisément les problèmes d’équipement.

Dans le même temps, la demande peut augmenter pour les ingénieurs procédés, les spécialistes des données, les techniciens de terrain, les travailleurs de la production avancée et les employés capables de valider les recommandations générées par l’IA.

Cela crée un problème de gestion exigeant. Applied doit déterminer quelles tâches peuvent être confiées en toute sécurité à des logiciels, lesquelles exigent une approbation humaine et où des employés supplémentaires produisent encore le meilleur rendement.

L’objectif commercial de l’entreprise dépend d’une bonne répartition de ces ressources. Des embauches excessives affaibliraient le levier opérationnel promis. Des effectifs insuffisants pourraient retarder les livraisons d’équipements, les programmes de recherche ou le support client.

Le véritable enjeu est la croissance du chiffre d’affaires face à la croissance de l’organisation

Le défi central d’Applied consiste à prouver qu’une entreprise plus grande n’exige pas une organisation proportionnellement plus grande.

Les entreprises d’équipements pour semi-conducteurs ont historiquement grandi grâce à une combinaison d’investissements techniques, d’expansion de la production et d’emplois en contact avec les clients. Les produits complexes génèrent davantage de travail de support à mesure que la base installée augmente.

Applied veut que l’IA modifie cette relation. Ses commentaires sur les résultats indiquaient que plus de 35 000 employés utilisaient déjà l’IA dans ses effectifs mondiaux en mai 2026.

L’entreprise a cité la recherche scientifique, le développement de produits, les opérations de chaîne d’approvisionnement, le travail en usine, les services et l’automatisation d’entreprise parmi les applications. Cela suggère un accès étendu, bien que le nombre d’utilisateurs révèle peu de choses sur la profondeur d’utilisation ou l’impact financier.

Un employé qui résume occasionnellement un document ne compte pas de la même manière qu’une équipe d’ingénierie qui raccourcit un cycle de qualification produit. Applied devra disposer de mesures de résultats distinguant l’adoption de base du changement opérationnel.

La vitesse de développement des produits constitue une mesure possible. La logique avancée, la mémoire à large bande passante et le packaging complexe des puces exigent tous de nouvelles combinaisons de matériaux et d’équipements. Lancer plus tôt un produit qualifié peut avancer les revenus et renforcer la position concurrentielle d’Applied.

La productivité des services offre une autre mesure. Applied prend en charge un vaste parc d’équipements installés dans les usines de ses clients. Des diagnostics assistés par l’IA peuvent identifier les composants défaillants, prévoir les besoins de maintenance et réduire le temps que les ingénieurs consacrent à isoler les problèmes.

Les performances des usines et de la chaîne d’approvisionnement fournissent un troisième test. De meilleures prévisions peuvent réduire les pénuries, tandis que les systèmes de planification peuvent améliorer le flux des équipements à travers l’assemblage et les essais. Ces avantages devraient apparaître dans les délais de livraison, la performance des stocks et les marges.

Applied est en concurrence avec des entreprises telles que Lam Research, KLA, Tokyo Electron et ASML sur différentes parties de la production de semi-conducteurs. Aucun concurrent ne reproduit à lui seul l’ensemble de son portefeuille de produits.

Pourtant, chaque grand fournisseur d’équipements est confronté à la même pression générale. Les clients veulent des systèmes capables de traiter des puces plus complexes tout en améliorant le rendement, la consommation d’énergie, la fiabilité et la production des usines.

L’IA dans la fabrication de semi-conducteurs ne peut devenir un avantage concurrentiel que si elle modifie ces résultats mesurables. Un accès général à des chatbots ou à des assistants de programmation ne créera pas de différenciation durable, car les concurrents peuvent acheter des outils similaires.

L’avantage d’Applied, s’il parvient à en développer un, viendra de la combinaison de modèles avec une connaissance propriétaire des procédés et des données d’équipement. Des décennies d’expériences et de données de production peuvent fournir un contexte dont les systèmes généralistes ne disposent pas.

Cette approche comporte également des contraintes. Les données clients sont sensibles, la recherche sur les semi-conducteurs est fortement protégée et des recommandations incorrectes peuvent gaspiller un temps de production coûteux. L’accès aux données doit donc rester contrôlé.

L’entreprise doit également empêcher l’automatisation de masquer les erreurs techniques. Une recommandation logicielle plausible n’est pas la même chose qu’une modification de procédé validée. Les ingénieurs ont toujours besoin d’expériences, de contrôles statistiques et de qualifications clients.

Ces limites rendent le volet organisationnel de la stratégie IA d’Applied Materials aussi important que les modèles eux-mêmes. L’entreprise a besoin de systèmes de gouvernance des données, de revue humaine, de sécurité, de responsabilité et de validation des procédés.

