Nvidia commence à vendre la méthode de fabrication des pelles.
TechFlow SélectionTechFlow Sélection
Nvidia commence à vendre la méthode de fabrication des pelles.
La personne que vous devez battre vous loue actuellement tous les outils nécessaires pour la vaincre. Le loyer est payé annuellement, et le contrat augmente chaque année.
Dédié à des analyses Web3 approfondiesAuteur : Ada, TechFlow
San Francisco, centre des congrès de San Jose, sur place à la conférence GTC.
Bill Dally, scientifique en chef chez NVIDIA, est assis sur scène face à Jeff Dean, de Google. À mi-entretien, Dally lance un chiffre : « Par le passé, la migration d’une bibliothèque de cellules standard contenant environ 2 500 à 3 000 cellules nécessitait une équipe de huit ingénieurs travaillant pendant environ dix mois. »
Il marque une pause.
« Aujourd’hui, cela ne prend qu’une seule carte GPU, exécutée pendant une nuit. »
Aucun cri d’étonnement ne s’élève dans la salle, car tous ceux qui ont saisi le sens de cette phrase en comprennent immédiatement les implications. Dix mois de travail effectué par huit ingénieurs est désormais absorbé en une nuit par une seule GPU conçue en interne. Et Dally ajoute même que les résultats obtenus — en termes de surface occupée, de consommation énergétique et de latence — égalent ou dépassent ceux d’un design humain.
Dès le lendemain, certains médias titrent : « NVIDIA utilise l’IA pour concevoir ses GPU. »
Mais la réalité est bien plus subtile — et bien plus fascinante — que ce simple titre journalistique.
Que fait réellement NVIDIA en interne ?
Ce que NVIDIA exécute en interne n’est pas non plus une « boîte noire » : il s’agit plutôt de plusieurs chaînes d’outils affinées depuis plusieurs années.
NB-Cell est un programme fondé sur l’apprentissage par renforcement, spécifiquement conçu pour accomplir la tâche la plus pénible : la migration des bibliothèques de cellules standard. Prefix RL vise quant à lui à résoudre un problème ancien et complexe en conception VLSI : le placement optimal des étages de propagation anticipée (carry lookahead) dans les chaînes d’additionneurs. Selon Dally, les agencements générés par ce système « sont inconcevables pour un être humain », et améliorent les indicateurs clés de 20 à 30 % par rapport aux solutions conçues manuellement.
Vient ensuite deux LLM internes : Chip Nemo et Bug Nemo. NVIDIA a alimenté ces grands modèles avec l’intégralité du code RTL, des documents architecturaux et des spécifications techniques de chacun de ses GPU historiques. Comme le décrit Dally, cela revient à distiller en un seul modèle interne « la mémoire musculaire » accumulée par NVIDIA au cours de vingt ans — de la série G80 à Blackwell —, permettant ainsi à tout nouvel arrivant d’accéder immédiatement à l’expertise d’un ingénieur chevronné ayant vécu deux décennies de conception GPU.
L’IA peut-elle donc concevoir un GPU ?
Pas du tout. La formulation exacte de Dally est la suivante : « J’aimerais vivement pouvoir un jour simplement dire : ‘Conçois-moi un nouveau GPU’, mais nous sommes encore très loin de ce stade. »
NVIDIA n’a pas utilisé l’IA pour concevoir un GPU. En revanche, elle a entrepris une autre action qui rendra désormais impossible à toute l’industrie de fonctionner sans elle.
Un investissement de 2 milliards de dollars au cœur de l’EDA
Le 1er décembre 2025, NVIDIA acquiert une participation de 2 milliards de dollars dans Synopsys, l’un des trois géants mondiaux de l’EDA (Electronic Design Automation). Les deux entreprises signent un accord de développement conjoint visant à intégrer la pile de calcul accéléré de NVIDIA dans l’ensemble du flux de travail EDA de Synopsys. Les GPU Blackwell et la prochaine génération Rubin seront profondément intégrés à Synopsys.ai.
Il convient de préciser la position dominante de Synopsys. Chaque puce moderne fabriquée en nœud avancé — que ce soit la série Apple M, la série AMD MI ou les TPU de Google — passe presque systématiquement par les chaînes d’outils de Synopsys ou de Cadence. Ces deux sociétés, associées à Siemens EDA, monopolisent les outils logiciels fondamentaux de la conception de circuits intégrés. Vous pouvez choisir de ne pas utiliser les puces de Qualcomm, ni les lignes de production de TSMC, mais vous ne pouvez pas vous affranchir des logiciels de ces trois entreprises.
Trois mois après cet investissement dans Synopsys, NVIDIA intègre également Cadence, Siemens et Dassault Systèmes, annonçant qu’elles développent toutes des outils de conception de puces pilotés par l’IA, basés sur les GPU NVIDIA.
