Les cryptomonnaies ont chuté de manière généralisée vendredi, prolongeant les fortes pertes qui les ont entraînées bien en dessous de leurs récents sommets, le Bitcoin glissant sous la barre des 82 000 dollars.

Ce repli intervient dans un contexte de prévisions contradictoires quant à la politique de la Réserve fédérale. Le dernier rapport sur l'emploi aux États-Unis a tempéré les espoirs d'une baisse des taux en décembre, mais ces anticipations ont refait surface aujourd'hui suite aux déclarations d'un haut responsable de la Fed.

John Williams, président de la Réserve fédérale de New York, a déclaré vendredi qu'il s'attendait à ce que la banque centrale dispose d'une plus grande marge de manœuvre pour réduire les taux d'intérêt.

Ce décideur politique influent a expliqué, lors d'une intervention au Chili, qu'il considérait les risques pesant sur le marché du travail comme supérieurs à ceux liés à l'inflation, reprenant ainsi l'avis des membres les plus accommodants du FOMC.

Williams a ajouté : « Je considère que la politique monétaire demeure modérément restrictive, quoique moins qu’avant nos récentes mesures. Je maintiens donc la possibilité d’un ajustement supplémentaire à court terme de la fourchette cible du taux des fonds fédéraux, afin de rapprocher la politique monétaire de la neutralité et de préserver l’équilibre entre nos deux objectifs. »

Selon l'outil CME FedWatch, la probabilité d'une baisse de taux de 25 points de base lors de la réunion de décembre est passée à 75 %, contre 39 % la veille et 44,4 % il y a une semaine.

Les données gouvernementales publiées aujourd'hui montrent que l'indice PMI manufacturier américain a reculé à 51,9 en novembre, contre 52,5 précédemment, un niveau proche des prévisions de 52.

Parallèlement, l'indice PMI des services est passé de 54,8 à 55 ce mois-ci, déjouant les prévisions qui tablaient sur une baisse à 54,6.

L'enquête de l'Université du Michigan sur le moral des consommateurs s'est également améliorée, passant de 50,3 à 51 et dépassant les prévisions de 50,6.

Ethereum

Quant aux échanges, Ethereum a chuté de 3,7 % à 2 739,9 dollars à 21h11 GMT, portant ses pertes pour la semaine à 13,2 %.

Nvidia a pulvérisé toutes les attentes mercredi, annonçant des bénéfices records grâce à ses processeurs graphiques (GPU) particulièrement performants pour les applications d'intelligence artificielle. D'autres types de puces IA commencent toutefois à gagner du terrain.

Tous les principaux fournisseurs de services cloud conçoivent désormais leurs propres circuits intégrés spécifiques (ASIC), de la TPU de Google au Trainium d'Amazon, en passant par le projet d'OpenAI avec Broadcom. Plus petites, moins chères et plus faciles à utiliser, ces puces pourraient réduire la dépendance de ces entreprises aux GPU de Nvidia. Daniel Newman, de Futurum Group, a déclaré à CNBC s'attendre à ce que le marché des puces ASIC « croisse plus rapidement que celui des GPU au cours des prochaines années ».

Outre les GPU et les ASIC, on trouve les FPGA (Field-Programmable Gate Arrays), qui peuvent être reconfigurés après leur fabrication pour des applications telles que le traitement du signal, la mise en réseau et l'IA. Une génération entière de puces d'IA est conçue pour fonctionner directement sur les appareils, sans passer par le cloud ; ce segment est dominé par des entreprises comme Qualcomm et Apple.

CNBC s'est entretenu avec des experts et des initiés des principales entreprises technologiques pour décrypter ce paysage concurrentiel et les différents types de puces d'IA.

GPU pour le calcul à usage général

Les GPU étaient autrefois principalement utilisés pour les jeux vidéo, mais ils ont fait de Nvidia l'entreprise cotée en bourse la plus valorisée au monde en devenant le moteur de l'IA moderne. Nvidia a livré environ 6 millions d'unités de ses GPU « Blackwell » de dernière génération l'année dernière.

