Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Les géants de la tech convergent vers TSMC
En 2026, des acteurs majeurs comme Nvidia, Google, Amazon et AMD prévoient de transférer la fabrication de leurs accélérateurs d'intelligence artificielle vers le processus de fabrication N3 de TSMC. Selon SemiAnalysis, cette décision collective met en lumière une sous-estimation chronique de la demande par TSMC, qui ne pourra pas augmenter sa capacité de production suffisamment vite pour répondre à cette nouvelle pression. La société devra attendre au moins deux ans avant de pouvoir ajuster ses infrastructures en conséquence.
La montée en puissance des puces IA
Les prévisions indiquent que d'ici 2027, environ 86 % de la capacité de production N3 de TSMC sera dédiée aux plaques de silicium pour l'IA. Cette réorientation est facilitée par une demande en baisse pour les smartphones, libérant ainsi des ressources qui sont redirigées vers les technologies IA. Cette tendance reflète un changement significatif dans les priorités de production, avec une attention accrue sur les accélérateurs IA.
La rareté de la mémoire accentue la pression
La mémoire HBM, essentielle pour les applications IA, consomme environ trois fois plus de capacité de plaque par bit que la DRAM traditionnelle. Avec l'arrivée de la HBM4, ce ratio pourrait encore se détériorer, atteignant près de quatre fois la consommation de la DRAM, augmentant la pression sur TSMC pour fournir les ressources nécessaires. Cette situation souligne les défis logistiques auxquels l'industrie doit faire face pour répondre à la demande croissante en mémoire avancée.
Une demande exponentielle pour les accélérateurs IA
En 2026, la quasi-totalité des grandes familles d'accélérateurs IA, telles que le Rubin de Nvidia, le TPU v7/v8 de Google, le Trainium3 d'Amazon et le MI350X d'AMD, migreront vers le processus N3 de TSMC. Cette migration simultanée crée un choc de demande pour TSMC, qui peine à suivre le rythme. SemiAnalysis souligne que TSMC a été pris de court par cette demande explosive, ayant sous-estimé l'ampleur de l'essor du calcul IA depuis 2022.
Des investissements massifs mais insuffisants
Malgré des investissements massifs, TSMC ne parviendra pas à combler le fossé entre la demande et sa capacité actuelle. Les dépenses d'investissement de TSMC n'ont pas dépassé leur précédent pic avant 2025. Ce n'est que maintenant que TSMC a reconnu à quel point la demande des clients a dépassé sa capacité, et l'entreprise prévoit de dépasser de manière significative le record de dépenses d'investissement de l'année dernière en 2026. Cependant, cela ne suffira pas à résoudre le problème rapidement. La construction et l'équipement de nouvelles salles blanches prennent du temps, retardant ainsi l'augmentation de la capacité de production.
Utilisation maximale de la capacité N3
Les analystes prévoient que l'utilisation de la capacité N3 de TSMC pourrait dépasser 100 % au second semestre de 2026. Pour maximiser cette capacité, TSMC déplace certaines étapes de production vers d'autres fonderies. Actuellement, les plaques dédiées à l'IA représentent un peu moins de 60 % de la production N3, mais cette proportion devrait atteindre 86 % d'ici 2027.
Les smartphones, une soupape de décompression
Face à cette situation tendue, l'industrie des smartphones joue un rôle de régulateur. La baisse de la demande des consommateurs, due à la hausse des prix de la mémoire, libère des capacités de production qui sont réaffectées aux accélérateurs IA. SemiAnalysis estime que la réallocation de 25 % des débuts de plaques N3 initialement destinées aux smartphones pourrait permettre la fabrication de 700 000 GPU Rubin supplémentaires ou de 1,5 million de TPU v7 supplémentaires.
La mémoire, un goulot d'étranglement persistant
Même avec une capacité logicielle accrue, la rareté de la mémoire reste un problème. La HBM, qui consomme bien plus de ressources que la DRAM standard, pourrait voir son ratio de consommation s'accroître encore avec la HBM4. Ce défi persistant nécessite une attention particulière pour éviter que la production ne soit freinée par ces contraintes matérielles.