Marché des puces accélératrices d’IA Taille et part 2026-2035

Taille du marché des puces accélératrices d’IA

Le marché mondial des puces accélératrices d’IA était évalué à 120,2 milliards de dollars en 2025 et devrait atteindre 154,6 milliards de dollars en 2026, avant de s’établir à 1 000 milliards de dollars d’ici 2035, avec un taux de croissance annuel composé d’environ 23,6 % sur la période 2026–2035.

L’IA générative accélère la demande d’accélérateurs spécialisés en augmentant les besoins de calcul des grands modèles de langage, des applications multimodales et de l’inférence d’IA. Les charges de travail d’entraînement et d’inférence nécessitent un traitement parallèle haute performance, un accès efficace à la mémoire et des interconnexions à large bande passante, ce qui favorise le développement de GPU, d’accélérateurs d’IA et de circuits intégrés spécifiques à une application. L’adoption croissante de l’IA dans les centres de données, le cloud computing et les applications d’entreprise renforce la demande d’architectures d’accélérateurs avancées.

Le marché ne deviendra pas homogène à mesure qu’il se développera. Les GPU conservent un avantage lorsque la portabilité des logiciels, la prise en charge étendue des frameworks et l’itération rapide des modèles sont déterminantes, tandis que les ASIC personnalisés deviennent plus attrayants lorsqu’un opérateur hyperscale peut répartir un investissement de conception fixe sur un trafic d’inférence soutenu et à haut volume. La montée en puissance de Blackwell par NVIDIA montre que la demande de GPU commerciaux demeure exceptionnellement forte, mais son ampleur donne également aux grands opérateurs cloud une raison économique de réduire le coût par charge de travail grâce à du silicium propriétaire. Les résultats concurrentiels dépendront donc des écosystèmes logiciels, de l’accès à la mémoire, de la disponibilité des solutions de conditionnement et de l’efficacité énergétique, plutôt que de la seule capacité de calcul de pointe. ^{[2]NVIDIA Corporation, NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2025. investor.nvidia.com}

Cette étude couvre les processeurs spécialisés utilisés pour accélérer l’entraînement et l’inférence de l’IA entre 2022 et 2025, avec des prévisions de 2026 à 2035 et 2025 comme année de référence. Le périmètre technologique comprend les NPU, les GPU, les ASIC, les FPGA et d’autres architectures d’accélérateurs émergentes. Le périmètre des charges de travail couvre les systèmes optimisés pour l’entraînement, ceux optimisés pour l’inférence et les systèmes hybrides. Le périmètre des utilisations finales comprend l’automobile, l’électronique grand public, les télécommunications, les applications scientifiques et le calcul haute performance (HPC), les entreprises et le cloud, ainsi que d’autres applications dans les services financiers, l’industrie, le commerce de détail, les médias et la santé.

La couverture géographique comprend l’Amérique du Nord, l’Europe, l’Asie-Pacifique, l’Amérique latine, le Moyen-Orient et l’Afrique. Les pays étudiés sont les États-Unis, le Canada, l’Allemagne, la France, le Royaume-Uni, l’Italie, la Russie, l’Espagne, la Chine, l’Inde, le Japon, l’Australie, la Corée du Sud, le Brésil, le Mexique, l’Argentine, l’Arabie saoudite, les Émirats arabes unis et l’Afrique du Sud.

Facteurs clés

Demande des fournisseurs de cloud hyperscale pour l’accélération de l’inférence de l’IA dans les centres de données

Les plateformes cloud étoffent leurs flottes d’accélérateurs, car l’IA en production génère un profil d’utilisation distinct de celui de l’informatique d’entreprise traditionnelle. Le traitement des requêtes des grands modèles exige une faible latence, une bande passante mémoire élevée et un débit prévisible pour des charges de travail actives en continu. NVIDIA a enregistré un chiffre d’affaires de 115,2 milliards de dollars (USD) dans les centres de données au cours de l’exercice 2025, tandis que les systèmes Blackwell sont déployés par AWS, Google Cloud, Microsoft Azure et Oracle Cloud Infrastructure. Ces déploiements soutiennent la demande de GPU marchands, tout en renforçant l’intérêt des fournisseurs de cloud pour l’optimisation d’une partie de leurs flottes de traitement au moyen d’ASIC conçus en interne.

