Les puces : le nerf de la guerre

Reprenons là où nous nous étions arrêtés au chapitre précédent : nous savons construire des datacenters. Reste à savoir ce que nous mettons dedans.

C'est quoi, ces puces ? En réalité, celles qui font fonctionner l'IA font partie des objets les plus évolués et les plus complexes que l'humanité ait réussi à produire. Vous lisez cet article grâce à une puce, votre téléphone fonctionne grâce à une puce. Et pour les anti-technologistes, une bonne partie du matériel médical qui serait utilisé s'il vous arrivait quoi que ce soit fonctionne avec une puce. C'est la base de notre technologie moderne.

Qu'est-ce qu'une puce électronique ?

Les puces électroniques (ou semi-conducteurs) sont les composants essentiels des appareils électroniques modernes. Elles sont fabriquées à partir de silicium, un matériau semi-conducteur, et contiennent des millions, voire des milliards, de transistors miniaturisés. Ces transistors sont assemblés pour exécuter des fonctions précises : les calculs, le stockage de données ou la gestion des périphériques.

Pour faire simple, sans ces puces, dites adieu à toutes vos machines électroniques : vos consoles de jeu, votre ordinateur, un drone, votre voiture ou même votre machine à laver. Il y en a partout, de plusieurs sortes, avec des niveaux de complexité très différents selon l'usage. Ici, on va se concentrer sur les deux plus populaires du moment : les CPU et les GPU.

Le CPU (Central Processing Unit)

Le CPU est souvent décrit comme le « cerveau » d'un ordinateur. Ses fonctions principales :

• ▸exécuter les instructions des logiciels et des programmes,
• ▸gérer les calculs nécessaires pour faire fonctionner un système informatique,
• ▸coordonner les différentes parties d'un ordinateur.

Côté structure, le CPU est divisé en plusieurs cœurs, chacun capable de traiter des instructions simultanément. Il comprend des unités de calcul appelées ALU (Arithmetic Logic Unit) pour les opérations mathématiques et logiques, et une unité de contrôle pour orchestrer les flux de données.

Le GPU (Graphics Processing Unit)

Le GPU est spécialisé dans les calculs parallèles massifs, en particulier ceux nécessaires au rendu graphique. Ses fonctions principales :

• ▸gérer les calculs liés à l'affichage des images, des vidéos et des animations,
• ▸accélérer les calculs complexes nécessaires aux jeux vidéo, aux logiciels de graphisme et à la réalité virtuelle,
• ▸traiter des tâches non graphiques nécessitant du calcul parallèle : l'intelligence artificielle, la simulation scientifique, ou le minage de cryptomonnaie.

Sa structure est l'inverse de celle du CPU : un très grand nombre de cœurs, individuellement moins puissants que ceux d'un processeur classique. Il excelle donc à exécuter simultanément de très nombreuses petites tâches.

Les autres types de puces

• ▸ASIC (Application-Specific Integrated Circuit) : conçu pour une tâche unique, par exemple dans les routeurs ou les cartes bancaires. On y trouve aussi les NPU (Neural Processing Units), spécialisés dans les calculs d'intelligence artificielle, et les LPU (Language Processing Units), pensés pour l'usage des LLM.
• ▸FPGA (Field-Programmable Gate Array) : une puce reprogrammable après sa fabrication, pour des usages spécifiques.

Avec l'avènement des LLM, le public s'est largement concentré sur les GPU, devenus « les cartes pour faire de l'IA » (avec derrière le géant NVIDIA). Mais il ne faut pas oublier que les GPU ont été historiquement conçus pour du traitement graphique. Depuis peu, de nouveaux acteurs mettent en avant des architectures mieux pensées pour l'intelligence artificielle : on parle alors de LPU, IPU, NPU. L'un d'eux mérite le détour : Groq (non pas l'IA d'Elon Musk Grok, mais Groq avec un q ;) ). J'y reviendrai plus bas.

Vous comprendrez qu'il est donc indispensable, pour un pays, d'être capable de se fournir en puces électroniques. Sans cela, impossible de faire tourner nos usines, notre matériel médical, nos armes. Ce matériel est presque aussi important que l'énergie ou l'agriculture. Et cette dépendance peut affecter indirectement nos industries, voire nos décisions politiques, comme l'a montré la problématique liée à la réglementation ITAR.

De quoi sont composées ces puces ?

De la même manière qu'il faut des matériaux pour construire une éolienne, ou de l'uranium pour une centrale, ces puces ont besoin de matières bien spécifiques. Voici une liste forcément non exhaustive, mais qui montre l'essentiel :

• ▸Le silicium, le matériau de base des transistors. Purifié jusqu'à 99,9999999 % (le « grade électronique »), il est transformé en wafers, ces disques sur lesquels les circuits sont gravés.
• ▸Les métaux conducteurs : cuivre pour les interconnexions, or pour les connexions critiques, tungstène, aluminium, nickel, cobalt et molybdène pour certains alliages et couches protectrices.
• ▸Les dopants, qui modifient les propriétés du silicium : phosphore et arsenic (type N, qui ajoutent des électrons libres), bore (type P, qui crée des « trous »).
• ▸Les isolants : dioxyde de silicium, et oxyde d'hafnium dans les processeurs modernes pour améliorer les transistors tout en réduisant la consommation.
• ▸Les matériaux de dissipation thermique : carbure de silicium, graphite et graphène, céramiques.
• ▸Les substrats et boîtiers : époxy renforcé de fibre de verre (FR-4), alliages de cuivre et aluminium, plastiques et polymères.

