Qualcomm a créé la surprise en bourse cette semaine, avec un bond de 22 % de son action, après la présentation de ses nouvelles puces AI200 et AI250. Ce gain spectaculaire reflète un changement de paradigme potentiel dans la course à l’intelligence artificielle : l’attention se déplace de la puissance de calcul brute vers la capacité de mémoire.
Longtemps dominée par les unités de traitement graphique (GPU) et leur capacité à entraîner des modèles complexes comme GPT-4 et Gemini, l’industrie de l’IA pourrait être sur le point de basculer. À mesure que les systèmes passent de la phase d’entraînement à celle du déploiement, ou inférence, la mémoire devient le facteur limitant, et non plus la vitesse de calcul.
« C’est comme avoir une supercar coincée dans les embouteillages », explique un analyste du secteur. « Les processeurs sont prêts à fonctionner à pleine puissance, mais l’autoroute des données est trop étroite. »
Les nouvelles puces d’accélération d’IA de Qualcomm intègrent jusqu’à 768 Go de mémoire LPDDR, soit environ dix fois plus que la configuration H100 de Nvidia, leader actuel du marché. L’entreprise a opté pour la technologie LPDDR, moins coûteuse et à faible consommation d’énergie, qu’elle a perfectionnée pour les smartphones, plutôt que pour la mémoire HBM (High Bandwidth Memory) plus onéreuse.
Ce choix n’est pas seulement une question de réduction des coûts, mais une véritable refonte de la conception du matériel d’IA. Les experts parlent d’un « problème de paille à Martini » : la puissance de calcul est le verre, mais le débit des données est limité par la paille. Quel que soit le potentiel de la puce, elle est bridée par la vitesse à laquelle les données peuvent y entrer et en sortir.
La mémoire LPDDR offre jusqu’à treize fois plus de capacité par dollar par rapport à la HBM, permettant d’exécuter directement en mémoire des modèles de langage volumineux (LLM) ou des charges de travail d’inférence multimodales, sans avoir à constamment transférer les données. Cela se traduit par des réponses plus rapides, une latence réduite et une consommation d’énergie significativement plus faible, des atouts majeurs pour les centres de données.
Selon une étude de Cambrian AI et Grand View, les charges de travail d’inférence devraient dépasser de 100 fois celles de l’entraînement d’ici 2030. L’inférence, qui consiste à utiliser un modèle d’IA déjà entraîné pour effectuer des tâches spécifiques, deviendra donc la principale source de demande.
Pour les investisseurs, cela signifie que la prochaine vague de croissance dans le secteur de l’IA récompensera probablement les entreprises capables de fournir une inférence plus efficace et moins coûteuse à grande échelle. Qualcomm, fort de son expérience dans la conception de puces mobiles à faible consommation, pourrait être en position de force.
Des tests indépendants cités par l’entreprise indiquent que son architecture Cloud AI 100 Ultra consomme 20 à 35 fois moins d’énergie que les configurations Nvidia comparables pour certaines charges de travail d’inférence. Dans un contexte où la consommation énergétique des centres de données double tous les trois ans et où les fournisseurs d’électricité mettent en garde contre les contraintes du réseau, ces économies d’énergie sont cruciales.
Le chemin de Qualcomm n’est pas sans obstacles. L’entreprise doit encore établir des relations solides dans le secteur des centres de données d’entreprise, où Nvidia est bien implantée. Cependant, elle bénéficie d’un partenariat avec Humain, une initiative saoudienne d’IA qui investit plus de 40 milliards de dollars dans les infrastructures, lui offrant ainsi un accès à des capitaux et à une échelle de déploiement précoce.
Avec un ratio cours/bénéfices prévisionnel d’environ 15 à 20 (selon les estimations), Qualcomm se négocie avec une décote significative par rapport à Nvidia (52 à 57) et AMD (26 à 27). Cette valorisation plus faible pourrait offrir un potentiel de hausse important si l’entreprise parvient à s’imposer sur le marché de l’inférence, estimé à 254 milliards de dollars d’ici 2030.
Alors que Nvidia conserve son hégémonie dans le domaine de l’entraînement de l’IA, le marathon de l’inférence ne fait que commencer, et Qualcomm pourrait avoir choisi la stratégie la plus judicieuse pour remporter la victoire.