Pourquoi Anthropic, OpenAI et Google conçoivent désormais leurs propres puces
Anthropic a confirmé la création d’une équipe dédiée à la conception de puces. Une décision qui s’inscrit dans un mouvement plus large, où chaque laboratoire d’IA cherche à maîtriser son matériel sans s’affranchir pour autant de Nvidia.
Anthropic a confirmé, mercredi 5 août 2026, la création d’une équipe interne chargée de concevoir ses propres puces pour Claude. L’annonce arrive au terme de six semaines d’accords en rafale entre les laboratoires d’IA et leurs fournisseurs de matériel, alors que l’intensité d’usage de Claude Code sature régulièrement les infrastructures de l’entreprise. Mais concevoir ses propres puces ne revient pourtant pas à se libérer de Nvidia.
Une « équipe silicium » confirmée chez Anthropic, sans cahier des charges ni calendrier
L’information a été publiée par Business Insider, puis confirmée à TechCrunch. Un porte-parole d’Anthropic indique que l’entreprise concevra désormais son matériel et ses modèles ensemble, pour que Claude tourne plus vite et plus efficacement « à l’échelle dont [ses] clients ont besoin ». Rien ne change pour autant à court terme. Le porte-parole confirme le maintien d’une « approche multi-puces » où le matériel d’AWS, de Google, de Nvidia et d’AMD reste central.
L’offre d’emploi renseigne sur le niveau d’ambition. Anthropic recrute pour sa « custom silicon team » des profils couvrant toute la chaîne de conception, du design front-end au packaging, avec une rémunération de 320 000 à 485 000 dollars annuels. « C’est un poste pour quelqu’un qui a déjà livré du silicium (des puces de silicium, ndlr), qui entretient un rapport réaliste aux calendriers et qui est à l’aise pour trancher sans une grande organisation derrière lui », précise l’annonce.
Le projet est pourtant encore embryonnaire. Selon The Information, qui a révélé le 2 juillet des discussions avec Samsung en s’appuyant sur trois sources, Anthropic cherche encore à définir ce que sa puce devra faire et comment elle s’insérera dans un serveur. Le laboratoire examine le procédé 2 nanomètres du Coréen, discute aussi de puces avec Microsoft et avec la jeune pousse britannique Fractile, tout en ayant recruté en juin Clive Chan, l’un des premiers membres de l’équipe puce d’OpenAI. Rien ne dit que ce projet aboutira.
L’inférence, ce qui rend les puces sur mesure rentables
Si tous ces acteurs se mettent à concevoir des puces, c’est que la charge de calcul a changé de nature. Faire répondre un modèle, requête après requête, est un travail répétitif et prévisible. Il se fige donc dans un circuit dédié beaucoup plus facilement que l’entraînement, qui reste exploratoire.
Entraînement, inférence, GPU et ASIC... Kézako ?
L’entraînement fabrique le modèle en lui faisant ingérer des données. Opération lourde et ponctuelle, elle réclame une puissance brute considérable. L’inférence désigne le fonctionnement du modèle une fois entraîné, quand il produit une réponse. Elle se répète à chaque requête et son coût cumulé grimpe avec l’adoption.
Un GPU est une puce généraliste, capable des deux exercices, ce qui explique la position de Nvidia. Un ASIC est un circuit conçu pour une tâche unique. Il perd en polyvalence ce qu’il gagne en performance par watt.
OpenAI a franchi le pas avant Anthropic. Le 24 juin, l’entreprise a dévoilé Jalapeño, un processeur conçu avec Broadcom et taillé pour l’inférence seule. « Jalapeño a été conçu de zéro pour l’inférence de LLM, à partir d’informations détaillées issues de notre collaboration étroite avec les chercheurs d’OpenAI », détaille Richard Ho, responsable du programme matériel d’OpenAI.
Cette spécialisation ne fait pas de ces puces des concurrentes des GPU. Le journaliste Jérôme Marin le pointait déjà dans nos colonnes, à propos du contrat OpenAI-Oracle. « Le fait de développer sa propre puce ne veut pas dire concurrencer Nvidia. Les puces Nvidia sont indispensables pour l’entraînement. Mais OpenAI, avec Broadcom, veut concevoir des puces dédiées à certains besoins, comme l’inférence », expliquait-il. Dix mois plus tard, Jalapeño valide cette lecture.
Nvidia a tout de même répondu sur ce terrain. Fin décembre, le groupe a déboursé 20 milliards de dollars pour la propriété intellectuelle de Groq et le recrutement de ses ingénieurs. L’architecture à très faible latence de la startup est devenue le LPU Groq 3, attendu au troisième trimestre. Publiquement, Nvidia défend toujours la polyvalence de ses GPU : « NVIDIA offre plus de performance, de polyvalence et de fongibilité que les ASIC, conçus pour des frameworks ou des fonctions spécifiques », écrivait son compte X newsroom en novembre.