Ce que l'on voit quand on regarde les pays exportateurs de ces matières, c'est la prépondérance de la Chine. Avec une mention spéciale à l'Indonésie, la RDC, la Turquie et le Pérou, premiers sur certains matériaux. Même si ces données portent sur les exportations globales, donc utiles à bien d'autres choses que les puces, on comprend vite l'importance de certaines voies maritimes.

Il existe donc des formes de « monopoles » sur des matériaux nécessaires à la conception des puces, ce qui complexifie la logistique et pèse sur les rapports entre pays : les discussions autour des droits de douane entre la Chine et les États-Unis en sont l'illustration permanente. Notons au passage que les réserves de certains pays ne sont pas exploitées, en France par exemple, l'impact environnemental des mines étant jugé trop important ou trop coûteux à réduire.

L'importance des nœuds avancés

Il existe plusieurs étapes de conception entre ces matières premières et la puce finie. Mais l'une des variables présentées comme déterminantes, c'est la notion de nœuds avancés. Voyez cela comme le dépôt d'une très fine couche de métal dans un circuit, qui va conduire l'électricité.

L'utilisation de nœuds avancés (les procédés à 7 nm, 5 nm, 3 nm et bientôt 2 nm) a un impact majeur sur la performance, la consommation énergétique, le coût et la complexité de conception. D'autres nœuds, plus épais, existent : nœuds intermédiaires et nœuds anciens. Certains sont largement suffisants pour faire tourner votre machine à laver. Tout dépend du besoin et de la consommation attendue.

Prenons un exemple moins drôle. Dans le conflit ukrainien, l'usage des drones est omniprésent. Au début pilotés à 100 % par l'homme, on voit désormais des drones capables de cibler et de poursuivre leur trajectoire malgré un brouillage. Pour faire voler un drone, aucun besoin stratégique de nœuds avancés. Pour y mettre du traitement d'imagerie ou des systèmes de défense aérienne, on y entre. Et optimiser le besoin énergétique de cette tâche permet de gagner du temps de vol sans toucher aux autres composants.

Retenez qu'un nœud plus petit permet d'intégrer davantage de transistors dans le même espace, donc plus de puissance à conditions égales. Je ne rentrerai pas dans le détail des problèmes que cela pose sur la gestion de la chaleur ou les courants de fuite, mais dites-vous qu'un nœud plus fin offre davantage de possibilités d'architecture et un meilleur rendement.

Mais pourquoi tant insister sur les nœuds ? Parce qu'il existe un monopole mondial sur les machines capables de graver les nœuds les plus fins, ceux qui sont indispensables à l'intelligence artificielle. Et cette entreprise est européenne : ASML.

Le cas ASML

Dans la création de puces, vous avez un géant, TSMC, à Taïwan. Mais derrière ce géant, il y a une entreprise sans qui rien de tout cela ne serait possible : ASML. Elle construit les machines de lithographie EUV, une méthode qui utilise des longueurs d'onde ultraviolettes extrêmement courtes pour graver des motifs sur les wafers de silicium, rendant possible la miniaturisation des circuits.

Il faut comprendre qu'ASML vend chaque machine à un coût dépassant les 150 millions d'euros. C'est de loin le fleuron de l'industrie néerlandaise, et son patron est, cocorico, français : Christophe Fouquet. Son importance est telle aux Pays-Bas qu'elle influe sur le débat politique du pays.

Cette entreprise est clairement clé pour le soft power européen, et il serait indispensable de la prendre en compte dans toute stratégie visant à produire des puces de dernière génération chez nous.

Les fonderies

Les fonderies (foundries) sont les entreprises spécialisées dans la fabrication des puces conçues par les architectes (Apple, NVIDIA, etc.). Elles maîtrisent des procédés de fabrication à l'échelle nanométrique. Ici, on s'intéresse aux fonderies de pointe, celles qui savent descendre aux nœuds les plus fins, aujourd'hui indispensables aux nouvelles technologies.

Il est difficile de sortir des statistiques parfaitement fiables sur ce segment précis, la plupart des données étant globales. Mais la domination du marché par trois acteurs, TSMC, Samsung et Intel, est indéniable, avec un TSMC nettement au-dessus du reste.

Véritable sujet géopolitique depuis huit ans, avec l'avènement de la crypto, puis le covid, et maintenant l'IA, le marché des puces subit une réelle tension mondiale. Et il y a un véritable nœud d'étranglement autour des puces à nœuds avancés, principalement localisé à Taïwan. Taïwan utilise d'ailleurs cet outil industriel comme défense face à la Chine.

• ▸les États-Unis cherchent à réduire leur dépendance à TSMC en se dotant de capacités de production sur leur territoire,
• ▸l'Allemagne a lancé une fonderie avec un investissement de 10 milliards d'euros (5 de TSMC, 5 de financement public) pour une ouverture en 2027,
• ▸le Japon a créé Rapidus, soutenue par le gouvernement et huit grands groupes nippons (Toyota, NTT, Sony, NEC, SoftBank, Denso, Kioxia et MUFG Bank), pour remettre le pays dans la course aux semi-conducteurs avancés. Et qui s'outille chez… ASML !