Déploiement de l’IA générative dans les charges de travail des entreprises et du cloud

L’adoption par les entreprises génère une demande à la fois par l’intermédiaire d’infrastructures cloud centralisées et de déploiements localisés, lorsque la latence, le contrôle des données sensibles ou l’intégration aux systèmes existants revêtent une importance particulière. AMD a enregistré un chiffre d’affaires de 12,6 milliards de dollars (USD) dans les centres de données en 2024 et a indiqué que les accélérateurs Instinct MI300X étaient déployés dans des environnements de production chez Meta, Microsoft et Oracle. La conséquence commerciale est que les achats d’accélérateurs dépendent de plus en plus de la capacité mémoire, de la compatibilité logicielle, de l’intégration au niveau de la baie et du coût total d’exploitation d’un service d’inférence, et non plus uniquement du débit au niveau du composant. ^{[3]Advanced Micro Devices, Inc., AMD Reports Fourth Quarter and Full Year 2024 Financial Results. ir.amd.com}

Adoption de l’IA en périphérie dans les appareils grand public, les véhicules et les systèmes industriels

Le traitement de l’IA s’intègre à des appareils qui ne peuvent pas dépendre d’un aller-retour permanent vers un centre de données distant. Les fabricants d’électronique grand public intègrent des NPU dans les smartphones et les PC afin de prendre en charge le traitement du langage, l’imagerie, la traduction et les fonctionnalités d’assistant directement sur l’appareil. Les systèmes automobiles nécessitent également une puissance de calcul locale pour la fusion des capteurs et les charges de travail d’aide à la conduite, la gestion thermique, la qualification en matière de sécurité fonctionnelle et les longs cycles de conception influençant le choix des fournisseurs. Cette migration élargit la demande au-delà des GPU cloud et favorise les architectures de silicium conçues pour respecter des contraintes de puissance et de latence strictes.

Programmes de soutien public aux semi-conducteurs et à la fabrication de composants d’IA

Les stratégies nationales en matière de semi-conducteurs élargissent le marché adressable en soutenant les capacités de fabrication, le conditionnement avancé et le développement national de puces d’IA. Le CHIPS and Science Act des États-Unis prévoit 39 milliards de dollars (USD) d’incitations à la fabrication et 11 milliards de dollars (USD) pour des programmes de recherche et développement. La Corée du Sud a également annoncé un programme de 9,4 billions de wons visant à soutenir la recherche sur les puces d’IA et le développement de mémoires à large bande passante. Ces programmes ne créent pas immédiatement de capacités de fabrication de pointe, mais ils influencent les décisions d’approvisionnement à long terme et peuvent soutenir des écosystèmes régionaux autour de la logique, de la mémoire, du conditionnement et de l’intégration des systèmes. ^{[4]U.S. Department of Commerce, CHIPS and Science Act Overview, undated. commerce.gov}

Infrastructure de télécommunications native de l’IA

Les réseaux radio virtualisés constituent un vecteur d’accélération potentiel, car certaines fonctions radio et d’optimisation des réseaux peuvent être exécutées sous forme logicielle sur des plateformes de calcul flexibles. SoftBank a fait la démonstration d’une technologie massive MIMO entièrement logicielle au moyen d’une infrastructure AI-RAN fondée sur des GPU et a présenté un déploiement commercial à partir de 2026. L’adoption dépendra de la capacité des opérateurs à démontrer une réduction des coûts d’exploitation, des performances radio fiables et de nouvelles opportunités de revenus liées aux services de périphérie, par rapport aux équipements réseau spécialisés.

Principaux freins

Coûts de développement élevés et cycles de conception prolongés sur les nœuds avancés

La conception d’un accélérateur d’IA compétitif nécessite des outils coûteux d’automatisation de la conception électronique, des licences de propriété intellectuelle, des opérations de vérification, l’activation logicielle, le tape-out et la validation post-silicium. Semiconductor Engineering estime que les coûts de conception de puces complexes augmentent sensiblement sur les nœuds avancés, atteignant environ 542 millions de dollars (USD) à 5 nm et près de 580 millions de dollars (USD) à 3 nm. Ces conditions économiques favorisent les fournisseurs disposant d’un accès durable aux capitaux et de plateformes logicielles établies, tandis que les start-up doivent cibler des écarts précisément définis en matière de performances, de latence ou d’efficacité énergétique plutôt que de tenter de reproduire directement un écosystème GPU complet. ^{[5]Semiconductor Engineering, What Will That Chip Cost?, undated. semiengineering.com}