Wafers, mémoire et électricité : les trois verrous que personne ne peut éviter
Ce débat sur les architectures masque une contrainte que personne n’esquive. Qu’un acteur conçoive sa propre puce ou qu’il achète celle de Nvidia, il s’approvisionne au même endroit. Broadcom en est le meilleur témoin, puisque le groupe américain co-conçoit les accélérateurs de six grands clients, dont Google, Meta, OpenAI et Anthropic. Interrogé le 3 juin sur les 30 milliards de dollars de commandes enregistrées en un seul trimestre, face à 10,8 milliards effectivement livrés, son président et directeur général Hock Tan a décrit ce que ces clients doivent aligner avant de recevoir quoi que ce soit. « Il ne s’agit pas seulement de demander des wafers, d’obtenir les puces ou la mémoire, de s’assurer que les HBM sont disponibles ou que la DRAM est disponible. Il faut aussi pouvoir disposer de l’électricité nécessaire », a-t-il détaillé devant les analystes.
Wafer, DRAM, HBM et TPU... Kézako ?
- Wafer : le disque de silicium sur lequel une fonderie grave plusieurs centaines de puces d’un coup. C’est l’unité de compte de l’industrie, la capacité d’une usine se mesure en wafers par mois.
- DRAM : la mémoire vive, celle des barrettes d’un PC comme des serveurs.
- HBM : de la DRAM empilée puis collée contre le calculateur, pour lui livrer les données à très haut débit.
- TPU : l’accélérateur maison de Google, co-conçu avec Broadcom. Il n’est pas vendu, mais loué via Google Cloud.
Or ces verrous se referment sur très peu d’acteurs. Trois fabricants seulement produisent de la HBM – SK hynix, Samsung et Micron -, tous trois entrés au capital d’Anthropic en mai. Et l’assemblage de ces piles de mémoire avec le calculateur, ce que la filière appelle le packaging avancé, reste pour l’essentiel une spécialité de TSMC. C’est parce que la demande d’accélérateurs a saturé les lignes du fondeur taïwanais que Samsung a trouvé une ouverture pour démarcher de nouveaux clients, relève The Information. Les engagements d’approvisionnement se multiplient en conséquence. Le 22 juillet, AMD s’est engagé à fournir 2 gigawatts de GPU Instinct MI450 à Anthropic, avec un investissement pouvant atteindre 5 milliards de dollars dans le laboratoire. Deux jours plus tard, Nvidia verrouillait son propre approvisionnement en mémoire auprès de SK hynix, dans un partenariat chiffré à plus de 500 milliards de dollars.
Si Anthropic figure dans cette liste, ce n’est pas pour une puce de sa conception. Hock Tan a corrigé un analyste sur ce point lors de la même conférence. « Le deal que nous avons fait avec Anthropic, c’est que nous utilisons nos puces TPU que nous développons pour fournir la capacité de calcul à Anthropic », a-t-il rappelé, en référence aux 3,5 gigawatts de capacité TPU signés en avril avec Google et Broadcom. Nvidia, lui, a vu sa part de marché progresser ces dernières années pour atteindre 74 %, selon les estimations de The Information.
Des effets qui se mesurent jusque dans le prix de la RAM
Cette compétition a une conséquence concrète pour les acheteurs de matériel. Les fabricants de mémoire ont réorienté leurs capacités vers les serveurs d’IA, bien plus rentables que la DRAM classique. Sur le seul premier trimestre 2026, les prix contractuels de cette dernière ont bondi de 93 à 98 %, selon TrendForce. La hausse ralentit depuis, faute d’acheteurs capables de l’absorber, mais le cabinet attend encore 13 à 18 % sur la DRAM serveur au troisième trimestre et a ramené sa prévision de livraisons d’ordinateurs portables pour 2026 à -13,6 %.
Pour les équipes techniques, l’effet le plus immédiat porte moins sur les tarifs que sur l’accès. Aucun de ces accélérateurs maison ne se loue à l’unité. Les TPU passent par Google Cloud, Trainium par AWS, et Jalapeño servira d’abord les produits d’OpenAI. La multiplication des architectures n’élargit donc pas le choix des développeurs et développeuses qui déploient des modèles. Elle ajoute des dépendances aux plateformes qui les exploitent.
Une question monte pourtant depuis l’été. Tous ces gigawatts commandés trouveront-ils preneur ? Le doute s’est matérialisé le 28 juillet à Séoul. La cotation du Kospi, l’indice de la Bourse coréenne dont Samsung Electronics et SK hynix représentent à eux seuls près de la moitié du poids, a été suspendue avant de clôturer en repli de 10,8 %. Les deux fabricants de mémoire ont cédé plus de 13 % chacun.
Charlie Dai, VP principal analyst chez Forrester, résume le raisonnement des vendeurs. « Les investisseurs réévaluent si les revenus à court terme peuvent justifier des niveaux de dépenses en IA sans précédent », explique-t-il à CNBC, en y voyant une révision des attentes plutôt qu’un affaiblissement de la demande. Les industriels, eux, ne changent rien à leurs plans. Après un bénéfice trimestriel multiplié par six mais inférieur aux attentes, la direction de SK hynix a écarté devant ses investisseurs le scénario du surinvestissement et annoncé un budget d’investissement record de 31 milliards de dollars pour l’année.
Community managers : participez à notre enquête 2026
L'objectif est de comprendre comment évolue votre métier : missions, réseaux utilisés, outils...
Je participe