Les architectes de puces

Un architecte de puces (ou architecte de circuits intégrés) est celui qui conçoit et planifie la structure globale du semi-conducteur. Il ne le fabrique pas : il le dessine, puis confie sa production à une fonderie.

Architectes de CPU

Je me suis concentré ici sur le marché des serveurs, mais comprenez qu'il existe des marchés différents pour le mobile et pour les ordinateurs personnels. Sur les serveurs, le leadership est partagé entre Intel (environ 58 %) et AMD (environ 38 %), loin devant Apple et Qualcomm.

Architectes de GPU

Sur ce marché, aucun doute possible sur la prédominance de NVIDIA.

Mais au fait, pourquoi NVIDIA ?

80 % du marché, c'est écrasant. Et la réponse qui vient spontanément, c'est « parce qu'ils font les meilleures puces ». C'est vrai. Ce n'est pas suffisant. AMD sait faire de très bonnes puces, Intel a des moyens colossaux, Google conçoit ses propres TPU depuis une dizaine d'années. Si le matériel seul suffisait, ce marché serait beaucoup plus disputé.

Le véritable avantage de NVIDIA n'est pas dans le silicium. Il est dans le logiciel. Et il porte un nom : CUDA.

Le pari à quinze ans

Retour au début des années 2000. À cette époque, un GPU sait faire une chose : afficher des pixels. Un chercheur qui voudrait détourner cette puissance de calcul pour autre chose, simuler un fluide par exemple, doit déguiser son calcul en image. Littéralement : transformer ses équations en textures et en triangles pour que la carte accepte de les traiter, puis relire les résultats dans les pixels de sortie. C'est possible. C'est atroce. Presque personne ne le fait.

En 2006, NVIDIA présente CUDA (Compute Unified Device Architecture). Le principe : écrire du code presque normal, en C, qui s'exécute directement sur le GPU. Fini le déguisement, la carte graphique devient un accélérateur de calcul générique.

Mais le vrai coup de génie n'est pas technique, il est commercial : NVIDIA rend CUDA disponible sur toutes ses cartes. Y compris la GeForce à 200 € du joueur du dimanche, et pas seulement sur le matériel professionnel hors de prix. Du jour au lendemain, n'importe quel étudiant, dans n'importe quel laboratoire du monde, possédait déjà chez lui une machine capable de faire du calcul massivement parallèle. Cela a coûté très cher, très longtemps : pendant des années, des analystes ont demandé à Jensen Huang pourquoi son entreprise de cartes graphiques pour gamers brûlait autant d'argent en recherche logicielle, pour un marché qui n'existait pas.

2012 : le marché existe

Cette année-là, trois chercheurs, Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, pulvérisent le concours de reconnaissance d'images ImageNet avec un réseau de neurones baptisé AlexNet. Entraîné sur deux cartes GeForce GTX 580. Des cartes de gamer. Avec CUDA.

C'est le big bang du deep learning moderne, et il se produit sur du matériel NVIDIA, avec des outils NVIDIA, parce que NVIDIA était le seul à avoir mis ces outils entre les mains des chercheurs six ans plus tôt.

Le fossé

Depuis, l'entreprise n'a jamais cessé d'empiler. Au-dessus de CUDA : cuDNN (les briques de calcul des réseaux de neurones), NCCL (pour faire dialoguer des milliers de GPU entre eux), TensorRT (pour accélérer l'exécution des modèles). Et au-dessus de tout cela, PyTorch, le framework qu'utilise la quasi-totalité des chercheurs et des ingénieurs IA de la planète, et qui, quand vous lui demandez une multiplication de matrices, finit par appeler du code NVIDIA.

C'est ce qu'on appelle un moat, un fossé : près de vingt ans de logiciel, des millions de lignes de code, des centaines de milliers de développeurs formés, une documentation, des tutoriels, et des réponses sur Stack Overflow à trois heures du matin. Un concurrent peut sortir demain une puce plus rapide et moins chère : si votre code met six mois à être porté dessus et tourne ensuite 30 % moins vite faute d'optimisations, vous ne l'achèterez pas. C'est exactement le mur contre lequel bute AMD depuis des années, dont l'équivalent, ROCm, est régulièrement décrit comme fonctionnel mais douloureux.

Et NVIDIA a élargi le fossé bien au-delà de la puce. En rachetant Mellanox au tournant de 2020, elle s'est offert le réseau qui relie les serveurs entre eux. Aujourd'hui, elle ne vend plus vraiment une carte : elle vend une armoire entière, GPU, réseau, logiciel et outils compris. Le verrou n'est plus au niveau du composant, il est au niveau du système.

La brèche

Bonne nouvelle quand même, et elle est essentielle pour la suite : le fossé se comble par le haut. Aujourd'hui, un chercheur n'écrit presque jamais de CUDA à la main, il écrit du PyTorch. Or PyTorch est une couche d'abstraction : si quelqu'un fait l'effort de le brancher correctement sur un autre matériel, le code de l'utilisateur, lui, ne change pas. C'est un travail énorme, ingrat et invisible. Mais c'est un travail fini, là où rattraper vingt ans d'écosystème à la main serait infini.

C'est par cette brèche que passent les nouveaux entrants. Et c'est aussi par là qu'est passée la Chine.