Dépendance à l’égard des chaînes d’approvisionnement en fonderie avancée, en assemblage et en HBM

Les accélérateurs haute performance nécessitent davantage qu’une puce logique gravée sur un nœud de pointe. Leurs performances concrètes dépendent de la disponibilité de mémoire à large bande passante (HBM), de la capacité d’assemblage avancé, de la conception de l’interconnexion et du rendement de fabrication. Cette concentration fait du respect des délais d’approvisionnement un facteur de compétitivité : un fournisseur doté d’une architecture attrayante peut néanmoins être incapable de respecter les calendriers de déploiement de ses clients s’il n’a pas accès à des capacités adaptées de fonderie et d’assemblage. Les contrôles à l’exportation constituent une contrainte distincte en Chine, où l’accès limité à certains accélérateurs avancés favorise les solutions nationales, mais restreint également l’accès aux technologies de fabrication de pointe. ^{[6]Center for Strategic and International Studies, DeepSeek, Huawei, Export Controls, and the Future of the U.S.-China AI Race. csis.org}

Le frein ne relève pas simplement d’un problème d’approvisionnement. Il renforce la position sur le marché des entreprises qui associent matériel, logiciels matures, ingénierie des systèmes et relations d’approvisionnement. Les politiques fédérales en matière d’infrastructures d’IA ont également accru la valeur stratégique des semi-conducteurs de pointe produits sur le territoire national pour les projets admissibles.

Les fournisseurs disposant de plateformes validées et d'un accès à des capacités de fabrication peuvent s'approprier des déploiements à plus forte valeur, tandis que les acteurs émergents doivent démontrer un avantage économique clair au niveau de la charge de travail avant que les clients n'acceptent les risques liés à la migration, à l'intégration et à l'approvisionnement.

Analyse des segments du marché des puces accélératrices d'IA

Par type de technologie

NPU

Les NPU devraient progresser de 27 709,1 millions de dollars en 2026 à 207 615,9 millions de dollars en 2035, avec un taux de croissance annuel composé (CAGR) de 25,1 %. Leur expansion est liée à leur intégration dans les SoC des appareils grand public et des systèmes périphériques, où l'inférence doit fonctionner dans des limites fixes de batterie, de température et de latence. Qualcomm et Apple bénéficient de l'adéquation de cette architecture avec les cycles de produits mobiles et informatiques personnels, tandis que les déploiements dans les secteurs automobile et industriel élargissent la base adressable au-delà des appareils grand public.

GPU

Les GPU restent le principal segment technologique, passant de 75 040,5 millions de dollars en 2026 à 446 374,1 millions de dollars en 2035, avec un CAGR de 21,9 %. Leur position s'explique par leur large programmabilité, leurs outils de développement établis et leur adéquation à la fois à l'entraînement et à l'inférence. La plateforme Blackwell de NVIDIA reste au cœur des infrastructures d'IA haute densité, tandis que la gamme de produits Instinct d'AMD s'est imposée comme une alternative significative dans les environnements hyperscale. Le facteur limitant pour la substitution des GPU réside souvent dans la migration logicielle et l'intégration des systèmes plutôt que dans les performances matérielles brutes.

ASIC

Les ASIC devraient passer de 35 629,4 millions de dollars en 2026 à 301 043,0 millions de dollars en 2035, affichant le CAGR le plus élevé parmi les technologies, à 26,8 %. Les fournisseurs de services cloud hyperscale peuvent justifier le recours à des puces personnalisées lorsque des charges de travail importantes et stables permettent d'amortir les coûts de conception sur une utilisation durable. La stratégie de Google en matière de TPU illustre cette approche : l'entreprise positionne les TPU comme une infrastructure différenciée pour l'entraînement et l'inférence de l'IA dans Google Cloud. La croissance des ASIC traduit donc une évolution vers une économie spécialisée de l'inférence en production plutôt qu'un remplacement généralisé des GPU pour toutes les charges de travail d'IA. ^{[7]Alphabet Inc., Annual Report on Form 10-K for Fiscal Year Ended December 31, 2025. sec.gov}

