Semi-conducteurs et IA —
le rapport qui révèle la vraie colonne vertébrale des data centers
4500 puces par rack, 95% de la valeur, 1200 milliards de chiffre d'affaires

Le rapport Powering AI, publié le 1er juin 2026 par la Semiconductor Industry Association en partenariat avec Deloitte, opère une inversion radicale de perspective. Alors que le débat public sur l'IA est saturé d'annonces de modèles, de benchmarks et de promesses d'AGI, le rapport procède à un « démontage virtuel » (virtual teardown) d'un rack de serveur AI de dernière génération. Sa conclusion centrale est brutale : les semi-conducteurs ne sont pas un composant parmi d'autres de l'infrastructure AI — ils EN SONT l'infrastructure. 95% de la valeur du rack, 50%+ des capex du data center. Le président du SIA, John Neuffer, le formule clairement : « L'avenir de l'IA sera déterminé par l'ensemble complet des technologies de semi-conducteurs qui l'alimentent. Pour garantir que l'adoption mondiale de l'IA repose sur des puces américaines, nous avons besoin de politiques qui favorisent l'accès aux marchés mondiaux et renforcent la compétitivité américaine. » Selon Electropages, le rapport « tire la conversation sur l'IA hors des annonces de modèles et du théâtre des benchmarks pour l'amener dans le rack » — une déclaration qui résume la portée stratégique du document.

Le virtual teardown du rapport SIA-Deloitte révèle qu'un rack AI contient plus de 4 500 puces conditionnées, réparties en trois grandes catégories qui forment un écosystème interdépendant. Première catégorie : la logique avancée — accélérateurs AI (GPU, TPU), ASICs, FPGAs, CPUs, DPUs (Data Processing Units) et processeurs réseau. Ce sont les puces qui captent l'attention médiatique, mais elles ne représentent qu'une fraction du nombre total de semi-conducteurs. Deuxième catégorie : la mémoire — HBM (High-Bandwidth Memory) empilée à proximité des accélérateurs, DRAM, SRAM et NAND flash pour le stockage. Sans ces puces mémoire, les accélérateurs sont inutilisables : la bande passante mémoire est le goulot d'étranglement réel des charges de travail AI. Troisième catégorie : les composants analogiques et fondamentaux — circuits de gestion de puissance (PMIC), émetteurs-récepteurs, contrôleurs, capteurs. Cette dernière catégorie est la moins visible mais la plus critique : sans une distribution de puissance fiable à l'échelle du rack, les 4 500 puces ne peuvent tout simplement pas fonctionner. Le rapport insiste sur le fait que « les accélérateurs AI reçoivent le plus de publicité, mais les composants de mémoire, de puissance et de connectivité sont tout aussi critiques pour la performance globale du système. »

La projection la plus saisissante du rapport est d'ordre macroéconomique. Le chiffre d'affaires annuel des semi-conducteurs issus des data centers AI pourrait atteindre 1 200 milliards de dollars d'ici 2028. Ce chiffre, qui représenterait une multiplication par près de 10 par rapport aux quatre années précédentes, dépasse de plus de 50% la totalité des ventes mondiales de semi-conducteurs en 2025 — tous usages finaux confondus (automobile, industrie, mobile, PC, infrastructure). Autrement dit : le seul segment des puces pour data centers AI pourrait, en 2028, être plus gros que l'intégralité de l'industrie des semi-conducteurs trois ans plus tôt. Parallèlement, l'investissement mondial dans les nouvelles infrastructures de data centers est projeté à plus de 4 000 milliards de dollars d'ici 2028, dont jusqu'à 2 800 milliards directement consacrés aux semi-conducteurs. Le rapport confirme ainsi que l'IA n'est pas d'abord une révolution logicielle mais une révolution de capex physique : la valeur est créée dans le silicium, pas dans les lignes de code qui s'exécutent dessus.