La montée de nouvelles puces

Les grandes boîtes tech se lancent désormais dans leurs propres puces, surtout pour l'IA : Meta avec sa MTIA, ou AWS avec ses puces Trainium. Il ne faut pas oublier que les GPU n'ont pas été initialement pensés pour faire de l'IA. L'un des acteurs qui s'est fait remarquer très tôt, c'est Groq, concepteur de LPU pour optimiser l'usage des LLM. Pour mesurer l'enjeu de ce type de puces : Groq a levé 640 millions de dollars auprès de BlackRock, Cisco ou encore Samsung.

Globalement, les géants que tout le monde cherche à concurrencer sont : TSMC pour les fonderies, NVIDIA pour les GPU et Intel pour les CPU.

La montée des puces chinoises

Si vous voulez savoir ce que donne concrètement une stratégie de souveraineté sur les semi-conducteurs, il existe un laboratoire à ciel ouvert : la Chine. À ceci près qu'elle n'a pas vraiment choisi d'y entrer.

À partir d'octobre 2022, les États-Unis interdisent l'exportation vers la Chine des puces d'IA les plus performantes, les A100 et H100 de NVIDIA. Et chaque fois que NVIDIA conçoit une version bridée pour rester dans les clous (A800, H800, puis H20), Washington resserre le curseur. L'objectif affiché : conserver plusieurs années d'avance sur le calcul.

Le résultat est plus ambigu. Privées de fournisseur, les entreprises chinoises n'ont pas arrêté de faire de l'IA : elles ont été contraintes d'acheter chinois. Les sanctions ont donc offert à l'industrie domestique exactement ce qui manque le plus cruellement à l'Europe : un marché intérieur captif, énorme et solvable.

Graver sans ASML

Souvenez-vous de ce que nous disions d'ASML : sans machine de lithographie EUV, pas de nœud avancé. La Chine n'y a pas accès, les Pays-Bas ayant bloqué ces exportations sous pression américaine.

Elle a quand même produit du 7 nm. Le fondeur SMIC y parvient en multipliant les passages avec les anciennes machines DUV : au lieu de graver le motif fin en une seule fois, on le décompose en plusieurs expositions successives. Ça marche. C'est plus lent, plus cher, et surtout beaucoup moins fiable. Les taux de rendement des puces Ascend de Huawei ont longtemps été estimés entre 20 et 40 %, là où une fonderie de pointe tourne à 80-90 %. Traduction : sur dix puces gravées, six à huit partent à la poubelle.

Donc oui, on peut se passer d'ASML. Mais on le paie en argent, en capacité et en temps, ce qui confirme au passage à quel point cette entreprise européenne est un actif stratégique que nous sous-estimons.

La réponse par la force brute

Puisqu'une puce chinoise vaut moins qu'une puce NVIDIA, Huawei a fait un choix assumé : en mettre beaucoup plus. Son système CloudMatrix, présenté en 2025, entasse 384 accélérateurs Ascend dans une armoire, là où l'équivalent NVIDIA en aligne 72. Résultat : le système chinois délivre davantage de puissance brute que son concurrent américain. Il consomme aussi environ quatre fois plus d'électricité. En Europe, ce serait rédhibitoire et n'aurait pas de sens car ASML est européen. En Chine, c'est une volonté à la fois industrielle et politique qui leur donne ce type de moyen, c'est pour eux, arbitrage parfaitement rationnel.

Le vrai goulot d'étranglement : la mémoire

Détail qui a son importance et qu'on oublie presque toujours : ce qui limite aujourd'hui la production chinoise de puces d'IA n'est plus la gravure, c'est la HBM (High Bandwidth Memory), cette mémoire ultra-rapide empilée juste à côté du processeur, et sans laquelle un accélérateur d'IA est un moteur sans carburant. SMIC serait capable de sortir de quoi fabriquer plus d'un million de puces par an, quand les capacités chinoises en HBM en limiteraient la production à quelques centaines de milliers. Elle est, elle aussi, sous embargo depuis fin 2024, et dominée par un trio coréano-américain : SK hynix, Samsung et Micron.

Et le fossé CUDA ?

Huawei a parfaitement identifié le problème dont je vous parlais plus haut. Face à CUDA, elle a construit CANN, sa propre couche logicielle, et MindSpore, son équivalent de PyTorch. Et surtout, elle a annoncé en 2025 l'ouverture du code de CANN : quand on est en retard sur un écosystème, l'open source est le seul levier connu pour attirer des développeurs qu'on ne peut pas payer.

Le résultat s'est vu en avril 2026, avec DeepSeek V4, post-entraîné sur des puces Huawei Ascend, via CANN. La nuance a son importance : le pré-entraînement, de loin la phase la plus lourde, n'est pas concerné. Mais le signal reste considérable : une étape entière du cycle de vie d'un modèle de pointe s'est déroulée hors de l'écosystème NVIDIA. Le fossé logiciel réputé infranchissable vient d'être entamé. Il n'y a donc pas de fatalité, seulement un coût d'entrée.

Le retournement

Pendant ce temps, la part de marché de NVIDIA en Chine s'est effondrée. Le feuilleton du H20 résume à lui seul l'absurdité de la situation : une puce bridée pour respecter les règles américaines, interdite en avril 2025 (près de 4,5 milliards de dollars passés en pertes chez NVIDIA), ré-autorisée en juillet, puis boudée par Pékin, qui a discrètement déconseillé à ses entreprises d'en acheter pour raisons de sécurité. Elle n'a jamais vraiment été vendue.