FPGA

Les FPGA devraient progresser de 10 512,8 millions de dollars en 2026 à 51 904,0 millions de dollars en 2035, avec un CAGR de 19,4 %. Leur reconfigurabilité leur confère un rôle dans l'accélération des réseaux, l'inférence spécialisée en périphérie, le trading financier et le prototypage, mais la complexité de leur programmation et leur moindre efficacité à grande échelle dans les charges de travail d'IA standardisées limitent leur expansion par rapport aux GPU et aux ASIC. Le portefeuille Altera d'Intel et les actifs Xilinx d'AMD restent pertinents lorsque la flexibilité du matériel présente une valeur opérationnelle.

Autres

D'autres approches d'accélération, notamment les architectures neuromorphiques, analogiques et de traitement en mémoire, devraient progresser de 5 708,3 millions de dollars en 2026 à 31 142,4 millions de dollars en 2035, avec un CAGR de 20,7 %. Leur potentiel se concentre sur les tâches d'inférence à très faible consommation, pour lesquelles les mouvements de données et la consommation énergétique sont plus importants que la programmabilité générale. L'approche de calcul analogique en mémoire de Mythic AI et les architectures similaires ciblent ce potentiel de périphérie soumis à de fortes contraintes énergétiques.

Par type de charge de travail

Optimisé pour l'entraînement

Les accélérateurs optimisés pour l'entraînement devraient progresser de 68 452,1 millions de dollars en 2026 à 419 384,1 millions de dollars en 2035, avec un CAGR de 22,3 %. L'entraînement des modèles de pointe nécessite toujours des grappes de calcul étroitement interconnectées offrant un débit et une bande passante mémoire élevés. Les GPU restent particulièrement importants dans ce segment, car les équipes de recherche ont besoin de flexibilité pour tester l'évolution des architectures de modèles, des combinaisons de données et des méthodes d'optimisation.

Optimisé pour l'inférence

Les accélérateurs optimisés pour l'inférence devraient passer de 57 653,9 millions de dollars en 2026 à 464 021,5 millions de dollars d'ici 2035, à un taux de croissance annuel composé (CAGR) de 26,1 %, dépassant les systèmes optimisés pour l'entraînement en valeur de marché. L'exécution des modèles en production génère des coûts récurrents liés à l'énergie, à la mémoire et à l'utilisation de l'infrastructure, ce qui incite les clients à privilégier des architectures améliorant le débit par watt et le coût par résultat généré. Le TPU Ironwood de Google, orienté vers l'inférence, illustre la manière dont les grands opérateurs adaptent leur matériel à ce modèle d'exploitation.

Hybrides

Les accélérateurs hybrides devraient passer de 28 494,0 millions de dollars en 2026 à 154 673,8 millions de dollars d'ici 2035, à un CAGR de 20,7 %. Ils s'adressent aux entreprises et aux utilisateurs de taille intermédiaire qui ont besoin d'un même pool matériel pour l'expérimentation, l'affinage et le déploiement en production. Cette flexibilité réduit la charge opérationnelle liée à la maintenance de flottes distinctes pour l'entraînement et l'inférence, même si ces accélérateurs peuvent ne pas égaler l'efficacité des systèmes spécialisés pour des volumes hyperscale.

Par secteur d'utilisation finale

Automobile

Le secteur automobile devrait progresser de 18 147,7 millions de dollars en 2026 à 139 102,6 millions de dollars en 2035, à un CAGR de 25,4 %. Les systèmes avancés d'aide à la conduite et les systèmes autonomes nécessitent le traitement local des données issues des caméras, des radars et d'autres capteurs. Les longs cycles de qualification, les contraintes thermiques et les exigences de sécurité constituent des barrières à l'entrée et peuvent rendre les contrats de conception durables une fois le matériel adopté sur une plateforme automobile.

Électronique grand public

L'électronique grand public devrait être le secteur d'utilisation finale affichant la croissance la plus rapide, passant de 32 894,1 millions de dollars en 2026 à 274 053,0 millions de dollars en 2035, à un CAGR de 26,6 %. L'intégration de NPU transforme les capacités d'IA en une fonctionnalité de plus en plus standard des smartphones, des PC, des tablettes et des produits pour la maison intelligente. Les volumes unitaires élevés rendent ce segment stratégiquement important, même si la valeur des accélérateurs au niveau des appareils est inférieure à celle des systèmes destinés aux centres de données.

