La question qui revient le plus souvent quand on parle de puces, c'est celle d'un ami à moi, développeur, qui m'a lancé l'autre soir : « mais concrètement, pourquoi une puce d'IA coûte le prix d'une voiture et pourquoi mon téléphone rame quand je lui demande deux trucs en même temps ? » Bonne question. Et la réponse tient dans un mot que personne n'explique jamais vraiment : l'architecture.
Les dernières avancées des puces processeurs ne se résument pas à une course au nanomètre plus petit. Ce qui a changé ces dernières années, c'est la manière dont on organise les transistors entre eux, et surtout à quoi on les destine. Une puce qui fait tout bien mais lentement, et une puce qui fait une seule chose à une vitesse absurde, ce sont deux philosophies opposées. Comprendre cette opposition, c'est comprendre 90 % de ce qui se passe aujourd'hui dans le secteur.
Points clés à retenir
- Un processeur classique (CPU) est un couteau suisse : quelques cœurs très polyvalents, excellents pour enchaîner des tâches variées.
- Un GPU ou un accélérateur, c'est l'inverse : des milliers de petits ouvriers qui font tous le même geste en même temps.
- La finesse de gravure (les fameux « nanomètres ») n'est plus le seul levier : l'empilement en 3D et le packaging comptent autant désormais.
- Le vrai goulot d'étranglement n'est plus la fabrication des puces elles-mêmes, mais l'approvisionnement en mémoire rapide (HBM).
- Pour un particulier, l'enjeu n'est pas la puissance brute mais ce qu'on appelle le NPU, ce petit bloc dédié à l'IA locale.
- Un chiffre marketing de fréquence (GHz) ne dit plus rien de la performance réelle depuis longtemps.
Pourquoi les puces processeurs ont changé de nature
Pendant trente ans, améliorer un processeur consistait à faire une chose simple : réduire la taille des transistors et augmenter la fréquence. Chaque génération apportait mécaniquement plus de puissance. Cette époque est terminée.
Vers le milieu des années 2000, on a buté sur un mur physique. Monter la fréquence fait chauffer la puce, et au-delà d'un certain seuil, la chaleur devient impossible à évacuer. On a donc arrêté la course au gigahertz et on a changé de stratégie : multiplier les cœurs, puis spécialiser les blocs.
Le CPU, le couteau suisse
Un CPU contient quelques cœurs (huit, seize, parfois plus sur les machines de bureau). Chaque cœur est très intelligent : il sait gérer des instructions complexes, prédire ce qui va se passer ensuite, gérer la mémoire. C'est ce qui rend un ordinateur fluide pour naviguer, écrire, lancer une application.
Le revers de la médaille ? Si vous demandez à un CPU de faire un million de multiplications simples en parallèle, il va s'ennuyer. Il est bon partout, excellent nulle part.
Le GPU ou l'accélérateur, la chaîne d'assemblage
Un GPU, c'est l'inverse total. Des milliers de minuscules unités de calcul, chacune bête comme ses pieds, mais qui travaillent toutes en même temps. Sur une image, ça tombe bien : chaque pixel se calcule indépendamment des autres. Sur un réseau de neurones, pareil : chaque multiplication de matrice se fait en parallèle.
C'est exactement pour ça que l'entraînement d'un modèle d'IA, qui n'est au fond qu'une montagne de multiplications, se fait sur des GPU et pas sur des processeurs classiques. Le CPU réfléchit, le GPU calcule en masse.
Les nanomètres : une étiquette devenue trompeuse
Vous avez sûrement vu passer des articles parlant de « gravure en 3 nm » ou « en 2 nm ». Avouons-le, ces chiffres ne veulent plus dire grand-chose.
À l'origine, le nanomètre désignait une dimension physique réelle : la largeur d'une partie du transistor. Aujourd'hui, c'est devenu un nom de génération, une étiquette marketing. Deux puces annoncées « 3 nm » par deux fabricants différents peuvent avoir des densités de transistors très éloignées. Un ami ingénieur chez un fondeur m'a dit un jour, à moitié en riant : « le 3 nm, c'est un logo, pas une mesure ».
Ce qui compte réellement, ce sont trois choses :
- La densité de transistors par millimètre carré (combien on arrive à entasser).
- La consommation énergétique pour une tâche donnée (le fameux « performance par watt »).
- Le coût de fabrication par puce fonctionnelle, qui grimpe en flèche à chaque génération.
Sur ce dernier point, un constat que peu de gens réalisent : graver une puce de nouvelle génération coûte aujourd'hui bien plus cher que la précédente, parce que les machines nécessaires (la lithographie dite « EUV ») coûtent elles-mêmes des centaines de millions d'euros pièce, et qu'il faut en aligner plusieurs par usine. La loi de Moore, dans sa version historique, ne tient plus économiquement.