Depuis janvier 2026, Washington a de nouveau entrouvert la porte avec un examen au cas par cas des H200, pendant que le Congrès tente au contraire de verrouiller. Mais le fait notable est ailleurs : ce n'est plus seulement l'Amérique qui refuse de vendre, c'est désormais la Chine qui commence à refuser d'acheter. Et Huawei n'est pas seul : Cambricon, Biren, Moore Threads, Hygon, sans compter les puces maison d'Alibaba et de Baidu. L'écosystème existe maintenant du haut en bas de la chaîne.

Ce que ça nous dit

• ▸La barrière technologique est franchissable. Pas gratuitement, pas rapidement, mais franchissable, y compris la barrière logicielle, longtemps considérée comme le vrai verrou.
• ▸Ce qui a rendu cela possible tient en trois ingrédients, et aucun n'est le génie : un marché intérieur captif, une coordination État-industrie tenue sur une décennie, et une contrainte extérieure qui interdisait le statu quo. L'Europe a la troisième, au moins potentiellement. Il lui manque les deux premières.
• ▸L'avance américaine est réelle, mais ce n'est plus une rente. Elle repose sur un écosystème logiciel. Et un écosystème logiciel, ça se contourne.

Alors si la Chine y arrive sous embargo, la vraie question n'est plus « l'Europe en est-elle capable ? », mais « qu'est-ce qui nous en empêche ? ».

Et l'industrie française et européenne ?

Globalement, la France, mais surtout l'Europe, possède la base pour toutes les étapes que je viens de décrire, mais il y a du travail… beaucoup de travail. Sans reparler d'ASML, nous avons des concepteurs de puces spécialisées comme Kalray, des fabricants comme STMicroelectronics (bien que son siège social soit en Suisse), des fournisseurs de matériaux comme Soitec, et même des centres de recherche comme le CEA-Leti à Grenoble (cf. la vidéo d'Yvan Casta partagée plus haut).

• ▸STMicroelectronics : fabricant franco-italien, spécialisé dans les puces pour l'automobile, l'électronique industrielle et l'IoT. Il produit sur des technologies matures (28 nm, 40 nm) à Crolles, près de Grenoble, sur des wafers de 300 mm. On reste néanmoins très loin de ce qu'exige l'IA.
• ▸Soitec : basé à Bernin, fournisseur de substrats en silicium sur isolant (SOI), utilisés dans les smartphones, la 5G et l'automobile. Il travaille avec TSMC, Samsung et GlobalFoundries.
• ▸CEA-Leti : centre de recherche appliquée à Grenoble, connu pour ses travaux sur les transistors 3D, la lithographie EUV et l'intégration hétérogène.
• ▸Kalray : concepteur de processeurs pour applications critiques, avec ses MPPA (Massively Parallel Processor Array). Comme NVIDIA, Kalray ne fabrique pas ses puces.

Globalement, nos expertises ne vont pas aussi loin que celles de nos homologues américains et chinois, qui ont dû apprendre à toute vitesse. Mais c'est précisément pour cela que nous avons encore des cartes à jouer.

Certaines entreprises devraient attirer notre attention, par exemple :

• ▸VSora : ils conçoivent des accélérateurs matériels dédiés à l'inférence IA dans les datacenters. C'est donc bien plus directement comparable à NVIDIA ou AMD que SiPearl. Actualité toute récente : en juillet 2026, Ardian Semiconductor a pris une participation minoritaire dans VSORA pour accélérer sa stratégie commerciale.
• ▸SiPearl : concepteur de puces, bien sûr, avec son RHEA1 — un CPU haute performance, pas un GPU (et fabriqué par TSMC).
• ▸Axelera AI et Innatera : deux entreprises néerlandaises intéressantes. On y sent la proximité avec ASML.

Il ne faut pas oublier un autre acteur européen majeur : ARM. Cette entreprise britannique est spécialisée dans la conception d'architectures de processeurs, mais elle a été rachetée en 2016 par SoftBank (japonais) pour 32 milliards de dollars. Contrairement à Intel ou AMD, ARM ne produit pas de matériel : elle conçoit et concède des licences. Son architecture est aujourd'hui principalement utilisée sur les formats mobiles, ce qui explique la présence de Samsung, Qualcomm ou Apple parmi ses clients. Si vous avez un Mac avec une puce M1 ou M2, félicitations : vous êtes sur une architecture ARM !

Pour mesurer son importance stratégique : le rachat d'ARM par NVIDIA, pour 66 milliards de dollars, a été bloqué par les régulateurs. Et les enjeux énergétiques autour des puces font que NVIDIA prévoit malgré tout de se mettre à cette architecture pour ses PC.

Qu'en conclure ?

Je vais vous donner mon point de vue avec les informations que j'ai en main. Le but de cet article est surtout, pour moi, de poser ce qui me trotte dans le cerveau depuis bien des années. Mais je vous invite à réagir et à apporter des informations, pour que l'on puisse creuser le sujet ensemble :)

Nous avons vu qu'il faut une multitude d'acteurs pour produire une puce : l'architecte, la fonderie, parfois des licences. Les puces sont partout, mais l'un des enjeux stratégiques qui va probablement prendre le plus d'importance dans les prochaines années est celui des puces dédiées à l'intelligence artificielle. La question à se poser est donc : quelle stratégie de long terme mettre en place pour nos besoins stratégiques futurs ?