Télécommunications

Le secteur des télécommunications devrait passer de 11 511,8 millions de dollars en 2026 à 64 360,9 millions de dollars en 2035, à un CAGR de 21,1 %. L'AI-RAN, le vRAN et les déploiements en périphérie élargissent le rôle des accélérateurs dans l'optimisation des réseaux et les services d'IA localisés. Le rythme d'adoption dépend de la capacité des opérateurs à démontrer que les fonctions réseau définies par logiciel peuvent satisfaire aux exigences de niveau opérateur tout en présentant un modèle économique crédible.

Applications scientifiques et HPC

Les applications scientifiques et HPC devraient progresser de 9 775,5 millions de dollars en 2026 à 49 827,8 millions de dollars en 2035, à un CAGR de 19,8 %. La demande est soutenue par le calcul scientifique, la simulation et le calcul haute performance dans le secteur public, mais les achats suivent les cycles de financement et des calendriers d'approvisionnement plus longs que ceux des infrastructures cloud commerciales.

Entreprises et cloud

Le segment des entreprises et du cloud reste le plus important par utilisation finale, passant de 53 277,5 millions de dollars en 2026 à 321 804,6 millions de dollars en 2035, à un CAGR de 22,1 %. Les clusters hyperscale prennent en charge d'importantes charges de travail d'entraînement et d'exécution en production, tandis que les entreprises ajoutent des systèmes sur site lorsque les exigences en matière de confidentialité, de latence ou de résidence des données justifient une infrastructure dédiée. Les critères d'achat du segment incluent de plus en plus la vitesse de déploiement, la consommation d'énergie, la capacité mémoire et la compatibilité avec les piles logicielles existantes.

Autres

Les autres secteurs, notamment les services financiers, les activités industrielles, la vente au détail, les médias et la santé, devraient passer de 28 993,4 millions de dollars en 2026 à 188 930,5 millions de dollars en 2035, à un CAGR de 23,2 %. Ces applications adoptent généralement les accélérateurs par l'intermédiaire de systèmes embarqués, de services cloud gérés ou de déploiements d'inférence spécialisés, plutôt que via des clusters d'entraînement à l'échelle des modèles de pointe.

L'électronique grand public et l'automobile constituent une deuxième voie de croissance, distincte sur le plan commercial. Leurs taux de croissance annuels composés (CAGR) prévus, respectivement de 26,6 % et 25,4 %, sont liés au déploiement en périphérie, où une puce doit répondre à des exigences de consommation énergétique, d'intégration, de fiabilité et de cycle produit différentes de celles des achats des hyperscalers. Les fournisseurs capables d'adapter leurs architectures et leurs modèles commerciaux aux fabricants d'équipements d'origine (OEM) de dispositifs, aux programmes de qualification automobile et aux opérateurs cloud pourront répondre à une base de demande plus large que les fournisseurs exclusivement axés sur les centres de données.

Analyse régionale du marché des puces accélératrices d'IA

Amérique du Nord

Le marché nord-américain devrait progresser de 60 591,3 millions de dollars en 2026 à 352 947,0 millions de dollars en 2035, avec un taux de croissance annuel composé (CAGR) de 21,6 %. Les États-Unis représentent 51 362,8 millions de dollars en 2026 et devraient atteindre 289 416,5 millions de dollars d'ici 2035, grâce à la concentration des hyperscalers, des concepteurs de puces d'IA, des clients du cloud et des investissements dans les semi-conducteurs avancés. Le marché canadien devrait passer de 9 228,5 millions de dollars à 63 530,5 millions de dollars sur la même période, sous l'effet de l'essor de la recherche en IA, des infrastructures cloud et de l'adoption par les entreprises.

La région associe la demande au développement stratégique de l'offre. Les incitations du CHIPS Act soutiennent les investissements dans la logique, la mémoire et le conditionnement, notamment dans le cadre de projets impliquant TSMC, Samsung, SK hynix et Intel. L'accent mis par les États-Unis sur les infrastructures d'IA favorise également l'approvisionnement national en semi-conducteurs pour certains projets réalisés sur des sites fédéraux. Ces initiatives renforcent progressivement la flexibilité de la chaîne d'approvisionnement, même si la construction et la qualification des capacités avancées nécessitent de longues périodes.