Les performances publiées par NVIDIA sont impressionnantes : Synopsys PrimeSim s’exécute 30 fois plus vite sur Blackwell, Proteus 20 fois plus vite, et Sentaurus atteint un facteur d’accélération de 12 fois sur B200 comparé à un processeur classique. Mediatek utilise les H100 pour accélérer Cadence Spectre de 6 fois. Astera Labs combine Synopsys et NVIDIA pour accélérer la vérification des puces de 3,5 fois.
Un détail mérite une attention particulière : la plateforme Millennium M2000 de Cadence est explicitement présentée comme « spécialement conçue pour le marché de l’EDA, exclusivement basée sur NVIDIA Blackwell ».
Le mot « exclusivement » est ici capital. Autrefois, les outils EDA tournaient sur CPU : Intel et AMD pouvaient tous deux y participer. Désormais, si vous souhaitez bénéficier des versions les plus rapides des outils EDA, vous devrez obligatoirement acheter des cartes NVIDIA.
La véritable forme de la roue de fortune
La « roue de fortune » de NVIDIA est généralement comprise ainsi : vente de GPU aux entreprises d’IA → entraînement de grands modèles → démonstration de l’indispensabilité des GPU → croissance continue des ventes.
Cette dynamique est déjà redoutable. Mais elle repose sur une couche encore plus profonde.
NVIDIA utilise ses propres outils pour concevoir sa prochaine génération de GPU, creusant ainsi un fossé générationnel en matière d’efficacité de conception, tout en liant l’ensemble de la chaîne d’outils EDA de l’industrie à son propre matériel. Pour ses concurrents, rattraper ce retard suppose de disposer d’outils… qu’ils doivent louer dans l’écosystème NVIDIA.
Le rapport financier d’AMD, responsable d’une chute brutale de son cours boursier, reflète précisément cette angoisse sous-jacente. Même si NVIDIA et Synopsys affirment publiquement que « cet investissement ne comporte aucune obligation d’achat de matériel NVIDIA », le marché en a parfaitement conscience : les fonctions accélérées des outils EDA sont d’abord disponibles sur le matériel NVIDIA ; AMD et Intel ne peuvent compter que sur une voie d’optimisation « calibrée pour la plateforme de leur principal concurrent ».
Imaginez un ingénieur AMD devant concevoir une puce destinée à concurrencer Blackwell. Il ouvre les outils de Synopsys — qui s’exécutent au mieux sur les GPU NVIDIA. Il devra alors choisir entre supporter un cycle de conception deux fois plus lent, ou acheter une flopée de cartes NVIDIA pour concevoir la puce censée battre NVIDIA.
La pelle se vend toujours. Mais sa manière de se vendre a changé.
La situation réelle des GPU chinois
À ce stade, il faut présenter une série de chiffres salutaires.
L’année fiscale 2025 de NVIDIA voit son bénéfice net franchir la barre des 70 milliards de dollars — tandis que les « quatre dragons » chinois des GPU — Moore Threads,沐曦 (MX), Bitmain (Wallace) et Sugon (Sugon) — font la queue devant la fenêtre des introductions en Bourse.
Le document d’offre publique initiale (OPI) de Moore Threads indique des pertes nettes cumulées de 5 milliards de yuans entre 2022 et 2024, puis une nouvelle perte de 271 millions de yuans au premier semestre 2025. Au 30 juin 2025, ses pertes accumulées non compensées s’élèvent à 1,478 milliard de yuans. La direction estime elle-même qu’un bénéfice consolidé ne sera atteint qu’en 2027 au plus tôt. MX s’en sort un peu mieux, avec des pertes cumulées supérieures à 3 milliards de yuans sur trois ans. Le cas le plus critique est celui de Wallace, dont les pertes dépassent 6,3 milliards de yuans sur trois ans et demi, avec un chiffre d’affaires de seulement 58,9 millions de yuans au premier semestre 2025 — moins d’un dixième des 702 millions de yuans réalisés par Moore Threads sur la même période.
Regardons maintenant l’intensité des dépenses de R&D. Chez Moore Threads, les frais de recherche représentaient 2 422,51 % du chiffre d’affaires en 2022, et restaient encore à 309,88 % en 2024. En un an, l’entreprise dépense plus de trois fois son revenu en R&D. Ce n’est plus une stratégie industrielle : c’est une perfusion vitale, alimentée continuellement par les marchés privés et, récemment, par la fenêtre ouverte du STAR Market (marché technologique chinois).
Sur le plan des outils, la situation est encore plus critique. Le document d’OPI de Huada Jiutian (2022) indique que ses outils ne prennent en charge qu’« partiellement » les nœuds avancés de 5 nm. Primarius Electronics couvre certes les nœuds de 7 nm, 5 nm et 3 nm, mais ne propose que des outils ponctuels, loin d’une solution complète couvrant l’ensemble du flux de conception.
