À la veille de l'ouverture de la conférence GPU Technology (GTC) de Nvidia, le regard de l'industrie mondiale de l'intelligence artificielle se détourne de la simple compétition sur les capacités des modèles pour se tourner vers une transformation plus profonde des infrastructures d'IA — une ère industrielle appelée « usine d'IA » est en train d'émerger. 
Une usine d'IA est définie comme un système verticalement intégré dont la mission centrale est de transformer l'électricité, les semi-conducteurs, la mémoire et les données en modèles intelligents. Contrairement aux entreprises logicielles traditionnelles, la nature d'une usine d'IA se rapproche davantage de l'industrie lourde : elle nécessite d'immenses infrastructures physiques, des chaînes d'approvisionnement mondiales complexes et un soutien énergétique de l'ordre du gigawatt. Actuellement, les géants technologiques comme Nvidia, Amazon, Microsoft, Google et Meta ont déjà investi des centaines de milliards de dollars dans ce domaine, et l'industrie s'attend généralement à ce que les dépenses en capital de la prochaine phase puissent approcher le trillion de dollars.
Cependant, l'expansion des usines d'IA est confrontée à de multiples contraintes structurelles, et ces goulets d'étranglement redéfinissent les règles de la concurrence dans l'industrie de l'IA.
La première est le « paradoxe de l'appréciation » des GPU. La valeur des puces d'IA, représentées par le H100 de Nvidia, ne se déprécie pas avec le temps, mais s'apprécie au contraire en raison de l'amélioration continue des capacités des modèles. Cela fait du GPU l'actif le plus crucial pour la préservation de la valeur dans l'économie numérique et exacerbe la concurrence pour la puissance de calcul.
La seconde est le goulet d'étranglement de la mémoire. La mémoire à large bande passante (HBM), essentielle pour libérer la puissance de calcul des GPU, voit son coût augmenter rapidement. Les prévisions du secteur indiquent que d'ici 2026, jusqu'à 30 % des dépenses en capital des hyperscalers pourraient être consacrées à l'achat de mémoire. Cette tendance redessine la répartition des ressources dans l'industrie des semi-conducteurs, et le pouvoir de négociation des fournisseurs de HBM comme SK Hynix et Samsung ne cesse de croître.
La troisième est la rigidité de l'offre en équipements en amont. La société néerlandaise ASML est le seul fabricant au monde capable de produire des équipements de lithographie ultraviolette extrême (EUV), avec une capacité annuelle ne permettant de fabriquer que 70 à 100 outils de lithographie EUV. Cette limite physique restreint directement la vitesse d'expansion de la production de puces de pointe, devenant le « goulet d'étranglement le plus étroit » de toute la chaîne d'approvisionnement en puissance de calcul d'IA.
Outre les contraintes liées aux ressources matérielles, l'énergie devient une autre variable centrale pour les usines d'IA. La consommation électrique d'un cluster d'IA hyperscale atteint déjà le niveau du gigawatt, équivalant à la production d'une petite centrale nucléaire. Pour relever les défis de la capacité du réseau et de la volatilité des prix de l'électricité, les entreprises technologiques accélèrent le déploiement de systèmes d'alimentation derrière le compteur, incluant la production d'électricité au gaz naturel, les installations de stockage d'énergie, et même les petits réacteurs nucléaires modulaires.
Parallèlement, les usines d'IA se diffusent au-delà des centres de données centralisés. L'essor de l'edge hyperconvergé permet d'étendre la capacité de calcul d'IA vers des scénarios de première ligne tels que les ateliers d'usine, les centres d'imagerie médicale ou les salles de contrôle portuaire. La construction de ce réseau intelligent distribué exige que les usines d'IA conçoivent leur architecture pour concilier l'entraînement centralisé et l'inférence en périphérie.
Sur le plan de la concurrence mondiale, la souveraineté en IA devient un nouveau point focal des stratégies nationales. Les États-Unis, la Chine, l'Europe et plusieurs pays du Moyen-Orient investissent dans des capacités de calcul d'IA de niveau souverain, considérant les usines d'IA comme des infrastructures stratégiques aussi importantes que les ports, les réseaux électriques ou les stations de communication. Cette pensée de « souveraineté de la puissance de calcul nationale » accélère la fragmentation et la disposition régionale des infrastructures d'IA mondiales.
Dans l'ensemble, les usines d'IA poussent l'industrie de l'intelligence artificielle à passer d'une logique logicielle à faible intensité capitalistique à une logique industrielle à forte intensité capitalistique. Au cours des quatre à cinq prochaines années, ce qui déterminera l'issue de la course à l'IA ne sera pas seulement les percées algorithmiques, mais aussi la capacité à garantir la chaîne d'approvisionnement — incluant l'accès aux machines de lithographie, l'allocation des tranches de mémoire et les infrastructures électriques associées. En tant que pilier fondamental de l'économie numérique, la course à la construction des usines d'IA a déjà commencé.