Europe

Le marché européen devrait progresser de 25 639,8 millions de dollars en 2026 à 139 102,6 millions de dollars en 2035, avec un taux de croissance annuel composé (CAGR) de 20,7 %. L'Allemagne est en tête de la région, passant de 6 145,7 millions de dollars à 39 505,1 millions de dollars, suivie du Royaume-Uni, de 4 737,4 millions de dollars à 24 064,8 millions de dollars, et de la France, de 3 861,8 millions de dollars à 21 143,6 millions de dollars. L'Italie, l'Espagne et la Russie devraient passer respectivement de 2 654,7 millions de dollars, 2 086,7 millions de dollars et 1 893,4 millions de dollars en 2026 à 12 380,1 millions de dollars, 8 624,4 millions de dollars et 8 346,2 millions de dollars d'ici 2035.

La demande européenne est liée à l'automatisation industrielle, au développement automobile, au calcul scientifique et à l'expansion des centres de données, mais la région reste dépendante des accélérateurs de pointe provenant de l'étranger. Graphcore représente un concurrent doté d'une architecture locale grâce à sa plateforme IPU, bien que l'entreprise opère sur un marché où les vastes écosystèmes de GPU et les programmes d'ASIC des hyperscalers ont relevé le seuil commercial pour les architectures alternatives.

Asie-Pacifique

L'Asie-Pacifique devrait être la région à la croissance la plus rapide, passant de 54 264,6 millions de dollars en 2026 à 448 450,3 millions de dollars en 2035, avec un taux de croissance annuel composé (CAGR) de 26,4 %. La Chine devrait progresser de 20 069,6 millions de dollars à 175 792,5 millions de dollars ; l'Inde, de 8 081,3 millions de dollars à 95 968,4 millions de dollars ; le Japon, de 8 999,6 millions de dollars à 60 092,3 millions de dollars ; la Corée du Sud, de 3 139,0 millions de dollars à 23 767,9 millions de dollars ; et l'Australie, de 7 162,9 millions de dollars à 51 123,3 millions de dollars.

La trajectoire de la Chine est façonnée par la substitution aux importations, les restrictions à l'exportation encourageant l'achat d'accélérateurs d'IA locaux. Le CSIS a indiqué que l'Ascend 910C de Huawei affiche environ 60 % des performances d'inférence du H100 de NVIDIA et que China Mobile s'est approvisionné en puces pour serveurs d'IA auprès de Huawei dans le cadre d'un important programme d'achat. Cette situation crée une demande protégée pour Huawei, Cambricon Technologies, Enflame Technology, MetaX Integrated Circuits et Iluvatar CoreX, tandis que les limitations persistantes en matière de fabrication de pointe, de conditionnement avancé et de HBM restent des contraintes.

Ailleurs dans la région, l'expansion des centres de données, les programmes de fabrication et les stratégies nationales en matière d'IA soutiennent la demande. Le Japon et l'Inde ont identifié les semi-conducteurs et l'IA comme des domaines de coopération bilatérale en matière d'investissement, dans le cadre d'un objectif d'investissement privé de 10 000 milliards de yens. Le programme d'investissement de la Corée du Sud dans les puces d'IA et la HBM renforce son rôle dans la chaîne d'approvisionnement de la mémoire et des semi-conducteurs destinés à l'IA. ^{[8]Nikkei Asia, Japan to Invest $68bn in India Over 10 Years, Including AI and Chips. asia.nikkei.com}

Amérique latine

Le marché de l'Amérique latine devrait passer de 8 063,0 millions de dollars en 2026 à 59 170,5 millions de dollars en 2035, avec un taux de croissance annuel composé (CAGR) de 24,8 %. Le Brésil devrait progresser de 3 206,6 millions de dollars à 21 893,1 millions de dollars, le Mexique de 2 230,3 millions de dollars à 18 579,5 millions de dollars et l'Argentine de 1 054,4 millions de dollars à 6 508,8 millions de dollars. La demande régionale se concentre sur la capacité cloud, l'analyse des services financiers, la modernisation industrielle et l'automatisation liée à la délocalisation de proximité. Les cycles d'investissement pourraient être plus irréguliers qu'aux États-Unis ou en Chine, car les dépenses d'infrastructure sont sensibles aux conditions locales de financement et au rythme de la numérisation des entreprises.

