Intermédiaire·2 min·24 mai 2026

La mémoire dévore le budget des puces IA

🎧 Résumé audio0:00 / 0:00

En un an, la mémoire représente 63% du coût des puces IA — contre 52% avant. Nvidia, AMD et Google paient le prix.

Pourquoi ça compte pour toi

Si tu construis un produit IA ou investis dans ce domaine, comprendre où s'en va l'argent t'aide à anticiper les coûts et les goulots. La mémoire (HBM) absorbe désormais 20 milliards de dollars par an — et c'est la principale raison pour laquelle les puces IA explosent en prix. Connaître cette tendance te permet d'ajuster tes choix d'infrastructure et de matériel.

Ce qu'il faut retenir

1.Part de la mémoire HBM : passée de 52% à 63% entre Q1 2024 et Q4 2025
2.Budget total des composants IA : $22 Md en 2024 → $52 Md en 2025 (doublé)
3.La mémoire seule représente $20 Md de cette augmentation de $30 Md
4.Le packaging chute de 19% à 15% ; les composants auxiliaires de 15% à 9%

Tu galères avec le jargon ?

Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.

Pourquoi la mémoire coûte si cher

Les puces IA modernes (Nvidia H100, H200, AMD MI300, Google TPU) demandent des bandes passantes monstrueuses. Pour entraîner et faire tourner des modèles de milliards de paramètres, tu dois déplacer énormément de données, très vite. La mémoire HBM (High Bandwidth Memory) répond à ce besoin — mais elle est rare, complexe à fabriquer, et peu de fournisseurs maîtrisent le procédé. Résultat : les prix restent élevés.

Ce que ça change concrètement

Pour les entrepreneurs en IA : si tu calcules le coût réel d'une unité de calcul, la mémoire devient ton principal levier d'optimisation. Au lieu de te concentrer sur la puissance brute du processeur, tu dois te demander : "combien de GB/s me faut-il vraiment ?"

Pour les discussions d'infrastructure : quand tu évalues un fournisseur cloud, demande-lui la part HBM dans son coût. Certains optimisent déjà sur ce point (économies sur le coût marginal), d'autres pas. La différence peut atteindre 10-20% sur ta facture annuelle.

Pour l'industrie : ce basculement explique pourquoi Samsung et SK Hynix investissent massivement en HBM. C'est un oligopole lucratif. Si ces fournisseurs restent limités en capacité, les goulots d'approvisionnement continueront — et les prix resteront hauts.

Le reste baisse (ou stagne)

Le packaging (CoWoS) et les composants auxiliaires perdent de la part. Pourquoi ? Moins parce qu'ils deviennent gratuits, mais parce que la mémoire croît plus vite. Pendant ce temps, les chiplets (logic dies) restent à ~13-14% du coût. C'est une stabilité trompeuse : la conception elle-même se complexifie, mais le coût total reste sous contrôle grâce aux économies d'échelle en fab.

À retenir

Vers 2026-2027, la mémoire risque de dépasser 70% du coût si la tendance continue. Ça veut dire : plus d'argent parti en HBM, moins en R&D chiplet. Nvidia et AMD vont devoir se rapprocher encore davantage de Samsung et SK Hynix — ou inventer des architectures qui réduisent la demande de bande passante brute. Les prochains grands gains d'efficacité viendront de là, pas du silicium.

Et concrètement pour toi ?

Choisis ton profil — la lecture de l'article change selon qui tu es.

🔭 Curieux

Pour toi, savoir que 63% du coût des puces vient de la mémoire explique pourquoi les cartes IA sont si chères et pourquoi Nvidia reste rentable — c'est un oligopole sur un composant critique. C'est aussi pourquoi d'autres acteurs (AMD, Intel, TSMC) investissent massivement pour concurrencer.

Source