À première vue, trois stratégies semblent « évidentes » :

• 01La stratégie allemande, faire venir des entreprises étrangères sur son sol, avec TSMC. Elle permet de bénéficier de la connaissance d'entreprises déjà existantes, mais c'est le modèle le plus fragile aux décisions de tiers, et il nous laisse dépendants des problématiques de licence. Attention néanmoins : aujourd'hui, il semblerait que l'on parle de nœuds de 12 nanomètres au plus fin, ce qui reste loin des 2 nm dont nous parlions précédemment.
• 02La stratégie japonaise, créer une structure de zéro sur son sol, avec Rapidus. L'avantage : un fleuron national. Le désavantage : le prix, le temps et le risque, pour une mise en service seulement en 2027, et dans un pays qui a pourtant un fort historique industriel.
• 03La stratégie d'augmenter un acteur existant, via une aide nationale ou européenne. Elle se défend et reste possible, mais les mécanismes européens imposent de justifier précisément l'intérêt stratégique de l'investissement, et surtout ils rendent difficile la concentration de moyens sur un seul acteur national. Et un candidat que je voyais possible n'est plus basé dans un pays de l'UE, ce qui limite encore les possibilités.

Mais avant de choisir une stratégie, il faut peut-être définir ce que nous entendons par souveraineté.

C'est une distinction importante. Une Europe souveraine n'a pas nécessairement besoin de fabriquer chaque wafer sur son territoire, pas plus qu'elle n'a besoin de construire seule chaque machine utilisée dans une fonderie. En revanche, elle doit savoir identifier les dépendances dont la rupture pourrait mettre en danger son industrie, sa défense ou ses infrastructures critiques, et disposer d'une alternative crédible lorsque le risque devient trop important.

C'est à partir de cette définition que je voudrais faire un pas de côté.

Faire un pas de côté

Comme ceux qui me connaissent s'en doutent, si je vous parle de ces trois stratégies « évidentes », c'est pour vous parler de celle qui me semble la plus intelligente : faire un pas de côté sur la stratégie japonaise. Repartons de quelques constats.

• ▸L'Europe en a les capacités intellectuelles. Sans faire de chauvinisme, il y a beaucoup d'ingénieurs européens dans les industries de pointe, et nous souffrons particulièrement de la fuite des cerveaux. Ne voyons pas cela comme une fatalité mais comme une opportunité, comme l'ont perçu les fondateurs de Mistral ou de Kyutai. Dans le domaine des puces, rappelons que le Cortex-A9 d'ARM qui équipait les tout premiers iPhone a été conçu à Sophia-Antipolis.
• ▸Nous savons déjà produire certains types de puces grâce aux entreprises présentes sur le territoire. L'enjeu principal porte sur les technologies stratégiques de demain, dont le fleuron est l'IA.
• ▸La finesse de gravure n'est qu'une variable parmi celles qui déterminent les performances d'une puce.

« Voyez l'IA comme une vis que vous voulez visser pour monter votre meuble IKEA. Votre GPU est un marteau dont on cherche à améliorer les performances, là où vous voudriez un simple tournevis. »

C'est le pari des entreprises du moment, largement marketé par Groq à sa création : « une architecture spécialisée peut compenser une partie du désavantage lié à un nœud de gravure moins avancé », tout comme l'intérêt pour l'architecture ARM.

Vous voyez donc où je veux en venir. Honnêtement, j'aurais aimé qu'à un moment Groq se lance lui-même dans la production de ses puces, et que nous cherchions à en produire en Europe. Le fait que cela ne se soit pas fait est d'ailleurs une raison à explorer pour ce que je pense être une bonne idée : faire un nouveau Mistral sur les semi-conducteurs de l'IA.

Mais donc ne pas chercher à faire des GPU à la NVIDIA, pas tout de suite. Viser réellement des architectures spécialisées pour l'IA, qu'il s'agisse de LPU, de NPU ou d'autres architectures dédiées. Et ce, pour deux raisons très pragmatiques : le besoin (on ne veut pas faire tourner des jeux vidéo, mais construire l'IA du futur) et le coût (viser une cible précise réduira une facture qui sera déjà bien assez lourde).

Une précision qui découle directement de tout ce que nous venons de voir : une telle entreprise ne serait pas un projet de silicium, ce serait un projet de logiciel. Trois leviers me semblent déterminants.

Levier 1 : le produit, ce n'est pas la puce

« Le produit ne doit pas être la puce. Le produit doit être la plateforme. »

La puce n'est que le matériel sur lequel tourne :

• ▸le compilateur ;
• ▸les kernels ;
• ▸les runtimes ;
• ▸les bibliothèques ;
• ▸les drivers ;
• ▸PyTorch ;
• ▸vLLM ;
• ▸Triton ;
• ▸les outils de profiling ;
• ▸les frameworks d'agents ;
• ▸les outils cloud, etc.

L'une des raisons majeures du retard d'AMD face à NVIDIA n'est pas uniquement le silicium : c'est l'avance considérable prise par NVIDIA sur l'écosystème logiciel, notamment avec CUDA. La percée de Huawei ne s'explique pas seulement par ses puces, mais par le fait d'avoir construit, puis ouvert, sa propre couche logicielle. Un acteur européen qui consacrerait 90 % de son budget au matériel et 10 % aux compilateurs, aux bibliothèques et à l'intégration dans PyTorch reproduirait exactement l'erreur que d'autres ont déjà payée. La bonne nouvelle, c'est que l'Europe a une vraie tradition sur ce terrain-là. Et que ça coûte infiniment moins cher qu'une fonderie.