CPU, GPU, NPU, TPU : le tableau qui clarifie tout
On mélange souvent ces sigles. Voici comment les distinguer sans se perdre.
| Type | Rôle principal | Où on le trouve | Ce qu'il fait bien |
|---|---|---|---|
| CPU | Coordination, tâches variées | Partout (PC, serveurs, téléphones) | Logique complexe, multitâche |
| GPU | Calcul parallèle massif | Cartes graphiques, centres de données | Images, entraînement d'IA |
| NPU | Inférence IA locale | Smartphones, PC récents | Reconnaissance vocale, photo, traduction hors ligne |
| TPU | Accélération IA dédiée | Centres de données de grands acteurs | Calculs de réseaux de neurones à grande échelle |
La distinction à retenir : un CPU décide, un GPU calcule en masse, un NPU exécute un modèle déjà entraîné sans consommer trop. Le TPU est en quelque sorte un GPU ultra-spécialisé, conçu pour une seule famille de tâches.
Ce qui a vraiment changé ces dernières années : l'empilement 3D
Voilà l'angle dont on parle le moins dans les articles grand public, et c'est pourtant décisif. Pendant qu'on s'acharnait à rétrécir les transistors, on a découvert qu'on pouvait aussi les empiler verticalement au lieu de tout mettre à plat.
Imaginez une ville : au lieu d'étaler les maisons sur une plaine de plus en plus grande, on construit des immeubles. La distance entre les composants se réduit, les échanges de données sont plus rapides, la consommation baisse. C'est cette approche, parfois appelée « packaging avancé », qui explique une bonne partie des gains de performance récents, davantage que la finesse de gravure elle-même.
Le vrai goulot : la mémoire rapide
Un calcul aussi rapide soit-il ne sert à rien si les données mettent une éternité à arriver. C'est là que le bât blesse aujourd'hui. La mémoire dite « HBM », cette mémoire ultra-rapide empilée juste à côté du processeur, est devenue le facteur limitant de toute la chaîne.
Dans mes discussions avec des gens du milieu, c'est le point qui revient sans arrêt : produire des puces de calcul, plusieurs fondeurs savent le faire. Produire la mémoire qui va avec, beaucoup moins de monde sait, et les capacités sont saturées. Résultat : on peut avoir le meilleur processeur du monde et attendre six mois une barrette de mémoire.
Qu'est-ce qu'un NPU et pourquoi vous en avez déjà un ?
Sans le savoir, vous utilisez probablement un NPU tous les jours. Le déverrouillage de votre téléphone par le visage, la retouche automatique de vos photos, la transcription vocale hors ligne : autant de tâches confiées à ce petit bloc dédié, justement parce qu'il consomme dix fois moins qu'un CPU pour le même travail.
La tendance de fond, c'est de faire tourner l'IA en local plutôt que dans le cloud. Pourquoi ? Deux raisons simples : la latence (pas besoin d'envoyer vos données sur un serveur distant) et la confidentialité (vos données ne quittent pas l'appareil). Une trottinette.
Franchement, c'est là que se joue la prochaine bataille, et elle est beaucoup plus discrète que la course aux gros chiffres dans les centres de données.
Faut-il suivre la course aux caractéristiques ?
Mon avis, et je vais le défendre : non, pas pour un usage normal. Les chiffres de fréquence, le nombre de cœurs, les nanomètres affichés sur une boîte ne vous disent presque rien de l'expérience réelle. J'ai vu des machines avec des fiches techniques modestes paraître plus fluides que des bêtes de course mal optimisées.
La raison est simple : la performance d'un système dépend autant du logiciel que du silicium. Un CPU puissant avec un système mal fichu sera lent. Un CPU moyen bien exploité sera vif. C'est frustrant pour qui aime les tableaux comparatifs, mais c'est la réalité.
Ce qui compte pour vous, concrètement :
- La quantité de mémoire vive, souvent plus déterminante que la vitesse brute du processeur.
- La présence d'un NPU si vous voulez faire tourner des outils d'IA locale sans vider la batterie.
- La génération du processeur (pas ses chiffres, mais l'année de conception : une puce récente consomme moins pour la même tâche qu'une ancienne).
- Et surtout, ce que vous comptez en faire. Un usage bureautique n'a pas besoin d'un accélérateur.
Où va tout ça ?
La question qu'on me pose le plus souvent maintenant : « est-ce que ça va continuer à progresser aussi vite ? » Honnêtement, je n'en sais rien, et personne ne le sait. Ce que je constate, c'est un basculement : on ne gagne plus en rétrécissant, on gagne en empilant, en spécialisant, en rapprochant la mémoire du calcul.
Le jour où quelqu'un trouvera comment refroidir correctement un empilement de vingt couches sans faire fondre le tout, on aura peut-être une nouvelle décennie de gains faciles. En attendant, la vraie avancée n'est pas dans un chiffre sur une boîte. Elle est dans le fait qu'on a arrêté de chercher la puce qui fait tout, pour fabriquer des puces qui font une seule chose, mais terriblement bien.
Et si vous voulez mon avis le plus sincère : la prochaine révolution ne viendra probablement pas d'un transistor plus petit, mais de la façon dont on assemble ceux qu'on a déjà.