Moyen-Orient et Afrique

Le marché du Moyen-Orient et de l'Afrique devrait passer de 6 041,3 millions de dollars en 2026 à 38 408,9 millions de dollars en 2035, avec un CAGR de 22,8 %. L'Arabie saoudite devrait progresser de 1 801,2 millions de dollars à 13 020,6 millions de dollars, les Émirats arabes unis de 1 607,9 millions de dollars à 10 754,5 millions de dollars et l'Afrique du Sud de 1 050,3 millions de dollars à 6 145,4 millions de dollars. Les ambitions souveraines en matière d'IA, la construction de centres de données et la numérisation des télécommunications constituent d'importantes sources de demande régionale. Les achats devraient rester concentrés sur les projets pilotés par les pouvoirs publics, les pôles cloud et les infrastructures de télécommunications, plutôt que sur des déploiements diffus au sein des entreprises.

La demande régionale n'est pas interchangeable. Le marché chinois des accélérateurs est de plus en plus façonné par la localisation induite par les contrôles à l'exportation, ce qui profite aux développeurs nationaux, mais laisse les performances, le conditionnement et l'approvisionnement en mémoire parmi les principales contraintes. L'Amérique du Nord conserve quant à elle un avantage important dans les plateformes d'accélérateurs commerciales, le pouvoir d'achat des hyperscalers et les écosystèmes logiciels. Les fournisseurs doivent donc s'attendre à des exigences de qualification, des préférences d'approvisionnement et des feuilles de route technologiques divergentes, plutôt qu'à une seule voie d'accès au marché mondial.

Part du marché des puces accélératrices d'IA et paysage concurrentiel

NVIDIA détenait 54,2 % du marché mondial en 2025, suivie par AMD avec 10,0 %, Google avec 8,0 %, Intel avec 7,0 %, Qualcomm avec 6,0 % et les autres concurrents avec environ 14,8 %. Le paysage concurrentiel se caractérise par une rivalité entre les vastes plateformes commerciales, les puces cloud intégrées verticalement, les fournisseurs protégés à l'échelle régionale et les fournisseurs d'architectures spécialisées.

NVIDIA

La position dominante de NVIDIA repose sur son portefeuille de GPU, son écosystème logiciel CUDA, ses capacités en matière de réseaux et l'intégration de systèmes à l'échelle du rack. La société a déclaré un chiffre d'affaires de 130,5 milliards de dollars pour l'exercice 2025, dont 115,2 milliards de dollars provenant des centres de données. Sa position est renforcée par les coûts et les risques d'exécution auxquels les clients sont confrontés lorsqu'ils transfèrent des charges de travail d'IA optimisées vers des environnements logiciels alternatifs.

AMD

AMD est le principal concurrent de NVIDIA sur le marché des GPU commerciaux. La société s'appuie sur les accélérateurs Instinct, une capacité élevée en mémoire HBM et le développement logiciel ROCm pour répondre aux déploiements d'IA hyperscale. Les déploiements de production des MI300X signalés chez Meta, Microsoft et Oracle montrent que les clients sont disposés à homologuer un deuxième fournisseur lorsque les caractéristiques de mémoire, les conditions commerciales et la maturité logicielle répondent à leurs exigences.

Intel

Intel est présent sur le marché grâce aux accélérateurs Gaudi, aux FPGA Altera et à sa position dans la fabrication de semi-conducteurs pour compte de tiers. Son importance stratégique est renforcée par les investissements américains dans la production nationale de semi-conducteurs, même si la société doit encore établir une offre logicielle plus solide pour ses accélérateurs et gagner davantage d'adoption auprès des clients sur un marché dominé par l'écosystème déjà déployé de NVIDIA.

Google (Alphabet)

Google utilise les TPU à la fois pour ses services d'IA internes et pour les clients de Google Cloud. Ses puces propriétaires constituent une alternative aux GPU commerciaux dans les charges de travail pour lesquelles Google peut optimiser conjointement le matériel, les réseaux, les logiciels et la fourniture de services. Alphabet considère les TPU comme un élément central de la différenciation de son infrastructure d'IA.