C'est exactement le problème qu'AMD essaie de résoudre aujourd'hui avec ROCm, qui regroupe runtimes, compilateurs, bibliothèques, outils et intégration avec PyTorch, JAX, vLLM ou SGLang. Et Huawei fait quelque chose de similaire autour d'Ascend, de CANN et de l'écosystème open source.

Levier 2 : il faut un premier client

Moins technique, mais tout aussi décisif. Aucun de ces projets n'a démarré sur la seule demande du marché. Huawei bénéficie d'un marché chinois immense et d'une politique industrielle renforçant la préférence pour les solutions nationales, tandis que Rapidus bénéficie d'un engagement direct de l'État et de grands industriels japonais. Les fondeurs américains, eux, ont la commande publique et la défense.

Une puce d'IA européenne n'a pas besoin de convaincre le monde entier dès le premier jour : elle a besoin que les administrations, les organismes de recherche et les clouds souverains du continent s'engagent à en acheter. Cela a l'air complexe, et pourtant nous voyons déjà les États chercher de plus en plus à migrer de Microsoft vers des solutions open source basées sur Linux. C'est probablement le levier politique le plus efficace, et le moins coûteux, dont nous disposions.

« Une partie des capacités de calcul financées par de l'argent public européen doit être disponible sur des accélérateurs européens. »

Levier 3 : ce qu'il nous manque encore

Nous avons sur le territoire des cloud providers qui se positionnent sur l'IA (Scaleway, OVH), et un fleuron des LLM en France (Mistral) qui, comprenant l'enjeu, s'est aussi positionné sur la partie datacenter, d'où le fameux contrat avec Microsoft. Il nous manque donc des acteurs pour compléter le tableau : une entreprise capable d'architecturer des LPU et des NPU et d'en maîtriser l'écosystème logiciel, ainsi que des capacités européennes capables de fabriquer, assembler et intégrer ces architectures lorsque cela est stratégiquement nécessaire.

Et il ne faudrait pas réduire cette ambition au seul wafer. Pour les accélérateurs IA modernes, le packaging, les interconnexions et la mémoire sont devenus des éléments déterminants de la performance. Les architectures à base de chiplets permettent justement de découpler certaines fonctions et d'assembler plusieurs composants au sein d'un même package. La souveraineté européenne peut donc aussi se jouer ici : nous n'avons peut-être pas besoin de maîtriser immédiatement chaque génération de gravure si nous maîtrisons l'architecture, le packaging, l'interconnexion et le logiciel qui donnent sa valeur au système final.

Un fil rouge : la cohérence énergétique

Un dernier aspect traverse ces trois leviers, entrevu avec ARM : l'énergie. Nous avons besoin, en Europe, d'une stratégie cohérente entre notre industrie et nos objectifs réglementaires. L'Union européenne lance plusieurs réglementations sur l'impact environnemental et sociétal des entreprises et de leurs fournisseurs (la CSRD et la CS3D). Le paradoxe est que la plupart des entreprises se dotent d'outils d'intelligence artificielle pour améliorer leur conception, voire pour répondre à ces réglementations, alors que ces outils sont eux-mêmes très énergivores. Créer un acteur ayant pour norme de base la recherche d'un bon rapport performance / consommation et le respect des normes sociales européennes serait un message politique de cohérence.

Compte tenu de la complexité de cette industrie, la volonté politique et le travail avec les acteurs privés sont obligatoires, comme le prouvent les investissements autour de Rapidus au Japon. Cette industrie pourrait aider à la réindustrialisation du continent européen tout en sécurisant notre souveraineté sur le sujet.

Annexes

Ce qui suit n'est pas nécessaire à la compréhension de l'article : c'est le niveau de détail en dessous, avec les sources, pour celles et ceux qui veulent creuser. Les trois annexes reprennent et approfondissent des passages déjà survolés plus haut.

Annexe 1 — La composition d'une puce

Le silicium. C'est le matériau de base des transistors qui composent les circuits intégrés des CPU et des GPU. C'est un semi-conducteur : selon les conditions, il conduit ou isole le courant, ce qui est précisément ce qu'il faut pour fabriquer un transistor. Il est purifié jusqu'au « grade électronique » (99,9999999 % de pureté), puis transformé en wafers, ces disques sur lesquels les circuits sont gravés à l'échelle nanométrique.

Les métaux, pour la conductivité. Ils assurent la circulation du courant dans les circuits et les interconnexions.

Le cuivre (Cu) est utilisé pour les interconnexions entre les couches du circuit intégré : conductivité élevée et bonne dissipation thermique.

L'aluminium (Al) servait autrefois aux interconnexions ; il a été remplacé par le cuivre dans les processeurs modernes, mais reste employé dans certains composants.

L'or (Au) est réservé aux connexions critiques, comme les fils très fins qui relient la puce à son boîtier (bond wires). Il est très résistant à la corrosion.