L'attention médiatique et financière se concentre presque exclusivement sur les accélérateurs AI — NVIDIA et ses GPU H200/B200, les TPU de Google, les puces Trainium d'Amazon, les MI400 d'AMD. Mais le rapport SIA-Deloitte montre que cette focalisation occulte les dépendances critiques du reste de la chaîne. La mémoire HBM (High-Bandwidth Memory), indispensable au fonctionnement des GPU AI, est aujourd'hui produite presque exclusivement par trois fournisseurs : SK Hynix (Corée du Sud), Samsung (Corée du Sud) et Micron (États-Unis). Une perturbation de la production chez l'un d'entre eux — conflit dans le détroit de Taïwan, tensions en péninsule coréenne, catastrophe naturelle — paralyserait l'ensemble de l'infrastructure AI mondiale, quel que soit le stock de GPU disponibles. De même, les circuits de gestion de puissance (PMIC) qui alimentent les racks sont majoritairement produits sur des nœuds matures (28 nm et plus) dont les capacités de production sont concentrées en Chine et à Taïwan. Le rack AI est aussi solide que son maillon le plus faible — et le rapport démontre que ce maillon n'est pas le GPU mais l'écosystème complet de composants qui l'entourent.

• Concentration mémoire HBM : SK Hynix, Samsung et Micron contrôlent la quasi-totalité de la production de HBM. Une rupture d'approvisionnement chez un seul fabricant pourrait étrangler la production de GPU AI. La dépendance est aggravée par la concentration géographique en Corée du Sud.
• Nœuds matures et Chine : Les PMIC, capteurs et contrôleurs qui alimentent les racks sont fabriqués sur des nœuds 28 nm+ où la Chine détient une part de marché croissante (estimée à 30%+). Un découplage technologique USA-Chine dans les nœuds matures affecterait directement la production de racks AI.

Le rapport n'est pas neutre politiquement. Il s'inscrit explicitement dans le cadre de deux initiatives de l'administration Trump : le Pax Silica Initiative (souveraineté technologique américaine à travers la domination des semi-conducteurs) et le AI Exports Program (aiexports.gov), qui vise à contrôler l'exportation des technologies AI critiques. John Neuffer, président du SIA, relie explicitement les conclusions du rapport aux impératifs de politique commerciale : la domination américaine dans l'IA dépend moins de la supériorité des modèles que du contrôle de la chaîne d'approvisionnement en semi-conducteurs. Le rapport fournit une base quantitative à l'argument selon lequel la compétition USA-Chine dans l'IA se joue d'abord sur le terrain des puces, pas sur celui des algorithmes. Le CHIPS Act de 2022 et ses successeurs trouvent ici leur justification économique : si 95% de la valeur d'un rack AI est dans les puces, alors investir 52 Md$ dans la production domestique de semi-conducteurs n'est pas une dépense publique mais un investissement dans la capture de valeur future.

• Le recentrage de la valeur sur le hardware : Si les puces représentent 95% de la valeur d'un rack et 50%+ des capex d'un data center, alors les entreprises qui capturent le plus de valeur dans l'IA ne sont pas OpenAI, Anthropic ou Mistral — ce sont TSMC, NVIDIA, ASML, SK Hynix et Samsung. Le rapport valide quantitativement ce que le marché avait déjà price : NVIDIA à 5 300 Md$ de capitalisation (juin 2026) n'est pas surévalué si l'infrastructure AI est un marché à 4 000 Md$ dont les puces captent la majorité de la valeur.
• La concentration géographique du risque : TSMC (Taïwan) fabrique la quasi-totalité des accélérateurs AI avancés. SK Hynix et Samsung (Corée) produisent l'essentiel de la mémoire HBM. ASML (Pays-Bas) est le seul fournisseur de machines de lithographie EUV. La chaîne d'approvisionnement AI est concentrée sur trois pays et deux détroits (Taïwan, Corée) — une fragilité géopolitique que le rapport identifie sans la résoudre.
• L'accélération de la course aux subventions : Le rapport va devenir un document de référence pour les politiques industrielles. Si les semi-conducteurs AI représentent un marché de 1 200 Md$/an d'ici 2028, chaque grande puissance économique va vouloir en capturer une part. Les subventions à la production de puces (CHIPS Act américain, EU Chips Act européen, plan chinois, initiatives japonaise et coréenne) vont s'intensifier — non par conviction industrielle mais par impératif de souveraineté.