Qualcomm et Apple

Le NPU Hexagon et les plateformes Snapdragon de Qualcomm lui permettent d'être présent dans les applications mobiles, automobiles et d'inférence en périphérie. Le Neural Engine d'Apple est intégré à son écosystème d'appareils verticalement intégré et prend en charge des fonctionnalités d'IA directement sur l'appareil dans les produits des séries A et M. Les deux sociétés jouent un rôle central dans le potentiel à fort volume des NPU, même si leur exposition aux accélérateurs diffère de celle des fournisseurs de centres de données de GPU commerciaux.

Huawei

Huawei constitue une alternative nationale essentielle sur le marché chinois de l'infrastructure d'IA. Son portefeuille Ascend bénéficie de la demande des entreprises et des entités du secteur public qui recherchent des solutions de remplacement aux accélérateurs étrangers soumis à des restrictions. Sa compétitivité à long terme dépend des progrès réalisés dans la fabrication, le conditionnement, la disponibilité de la mémoire et la prise en charge logicielle.

Cerebras Systems, Groq, SambaNova Systems et Tenstorrent

Ces innovateurs nord-américains développent des architectures différenciées. Cerebras met l'accent sur l'informatique à l'échelle de la tranche, Groq cible l'inférence déterministe à faible latence, SambaNova se concentre sur les systèmes de flux de données reconfigurables et Tenstorrent associe le développement de processeurs à des approches fondées sur l'octroi de licences. Leur potentiel est le plus élevé lorsque la charge de travail d'un client révèle un goulet d'étranglement précis dans les systèmes GPU conventionnels.

Cambricon Technologies, Enflame Technology, MetaX Integrated Circuits et Iluvatar CoreX

Ces fournisseurs de la région Asie-Pacifique répondent à la croissance du marché chinois national des puces d'IA. Cambricon et Huawei sont particulièrement exposés à la demande soutenue par les politiques publiques, tandis qu'Enflame, MetaX et Iluvatar CoreX cherchent à s'imposer dans les systèmes d'entraînement et d'inférence destinés au cloud et aux entreprises. Leur marché adressable s'étend, mais l'accès aux technologies de fabrication avancées demeure un facteur déterminant.

Graphcore, Etched.ai et Mythic AI

L'IPU de Graphcore cible les charges de travail d'apprentissage automatique présentant des schémas de calcul irréguliers. Etched.ai développe des puces d'inférence spécifiques aux transformeurs, tandis que Mythic AI se concentre sur l'informatique analogique en mémoire à faible consommation pour les applications en périphérie. Ces entreprises montrent comment la spécialisation peut ouvrir une voie d'accès à certaines charges de travail, même si les architectures étroites présentent un risque plus élevé en cas d'évolution de la conception des modèles, des logiciels clients ou des exigences de déploiement.

Évolutions récentes du secteur

Déploiement du TPU Ironwood de Google, 2025

Google a présenté Ironwood, un TPU axé sur l'inférence conçu pour le déploiement de modèles à grande échelle, offrant de meilleures performances par watt que Trillium.

Annonce de la plateforme NVIDIA Rubin, 2025

NVIDIA a annoncé la plateforme Rubin destinée aux futurs systèmes informatiques d'IA, prolongeant sa feuille de route annuelle en matière d'architectures au-delà de Blackwell.

Déploiements en production d'AMD Instinct MI300X, 2024

AMD a fait état de déploiements à grande échelle de MI300X chez Meta, Microsoft et Oracle, ainsi que de plus de 5 milliards de dollars de chiffre d'affaires généré par la gamme Instinct en 2024.

Progrès de SoftBank dans le domaine de l'AI-RAN, 2025

SoftBank a annoncé des résultats de MIMO massif reposant sur une infrastructure GPU et indiqué que le déploiement commercial de l'AI-RAN commencerait à partir de 2026.

Décret présidentiel américain sur les infrastructures d'IA, janvier 2025

Les États-Unis ont publié un décret présidentiel ordonnant des mesures concernant les infrastructures des centres de données d'IA et l'approvisionnement national en semi-conducteurs de pointe pour les projets admissibles menés sur des sites fédéraux.

Programme sud-coréen d'investissement dans les puces d'IA, 2025

La Corée du Sud a annoncé un programme de 9,4 billions de wons destiné à soutenir la recherche sur les puces d'IA et le développement de HBM de nouvelle génération.