Liu Weiping, fondateur de Huada Jiutian, l’exprime avec franchise : « Le soutien apporté par les outils EDA chinois aux procédés avancés reste manifestement insuffisant, notamment pour les technologies actuelles de 7 nm, 5 nm et 3 nm. Actuellement, les EDA chinois atteignent un niveau compatible avec les nœuds de 14 nm ; bien qu’ils maîtrisent techniquement la conception en 7 nm, une intégration approfondie avec les applications réelles exige une coordination étroite avec l’ensemble de la chaîne de valeur. »
Autrement dit, pour les procédés avancés, les outils EDA chinois ne sont pas utilisables en flux complet. Les entreprises chinoises de GPU continuent de concevoir leurs puces à l’aide des outils Synopsys et Cadence. En 2025, Trump avait brièvement annoncé une restriction à l’exportation de tous les logiciels critiques — mesure qui n’a pas été concrètement appliquée, mais les outils EDA pour les nœuds inférieurs à 7 nm restent strictement réglementés. Le moment où les licences seront suspendues dépend entièrement de décisions prises ailleurs.
La réaction des marchés financiers est proprement hallucinante. Le jour de son introduction en Bourse, le cours de MX s’est établi à 829,9 yuans, bondissant de 692,95 % en une seule séance. Après son entrée en Bourse, Moore Threads a brièvement atteint la troisième capitalisation boursière du marché A, juste derrière Kweichow Moutai et Cambricon, avec une valorisation estimée à environ 359,5 milliards de yuans selon le cours de l’époque.
Mais derrière ces chiffres se cache une réalité commerciale bien différente : des entreprises toujours déficitaires, toujours dépendantes des chaînes d’outils étrangères — soumises à des restrictions — pour concevoir leurs puces, et pourtant valorisées sur le marché secondaire comme les successeurs légitimes de « NVIDIA chinoise ».
Or, ces outils mêmes, utilisés pour concevoir leurs puces, sont en train de devenir une composante intégrale de l’écosystème NVIDIA. Les 2 milliards de dollars d’investissement dans Synopsys, l’étiquette « exclusivement basée sur NVIDIA Blackwell » apposée sur la plateforme Millennium M2000 de Cadence, transforment la course à l’innovation en un véritable paradoxe.
Une chaîne complète, de la conception à la fabrication
Revenons sur l’entretien de la conférence GTC.
Tout au long de l’échange, Dally fait preuve d’une grande modestie. « L’IA est encore très loin de pouvoir concevoir seule une puce » : c’est là un message que NVIDIA répète depuis quatre ou cinq ans. Mais chaque année, la formulation évolue. Il y a quatre ans, on parlait d’« assistance » fournie par l’IA à la conception ; il y a trois ans, d’« automatisation de certains segments » ; cette année, on annonce qu’« une nuit suffit pour accomplir ce qui prenait huit personnes dix mois ». Chaque année, un pas est franchi — suivi invariablement d’une formule rassurante : « Nous sommes encore très loin de l’objectif final. » Trois ans plus tard, on constate que ce « très loin » d’hier est devenu réalité, et que le nouveau « très loin » désigne aujourd’hui un objectif que tous les concurrents peinent encore à percevoir.
Ce que NVIDIA a accompli au cours des douze derniers mois revient à une seule chose : appliquer l’IA aux étapes les plus stratégiques et les plus protégées de la chaîne de valeur des semi-conducteurs, puis commercialiser progressivement ces outils auprès de toute l’industrie.
En amont de la conception, les LLM internes comme Chip Nemo prennent le relais ; en aval, les tâches de migration des bibliothèques de cellules standard et d’optimisation des masques sont confiées à NB-Cell et Prefix RL ; l’ensemble de la chaîne d’outils EDA est verrouillé sur les GPU NVIDIA via l’investissement de 2 milliards de dollars dans Synopsys et la mention « exclusivement basée sur Blackwell » de la plateforme Millennium M2000 de Cadence ; enfin, au stade de la fabrication, les calculs de lithographie sont pris en charge par cuLitho, déjà adopté par TSMC.
De la conception à la fabrication, NVIDIA a entièrement reconstruit chaque étape à l’aide de l’IA. Et chaque étape conduit finalement au même point d’arrivée : pour utiliser les outils les plus rapides, vous devez acheter des cartes NVIDIA.
Pour tous les concurrents cherchant à concevoir une puce capable de battre Blackwell, la situation la plus embarrassante est désormais une réalité. L’outil EDA requis pour concevoir cette puce fonctionne à sa vitesse maximale uniquement sur les GPU NVIDIA ; les calculs de lithographie indispensables à sa fabrication reposent sur une bibliothèque d’algorithmes fournie par NVIDIA ; et la puissance de calcul nécessaire pour entraîner les IA de conception provient encore une fois des cartes NVIDIA.
Vous tentez de battre un adversaire qui, en ce moment même, vous loue tous les outils nécessaires pour le vaincre. Le loyer est annuel, et le contrat est révisé à la hausse chaque année.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
深潮TechFlow