La gestion des connaissances devient centrale lorsque les systèmes d’IA s’appuient sur des résultats de laboratoire, des dossiers de service et des décisions d’ingénierie. Les équipes ont besoin de sources fiables, d’autorisations claires et de conclusions traçables.

Le même principe s’applique au-delà des équipements pour puces. Une base de connaissances d’ingénierie consultable n’est utile que lorsque les équipes peuvent vérifier l’origine d’une réponse.

Applied n’a pas communiqué suffisamment d’informations pour évaluer chaque système interne. Les investisseurs et les clients devraient se concentrer sur les résultats opérationnels plutôt que sur le nombre d’outils.

Ce que la promesse de doubler les ventes ne prouve pas encore

L’objectif de revenus reste une prévision de la direction, et non une preuve indépendante que l’IA a dissocié la croissance des embauches.

La première incertitude concerne la base de départ. « Doubler la taille » semble faire référence aux revenus, mais Applied n’a pas fourni de chiffre de départ précis ni d’exercice fiscal d’achèvement.

Un calendrier flexible de « prochaines années » rend également les progrès plus difficiles à évaluer. Les revenus peuvent croître rapidement pendant un cycle d’équipements, stagner pendant un autre, puis tout de même se rapprocher de l’objectif plus tard.

La deuxième incertitude concerne la causalité. Applied bénéficie des dépenses de ses clients dans l’infrastructure IA, notamment pour la logique avancée, la mémoire, le packaging et les capacités de fabrication associées.

Cette demande externe peut accroître les ventes même si les outils d’IA internes n’apportent que des gains de productivité modestes. À l’inverse, une forte productivité interne ne peut pas doubler les revenus si les clients réduisent leurs dépenses d’investissement.

Les lecteurs devraient donc distinguer deux effets différents de l’IA. L’IA crée une demande pour les équipements d’Applied, tandis que les outils d’IA peuvent aider Applied à répondre à cette demande avec moins d’employés supplémentaires.

Les résultats récents de l’entreprise montrent la force du premier effet. Applied a annoncé un chiffre d’affaires record pour son troisième trimestre fiscal et relevé ses prévisions de ventes pour Semiconductor Systems durant l’année civile 2026.

Ses résultats officiels du troisième trimestre font état d’une marge brute non-GAAP de 50,4 % et d’un résultat d’exploitation non-GAAP de 3,10 milliards de dollars. Ces mesures excluent certains éléments et ne doivent pas être considérées comme équivalentes aux résultats GAAP.

L’effet de la productivité interne est plus difficile à isoler. Applied a décrit des usages spécifiques et cité des gains dans certaines fonctions, mais n’a pas publié de chiffre de retour sur investissement de l’IA à l’échelle de l’entreprise.

La troisième incertitude est la cyclicité. La demande d’équipements pour semi-conducteurs évolue avec les investissements des clients, les transitions technologiques, l’utilisation des usines, les politiques publiques et les attentes concernant la future demande de puces.

Une expansion prolongée des infrastructures IA soutiendrait le plan d’Applied. Un ralentissement du financement, une contrainte énergétique, une pénurie de composants ou une correction des capacités pourrait retarder les projets des clients.

Dickerson a reconnu plusieurs de ces risques à court terme. Il a identifié le financement, les approvisionnements, l’énergie et les capacités de production comme des contraintes potentielles au rythme de l’expansion de l’IA.

La politique d’exportation ajoute une autre pression. Applied et ses concurrents américains font face à des restrictions concernant la vente de certains systèmes et services avancés à des clients en Chine. Ces restrictions peuvent réduire la demande accessible, quelle que soit la productivité interne.

La concurrence pourrait également réduire tout avantage. Lam Research, KLA, Tokyo Electron et d’autres fournisseurs investissent dans l’analyse de données, l’automatisation, la simulation et les services assistés par l’IA.

Si tous les grands fournisseurs obtiennent des gains similaires, l’IA devient une exigence du secteur plutôt qu’une source de marges exceptionnelles. Applied en bénéficierait toujours, mais ses concurrents partageraient le même levier opérationnel.

Il existe aussi un risque pour les effectifs. Les employés pourraient interpréter « doubler les ventes, pas les effectifs » comme le signe que les gains d’efficacité remplaceront les perspectives de carrière.

Applied doit conserver une expertise rare en procédés, matériaux et équipements tout en modifiant les méthodes de travail. Une automatisation mal gérée pourrait encourager les départs ou affaiblir le mentorat qui forme les futurs responsables techniques.

Aucun de ces risques ne réfute la stratégie. Ils définissent les preuves nécessaires avant de la considérer comme une réussite.