Le tungstène (W) entre dans certaines couches d'interconnexion, pour sa résistance mécanique et sa tenue aux hautes températures. Fiche matériau, MineralInfo

Le nickel (Ni), le cobalt (Co) et le molybdène (Mo) entrent dans des alliages spécifiques ou des couches protectrices des transistors. Arrêt des exportations de minerai de nickel (Trésor) · Le molybdène (L'Élémentarium)

Les dopants. Ils modifient les propriétés du silicium pour en faire un transistor. Le phosphore (P) et l'arsenic (As) sont des dopants de type N : ils ajoutent des électrons libres qui conduisent l'électricité. Production d'arsenic (Statista)

Le bore (B) est un dopant de type P : il crée des « trous » qui facilitent la conduction par absence d'électrons. Principaux pays producteurs de bore (Statista)

L'arséniure de gallium (GaAs) est utilisé dans des composants spécialisés, pour de meilleures performances en vitesse et en efficacité. Fiche matériau (Metoree)

Les isolants. Ils séparent les couches et les parties du circuit. Le dioxyde de silicium (SiO₂) est l'isolant principal des circuits intégrés : il protège les transistors et évite les courts-circuits. L'oxyde d'hafnium, employé dans les processeurs modernes, améliore les performances des transistors tout en réduisant la consommation. Fiche matériau (Metoree)

La dissipation thermique. Sans elle, la puce surchauffe. Le carbure de silicium (SiC) est utilisé pour ses propriétés thermiques et électroniques supérieures dans certains composants. Fiche matériau (L'Élémentarium)

Le graphite et le graphène sont utilisés dans certaines puces pour évacuer efficacement la chaleur ; les céramiques, dans les substrats et les boîtiers, pour isoler et évacuer la chaleur. Principaux pays producteurs de graphite (Statista) · mention spéciale : des Français bientôt champions d'Europe du graphène (Les Échos)

Les substrats et boîtiers. La puce est montée sur un substrat, puis protégée : époxy renforcé de fibre de verre (FR-4) pour supporter la puce, alliages de cuivre et d'aluminium pour les boîtiers et dissipateurs, plastiques et polymères pour isoler et encapsuler les composants sensibles.

Annexe 2 — Les nœuds avancés en détail

Densité de transistors. Les nœuds avancés permettent d'intégrer davantage de transistors sur une surface donnée. Plus de transistors, c'est plus d'unités fonctionnelles (cœurs de calcul, unités de traitement parallèle, mémoire intégrée) donc de meilleures performances — ou, à nombre de transistors égal, une puce plus petite, ce qui profite aux appareils compacts. En contrepartie, plus les transistors sont petits, plus ils deviennent sensibles à des phénomènes physiques comme le courant de fuite et la variabilité des caractéristiques électriques. Et la densité accrue complique la dissipation thermique.

Performances et consommation. Des transistors plus petits raccourcissent les chemins électriques, ce qui améliore la vitesse d'horloge ; les progrès de conception (FinFET, GAA) permettent une meilleure gestion du courant et une latence réduite. Côté énergie, la tension d'alimentation baisse, donc la consommation aussi — essentiel pour les appareils mobiles, les centres de données et les systèmes embarqués. Le revers : cette baisse de tension réduit la marge de fonctionnement des transistors, rendant les puces plus sensibles aux variations d'environnement (chaleur, bruit électrique).

Nouvelles architectures. Les nœuds avancés ouvrent la voie à des conceptions qui étaient hors de portée :

• ▸Empilement 3D (3D stacking) : intégration verticale des circuits, comme les architectures à base de chiplets ou la 3D V-Cache.
• ▸Intégration de la mémoire : davantage de mémoire directement sur la puce, comme dans les GPU modernes.
• ▸IA et calcul hétérogène : les architectures hybrides (CPU + GPU + accélérateurs d'IA) tirent parti des nœuds avancés pour maximiser les performances.

Annexe 3 — Les acteurs français et européens

• ▸STMicroelectronics — fabricant de semi-conducteurs, franco-italien, siège à Genève mais forte présence en France. L'un des leaders européens de la conception et de la fabrication de puces, spécialisé dans l'automobile, l'électronique industrielle, l'IoT et les solutions intégrées. Il produit sur des technologies matures (28 nm, 40 nm) adaptées à ces secteurs, notamment à Crolles, près de Grenoble, sur des wafers de 300 mm.
• ▸Soitec — fournisseur de matériaux, basé à Bernin, près de Grenoble. Spécialisé dans les substrats en silicium sur isolant (SOI) et d'autres matériaux avancés, utilisés pour les smartphones, la 5G, l'automobile et les systèmes embarqués. Ses substrats améliorent les performances et réduisent la consommation des puces. Il collabore avec TSMC, Samsung et GlobalFoundries.
• ▸CEA-Leti — centre de recherche appliquée, à Grenoble. Spécialisé dans l'innovation pour les semi-conducteurs, connu pour ses travaux sur les transistors 3D, la lithographie EUV et l'intégration hétérogène. Il travaille en partenariat avec STMicroelectronics, Soitec et des acteurs internationaux, et accélère l'innovation qui permet à l'industrie européenne de rester compétitive.
• ▸Kalray — concepteur de processeurs spécialisés, à Montbonnot-Saint-Martin, près de Grenoble. Conçoit des processeurs pour applications critiques et haute performance : les MPPA (Massively Parallel Processor Array), un DPU (Data Processing Unit) utilisé dans les systèmes autonomes, les centres de données et l'intelligence artificielle. Comme NVIDIA, Kalray ne fabrique pas ses puces.