Le passage du jeu vidéo à l'IA a débuté en 2012, lorsque des chercheurs ont entraîné le réseau neuronal AlexNet à l'aide de GPU Nvidia – une avancée majeure considérée par beaucoup comme l'étincelle de la révolution moderne de l'IA. AlexNet a participé à un concours prestigieux de reconnaissance d'images et, s'appuyant sur les GPU plutôt que sur les CPU, a obtenu une précision remarquable et un avantage compétitif considérable.

La même capacité de traitement parallèle qui permet aux GPU de produire des graphismes réalistes les rend également idéaux pour l'entraînement de modèles d'apprentissage profond, qui apprennent à partir de données plutôt que d'une programmation explicite.

Aujourd'hui, les GPU sont vendus dans les systèmes de centres de données, associés à des CPU, pour exécuter des charges de travail d'IA dans le cloud. Les CPU possèdent quelques cœurs puissants pour les tâches séquentielles, tandis que les GPU disposent de milliers de cœurs plus petits, spécialisés dans les opérations parallèles telles que la multiplication matricielle.

Grâce à leur capacité à exécuter simultanément un grand nombre d'opérations, les GPU sont parfaitement adaptés à l'entraînement et à l'inférence. L'entraînement permet aux modèles d'IA d'apprendre à identifier des tendances dans d'immenses ensembles de données ; l'inférence utilise ces modèles pour prendre des décisions à partir de nouvelles informations.

Les GPU restent le moteur principal de Nvidia et de son principal concurrent, AMD. Le logiciel constitue un facteur de différenciation clé : Nvidia s’appuie sur son écosystème CUDA, tandis qu’AMD propose une suite logicielle largement open source.

Les deux sociétés vendent des GPU cloud à des fournisseurs tels qu'Amazon, Microsoft, Google, Oracle et CoreWeave, qui louent ensuite la puissance de calcul aux développeurs d'IA.

L'accord de 30 milliards de dollars conclu par Anthropic avec Nvidia et Microsoft, par exemple, inclut l'équivalent d'un gigawatt de puissance de calcul basée sur du matériel Nvidia. AMD a également récemment obtenu d'importants engagements de la part d'OpenAI et d'Oracle.

Nvidia vend également directement aux gouvernements et aux entreprises d'IA — notamment au moins 4 millions de GPU à OpenAI — ainsi qu'à des gouvernements étrangers comme la Corée du Sud, l'Arabie saoudite et le Royaume-Uni.

La société a déclaré à CNBC qu'elle facture environ 3 millions de dollars par armoire serveur contenant 72 GPU Blackwell, et qu'elle expédie environ 1 000 armoires de ce type chaque semaine.

Dion Harris, directeur principal de l'infrastructure d'IA chez Nvidia, a déclaré qu'il n'avait jamais imaginé que la demande atteindrait un tel niveau. « Il y a quelques années, lorsque nous discutions avec des entreprises d'un système à huit GPU, elles le jugeaient excessif. »

ASIC pour l'IA cloud spécialisée

L'entraînement sur GPU a été le moteur de la première vague de grands modèles de langage, mais l'inférence est devenue de plus en plus importante à mesure que les modèles gagnent en maturité. L'inférence peut être exécutée sur des puces moins flexibles et moins coûteuses, conçues spécifiquement pour certaines opérations mathématiques : c'est là qu'interviennent les ASIC.

Si un GPU est un « couteau suisse » capable d'exécuter de nombreuses tâches parallèles différentes, un ASIC est un outil à usage unique — extrêmement rapide et efficace, mais limité à un seul type d'opération une fois fabriqué.

« Une fois gravées dans le silicium, ces puces sont irréversibles », explique Chris Miller, auteur de *Chip War*. « Il faut faire un compromis entre efficacité et flexibilité. »

Les GPU de Nvidia sont suffisamment polyvalents pour répondre à d'innombrables besoins en IA, mais ils sont onéreux (jusqu'à 40 000 $ l'unité) et difficiles à obtenir. Les startups y ont recours notamment parce que la conception d'un ASIC sur mesure peut coûter des dizaines de millions de dollars.

Les géants du cloud investissent cependant massivement dans les ASIC car ils promettent des économies d'échelle importantes.