La preuve la plus solide combinerait une croissance soutenue des revenus, une croissance plus lente des effectifs, une qualité de service stable, un développement produit plus rapide et des marges saines. Une seule mesure laisserait ouvertes d’autres explications.

Trois signaux mettront à l’épreuve la croissance des revenus d’Applied Materials

Les prochaines preuves devraient venir des résultats financiers, de la production de l’EPIC Center et de la composition des effectifs, dans cet ordre.

Le premier signal est la croissance des revenus par rapport à la croissance des effectifs. Applied devrait à terme afficher une hausse des ventes sensiblement plus rapide que celle de ses effectifs sur plusieurs trimestres.

Un seul trimestre ne tranchera pas la question, car les livraisons d’équipements peuvent se décaler entre les périodes de publication. Les investisseurs devraient comparer une séquence plus longue de revenus, de dépenses opérationnelles, de marges et d’effectifs.

Si les ventes continuent de progresser alors que les effectifs augmentent lentement et que le service client reste stable, la stratégie IA d’Applied gagnera en crédibilité. Une baisse de l’emploi pendant une période de faible demande démontrerait beaucoup moins.

Le deuxième signal est la production commerciale issue de l’EPIC Center. Applied et ses partenaires devraient identifier des avancées de procédés, des équipements qualifiés, des calendriers de développement raccourcis ou des programmes clients qui ont progressé vers la production.

Le nombre de participants importe moins que le travail achevé. Une installation très active peut tout de même ne pas accélérer la commercialisation si les projets restent isolés ou si les cycles d’approbation demeurent longs.

Des lancements de produits spécifiques liés à EPIC renforceraient l’argument d’Applied. Des preuves que la recherche partagée a réduit les expériences redondantes ou accéléré la qualification client auraient plus de valeur que des affirmations générales sur la collaboration.

Une activité limitée des partenaires affaiblirait l’argument. L’économie de l’installation dépend de l’utilisation de ses salles blanches par les clients et les chercheurs pour des programmes de développement conséquents.

Le troisième signal est l’évolution de la composition des effectifs. Applied a déjà montré qu’une croissance globale plus lente des effectifs peut coexister avec des recrutements ciblés.

Les prochaines publications devraient indiquer si les fonctions de fabrication, de service sur le terrain et les rôles techniques continuent de croître, tandis que les tâches administratives ou répétitives nécessitent moins de recrutements. Cela étayerait l’explication de croissance sélective de l’entreprise.

Une nouvelle vague de licenciements généralisés exigerait une interprétation prudente. Elle pourrait refléter une substitution par l’IA, un ralentissement des semi-conducteurs, des restrictions à l’exportation, une restructuration ou plusieurs facteurs à la fois.

Applied devrait également démontrer que la qualité ne s’est pas dégradée. Accélérer le travail d’ingénierie ne compte que si les produits restent fiables et que les clients reçoivent un soutien efficace.

Ces trois signaux créent un test pratique. La performance financière montre si le modèle opérationnel passe à l’échelle. La production d’EPIC montre si la recherche progresse plus vite. La composition des effectifs montre où l’IA modifie réellement la demande de travail.

Le plan a des implications bien au-delà d’Applied Materials. Il offre un test exceptionnellement concret de la capacité de l’IA d’entreprise à transformer une grande entreprise industrielle au lieu de simplement ajouter une nouvelle dépense logicielle.

Les travailleurs du savoir devraient observer les tâches qui évoluent, et non seulement les emplois qui disparaissent. Les ingénieurs pourraient examiner davantage d’options générées par machine, les équipes de service pourraient recevoir des alertes plus précoces et les responsables pourraient coordonner les capacités grâce à de meilleures prévisions.

Les acheteurs d’entreprise devraient surveiller l’intégration et la gouvernance. L’avantage potentiel d’Applied ne provient pas d’un modèle générique à lui seul. Il vient de la connexion de l’IA à des dossiers techniques fiables, à des équipements physiques et à des décisions responsables.

La question la plus utile n’est donc pas de savoir si Applied utilise l’IA. Plus de 35 000 utilisateurs internes rendent déjà cette question trop limitée.

La question est de savoir si Applied peut transformer ces outils en une production commerciale deux fois plus élevée sans doubler la complexité organisationnelle. Les revenus, les innovations qualifiées, les rendements des clients et les données sur les effectifs fourniront la réponse.

Si ces indicateurs évoluent ensemble, Applied aura produit l’un des exemples industriels les plus clairs de levier opérationnel soutenu par l’IA. S’ils divergent, la croissance de la demande pourrait mériter davantage de crédit que l’automatisation.

Surveillez les prochaines publications financières et les premiers projets commerciaux issus d’EPIC. Ils montreront si Applied Materials peut rendre sa promesse de doubler les ventes mesurable, reproductible et durable.