Anthropic détaille une infrastructure capable d’orchestrer Amazon Trainium, Google TPUs, GPUs Nvidia et AMD comme un même pool de calcul. Des analystes y voient un moyen de réduire la dépendance à Nvidia et de peser sur ses prix, tout en rappelant que le basculement de puces reste complexe et coûteux, hors de portée des plus petits acteurs. À court terme, les avantages de Nvidia en performance, réseau et logiciel demeurent. Ken Griffin met en garde contre une chute des prix en cas de surcapacité des GPU.
Des obstacles techniques et financiers qui limitent l’impact immédiat
Plusieurs analystes relativisent l’effet à court terme de l’approche d’Anthropic. Brad Gastwirth considère que la stratégie multichip ne constitue pas une menace majeure pour Nvidia dans l’immédiat et rappelle que multiplier les options ne supprime pas ses avantages en performance, en mise en réseau et en logiciel. Patrick Moorhead souligne que le passage d’une puce à une autre demeure ardu, en particulier pour l’entraînement des modèles par rapport à l’inférence. Selon lui, seules les plus grandes entreprises d’IA disposent des ressources suffisantes pour mener une telle stratégie, tandis qu’Anthropic continue de dépenser des milliards dans les calculs sur Nvidia. Il note par ailleurs que si le mélange de puces n’est pas inédit, l’entreprise le présente désormais comme un atout de premier plan auprès des investisseurs. Le constat général est que changer de puces reste difficile et coûteux pour l’industrie.
L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Anthropic orchestre quatre familles de puces comme un pool unique
Anthropic affirme gérer son calcul comme un pool unique et interchangeable, alimenté par plusieurs partenaires stratégiques. Un logiciel interne dirige les charges de travail vers différentes puces en fonction de leur productivité. L’entreprise précise utiliser quatre familles de matériels : Amazon Trainium, Google TPUs, GPUs Nvidia et GPUs AMD. Elle indique que cette flexibilité a nécessité des années d’efforts et des investissements significatifs pour être mise en place.
Moindre dépendance et pression sur la tarification de Nvidia
Des analystes estiment qu’une telle souplesse pourrait, avec le temps, réduire la dépendance des grands acteurs à Nvidia et améliorer leur pouvoir de négociation. Patrick Moorhead pointe un risque pour le pouvoir de tarification de Nvidia : un client capable de déplacer ses charges entre quatre plateformes ne négocie pas comme un client captif. Ashish Nadkarni ajoute qu’un dispositif multichip rend Anthropic moins exposé aux aléas d’approvisionnement propres aux puces Nvidia. Dans le même esprit, Gil Luria juge que d’autres grands acteurs, tels qu’OpenAI, ont probablement adopté une approche similaire, même si l’effort et l’investissement associés peuvent ne pas se justifier pour les plus petits. Plus globalement, des analystes y voient une source potentielle de pression sur les prix pratiqués par Nvidia.
Le scénario de la commoditisation et la chute possible des prix
Un risque de plus grande ampleur pour Nvidia se dessine si la puissance de calcul d’IA devient une marchandise. Ken Griffin avertit que lorsque l’offre dépasse la demande, les prix de location peuvent chuter rapidement. Selon lui, les GPU ont un coût marginal d’exploitation très faible, et une situation de surcapacité se traduirait par une baisse brutale des tarifs.