« Ces entreprises souhaitent avoir davantage de contrôle sur les charges de travail qu'elles développent », a déclaré Newman. « Mais elles continueront de collaborer avec Nvidia et AMD, car la demande en puissance de calcul est énorme. »

Google a été le premier à concevoir un ASIC d'IA sur mesure, en lançant l'unité de traitement tensoriel (TPU) en 2015. Les travaux ont débuté en 2006, mais sont devenus urgents en 2013 lorsque Google a réalisé que l'IA pourrait doubler la taille de ses centres de données. En 2017, la TPU a contribué à la mise en place de l'architecture Transformer, qui sous-tend la plupart des IA modernes.

Google a dévoilé la TPU de septième génération en novembre. Anthropic entraînera son modèle Claude sur un million de TPU. Certains estiment que les TPU rivalisent avec les GPU Nvidia, voire les surpassent.

« Beaucoup de gens s'attendent à ce que Google finisse par rendre les TPU disponibles plus largement », a déclaré Miller.

AWS a ensuite développé ses propres puces après l'acquisition d'Annapurna Labs en 2015. Elle a lancé Inferentia en 2018 et Trainium en 2022, Trainium3 étant attendu prochainement.

Amazon affirme que Trainium offre un rapport qualité-prix 30 à 40 % supérieur à celui des solutions alternatives. Anthropic utilise actuellement un demi-million de puces Trainium2 pour l'entraînement de ses modèles.

Pour concevoir des circuits intégrés spécifiques (ASIC) sur mesure, les fournisseurs de services cloud s'appuient sur des entreprises comme Broadcom et Marvell, qui leur apportent une expertise cruciale en matière de propriété intellectuelle et de réseaux. « C'est pourquoi Broadcom est devenu l'un des grands gagnants de l'essor de l'IA », a déclaré Miller.

Broadcom a contribué à la conception des TPU de Google et des accélérateurs Meta de 2023 et construit des puces personnalisées pour OpenAI à partir de 2026.

Microsoft a développé la Maia 100. Qualcomm propose l'A1200. Intel commercialise la gamme Gaudi. Tesla travaille sur sa puce AI5. Des start-ups comme Cerebras et Groq développent des architectures novatrices.

En Chine, Huawei, ByteDance et Alibaba conçoivent leurs propres circuits intégrés spécifiques (ASIC) malgré les restrictions américaines à l'exportation.

IA au niveau du dispositif avec NPU et FPGA

Une troisième catégorie de puces d'IA est conçue pour exécuter les modèles directement sur les appareils, sans passer par le cloud. Ces puces sont généralement intégrées à des systèmes sur puce (SoC) et sont appelées processeurs d'IA embarqués. Elles permettent aux fonctionnalités d'IA de s'exécuter localement et efficacement, préservant ainsi l'autonomie de la batterie et la confidentialité des données.

« Vous pourrez exécuter des tâches d'IA directement sur votre téléphone avec une latence extrêmement faible », a déclaré Saif Khan, ancien conseiller de la Maison Blanche en matière d'IA et de technologies. « Et sans envoyer de données à un centre de données. »

Les unités de traitement neuronal (NPU) constituent une part importante de cette catégorie, développées par Qualcomm, Intel, AMD et d'autres.

Apple n'utilise pas le terme NPU mais intègre un « moteur neuronal » dans ses puces Mac série M et ses puces mobiles série A.

« Cette approche s'est avérée incroyablement efficace », a déclaré Tim Millet, vice-président de l'architecture de la plateforme chez Apple. « Elle est rapide et nous offre un meilleur contrôle sur l'expérience utilisateur. »

Les puces Snapdragon des téléphones Android, les NPU personnalisés de Samsung et les processeurs d'IA embarqués de NXP et Nvidia alimentent l'IA dans les voitures, les robots, les appareils photo et les appareils domotiques.

« La majeure partie des dépenses actuelles est encore consacrée aux centres de données », a déclaré Miller. « Mais cela changera à mesure que l'IA se répandra dans les téléphones, les voitures, les objets connectés et tout le reste. »

Les FPGA offrent encore plus de flexibilité car ils peuvent être reprogrammés après leur fabrication, bien qu'ils soient moins économes en énergie que les ASIC ou les NPU.

AMD est devenu le plus grand fabricant de FPGA après l'acquisition de Xilinx pour 49 milliards de dollars en 2022. Intel se classe deuxième après le rachat d'Altera pour 16,7 milliards de dollars en 2015.

En résumé : Nvidia reste largement en tête.

