Note de lecture. Cet article s'appuie sur une annonce de recherche attribuée à IBM concernant un procédé sous le nanomètre, parfois désigné sous le nom de NanoStack, qui permettrait d'intégrer de l'ordre de 100 milliards de transistors sur une surface comparable à un ongle. Ces chiffres sont rapportés et n'ont, à la date d'écriture, pas été confirmés par des mesures indépendantes sur silicium produit en série. Nous les traitons comme un signal de direction, pas comme un fait établi. Une démonstration de laboratoire n'est pas une production de masse.

En une phrase

Pendant que le grand public parle de prompts et de chatbots, la bataille décisive de l'IA se joue dans la matière : quelques couches d'atomes gravées et empilées. L'annonce d'IBM, si elle se confirme, ne dit pas seulement « nous savons graver plus fin » ; elle rappelle que la prochaine étape de l'intelligence artificielle dépendra moins des modèles que des machines capables de les faire tourner — et que celui qui maîtrise le silicium maîtrise une part de l'IA des dix prochaines années.

1. Ce qui est annoncé, et pourquoi maintenant

Depuis des décennies, l'industrie informatique avance grâce à une idée simple : mettre toujours plus de transistors dans un espace toujours plus petit. C'est l'esprit de la loi de Moore — le constat, posé par Gordon Moore en 1965, que le nombre de transistors par puce double à intervalle régulier. Cette logique s'est progressivement heurtée à une limite physique : à force de miniaturiser, on arrive au niveau de l'atome, et l'on ne peut plus simplement « réduire » comme avant.

L'approche prêtée à IBM est intéressante précisément parce qu'elle change de méthode plutôt que de degré. Au lieu de penser uniquement en surface, le procédé introduirait une logique verticale : les transistors ne sont plus seulement alignés sur un plan, ils sont empilés. L'industrie passe d'une logique de terrain plat à une logique d'immeuble — quand il n'y a plus de place au sol, on construit en hauteur.

Le changement paraît technique ; il est en réalité structurel. La miniaturisation ne dépend plus seulement de la finesse de gravure, mais de l'architecture : la manière dont les composants sont organisés, connectés et optimisés les uns par rapport aux autres.

2. Deux mots de vocabulaire

Avant d'aller plus loin, deux termes méritent d'être posés, car le reste en découle.

Transistor — Le plus petit interrupteur d'une puce : il laisse passer ou bloque le courant, et c'est en combinant des milliards de ces « oui/non » qu'un processeur calcule. Plus on en met, plus on peut calculer.

Empilement 3D — Plutôt que d'étaler les composants sur une seule couche, on superpose plusieurs étages de circuits reliés verticalement. On gagne en densité sans avoir à graver plus fin, et on rapproche les éléments, ce qui réduit la distance que l'information doit parcourir. C'est cette idée — construire en hauteur — qui est au cœur de l'annonce.

3. Pourquoi cela compte pour l'intelligence artificielle

L'IA moderne est affamée. Elle consomme des données, de l'énergie, des GPU, de la mémoire, du refroidissement, des centres de données et des milliards d'euros d'investissement. Derrière chaque assistant conversationnel, chaque image générée, chaque modèle multimodal, il y a une chaîne matérielle lourde, coûteuse et énergivore.

Si la promesse tient, ce type de puce pourrait déplacer l'équation. Plus de transistors dans un espace réduit, c'est potentiellement plus de puissance de calcul, une meilleure efficacité énergétique et un coût par opération plus faible. Autrement dit : des modèles plus rapides, moins chers à exécuter, moins gourmands en énergie.

Le sujet dépasse alors la simple annonce produit. La question n'est pas seulement de savoir si IBM peut battre Intel, TSMC ou Samsung sur un procédé de gravure. La vraie question est : qui contrôlera l'infrastructure matérielle de l'IA des dix prochaines années ? Car l'IA n'est pas un nuage magique. Elle repose sur du silicium, des usines, des machines de lithographie, des chaînes d'approvisionnement, des brevets, des ingénieurs et des choix géopolitiques.

« L'IA du futur sera peut-être plus intelligente. Mais surtout, elle devra être plus sobre, plus rapide, moins chère et plus proche du terrain. »

4. Sortir de l'IA hors-sol

Depuis deux ans, une partie du marché vend l'IA comme une affaire de logiciels, de prompts, de productivité immédiate et de « révolution » accessible en trois webinaires. C'est confortable, mais incomplet. L'IA n'est pas seulement une interface ; c'est une industrie lourde.