Toutes ces entreprises spécialisées dans les puces d'IA dépendent d'un seul fabricant : TSMC à Taïwan.

TSMC construit un immense site de production en Arizona, où Apple transférera une partie de sa production. Le PDG de Nvidia, Jensen Huang, a déclaré en octobre que la production des GPU Blackwell y était également lancée à plein régime.

Malgré un marché de plus en plus concurrentiel, détrôner Nvidia reste extrêmement difficile.

« Nvidia occupe cette position parce qu'elle l'a méritée », a déclaré Newman. « Elle a passé des années à bâtir cet écosystème de développeurs, et c'est lui qui a gagné. »

La plupart des indices boursiers américains ont progressé vendredi, l'optimisme quant à d'éventuelles baisses de taux de la Réserve fédérale ayant refait surface.

John Williams, président de la Réserve fédérale de New York, a déclaré vendredi s'attendre à ce que la banque centrale dispose d'une plus grande marge de manœuvre pour baisser les taux d'intérêt. Ce responsable politique influent, s'exprimant au Chili, a souligné que les risques pesant sur le marché du travail l'emportent désormais sur ceux liés à l'inflation, reprenant ainsi la position des membres les plus accommodants du FOMC.

Williams a déclaré : « Je considère que la politique monétaire demeure modérément restrictive, quoique moins qu'avant nos récentes mesures. Je continue donc d'envisager un ajustement supplémentaire à court terme de la fourchette cible du taux des fonds fédéraux afin de rapprocher la politique d'un niveau neutre et de maintenir l'équilibre entre nos deux objectifs. »

À 16h15 GMT, le Dow Jones Industrial Average progressait de 0,4 % (185 points) à 45 937 points. L'indice S&P 500 gagnait 0,1 % (7 points) à 6 545 points, tandis que le Nasdaq Composite prenait 0,1 % (38 points) à 22 040 points.

Les prix du palladium ont poursuivi leur baisse vendredi, sous la pression d'un dollar américain plus fort, de l'incertitude concernant la demande et des anticipations d'une offre plus importante.

Reuters a rapporté, citant des sources bien informées, que les États-Unis font pression en privé sur l'Ukraine pour qu'elle accepte un accord de cessez-le-feu avec la Russie. Un tel accord devrait stimuler l'offre mondiale de métaux industriels, compte tenu de l'allègement des sanctions imposées à la Russie, l'un des plus grands exportateurs mondiaux de palladium.

Selon Capital.com, le prix du palladium a augmenté d'environ 26 % depuis début octobre pour atteindre près de 1 500 dollars l'once. Cette hausse s'est accompagnée d'une progression du marché du platine et d'un assouplissement général des conditions financières mondiales.

Les anticipations de baisses de taux d'intérêt américains et la faiblesse antérieure du dollar ont également soutenu le palladium dans le cadre de la hausse dite « or + liquidités » qui a fait grimper les métaux précieux ces dernières semaines.

Le palladium est utilisé presque exclusivement dans les pots catalytiques des moteurs à essence, ce qui signifie que toute fluctuation de son prix affecte directement les structures de coûts des constructeurs automobiles et des fabricants d'électronique américains.

L'analyse technique de Monex indique une résistance entre 1 500 et 1 520 dollars l'once, avec des perspectives de tendance haussière générale, mais une volatilité persistante. Les analystes de CPM Group ont noté que la récente vigueur du palladium est « étroitement liée à la performance du platine », tout en soulignant qu'un marché du travail américain en berne et une inflation persistante pourraient peser sur la demande.

Malgré la trêve commerciale sino-américaine récemment annoncée, les déclarations de responsables américains laissent présager des tensions toujours vives. Le secrétaire au Trésor américain a affirmé que la Chine demeurait un partenaire commercial peu fiable, tandis que le président Donald Trump a réaffirmé que son administration n'autoriserait pas l'exportation de puces Nvidia de pointe vers la Chine ni vers d'autres pays.

L'indice du dollar américain a légèrement progressé de 0,1 % pour atteindre 100,2 à 14h43 GMT, oscillant entre un plus haut de 100,4 et un plus bas de 99,9.

Les contrats à terme sur le palladium pour livraison en décembre ont chuté de 0,9 % à 1 374 dollars l'once à 14h43 GMT.