Cette annonce rappelle une évidence souvent oubliée : les ruptures numériques ont toujours une base matérielle. Internet n'a pas explosé parce que les sites web sont devenus plus beaux. Il a fallu des câbles, des serveurs, des routeurs, des processeurs, des smartphones, de la fibre et des réseaux mobiles. De la même manière, l'IA ne deviendra massive, durable et accessible que si son coût d'exécution s'effondre — et cet effondrement viendra en grande partie du matériel. C'est un mouvement que nous suivons depuis longtemps.

Des puces plus puissantes et plus sobres ouvrent la voie à une IA plus distribuée, plus locale, plus embarquée. Une IA qui ne dépend pas toujours d'un centre de données géant à l'autre bout du monde, et qui peut tourner dans des appareils, des véhicules, des équipements industriels, des écoles, des collectivités ou des infrastructures critiques.

C'est ici que le sujet devient politique.

5. Puces, souveraineté et dépendance stratégique

Les semi-conducteurs sont devenus une matière première stratégique, au même titre que le pétrole l'a été au XXᵉ siècle. Celui qui maîtrise les puces tient une partie de l'économie numérique, de la défense, de la santé, de la mobilité, de l'éducation, de la finance et de l'IA.

L'annonce s'inscrit donc dans une compétition industrielle mondiale, où chaque acteur joue sa carte :

  • États-Unis — Veulent conserver leur avance, et adossent leur stratégie à des champions comme IBM, Intel ou Nvidia.
  • Taïwan — Reste central avec TSMC, premier fondeur mondial, et le point névralgique — donc le plus exposé — de toute la chaîne.
  • Corée du Sud — Joue sa carte avec Samsung sur la gravure avancée et la mémoire.
  • Europe — Tente de réduire sa dépendance, avec des moyens encore sans commune mesure avec ceux des leaders.
  • Japon et Chine — Le premier revient dans la course ; la seconde accélère malgré les restrictions à l'exportation.

Dans ce contexte, une puce capable de descendre sous le nanomètre n'est pas seulement une innovation scientifique : c'est un actif stratégique. La souveraineté numérique ne se limite pas à héberger ses données « chez soi » ou à utiliser un logiciel libre. Elle commence bien plus bas — au niveau de la capacité à produire, acheter, comprendre et intégrer les composants qui feront tourner les systèmes critiques de demain.

6. Signaux à surveiller

Garder la tête froide reste indispensable. Entre une démonstration de recherche et une puce disponible à grande échelle, il y a un gouffre : rendement de fabrication, coût, fiabilité, intégration dans les chaînes existantes, disponibilité des machines, partenaires industriels, packaging, mémoire, refroidissement. Quelques indicateurs concrets permettront de séparer l'annonce de la réalité :

  1. La confirmation indépendante — Les chiffres avancés (densité, nombre de transistors) doivent être mesurés par des tiers sur du silicium réel. Tant que ce n'est pas fait, prudence.
  2. Le rendement de fabrication — Une prouesse en laboratoire ne vaut industriellement que si une part suffisante des puces produites sont fonctionnelles. C'est souvent là que les promesses trébuchent.
  3. L'horizon temporel — IBM évoquerait plusieurs années. Cette technologie n'arrivera pas demain dans nos ordinateurs ; la cadence annoncée dira si c'est une trajectoire ou un coup d'éclat.
  4. Les partenaires de production — IBM conçoit, mais qui fabriquera en volume ? Le nom des fondeurs associés en dira long sur le sérieux du calendrier.
  5. Le gain énergétique réel — La densité ne suffit pas. Le vrai test, pour l'IA, est le coût par opération et la consommation au watt.

Le futur des puces ne sera probablement pas une simple continuation du passé. Il sera fait d'empilement 3D, de nouveaux matériaux, de chiplets, de mémoire plus proche du calcul, d'architectures spécialisées et de compromis énergétiques de plus en plus fins.

7. Un mot situé

Nous écrivons depuis La Réunion, à 9 000 km des salles blanches où se décide cette course. Vu d'ici, l'annonce d'IBM n'est pas d'abord une affaire de transistors empilés.

Ce qui nous intéresse, c'est la relocalisation possible du calcul. Pour un territoire insulaire, dépendant de liaisons sous-marines pour atteindre les grands centres de données, l'idée qu'une IA utile puisse un jour tourner sur place, hors ligne, sans compteur, n'est pas un détail de confort : c'est une question de souveraineté et de sobriété. Des puces plus sobres, c'est la perspective d'un laboratoire frugal qui cesse d'être à la merci de la latence et des prix d'inférence d'un fournisseur lointain.

Pendant que certains vendent l'IA comme une couche de marketing posée sur des diapositives, l'annonce rappelle que la révolution se fabrique encore dans les laboratoires, les salles blanches et les chaînes de production. La bataille de demain ne sera pas seulement « qui a le meilleur chatbot ? », mais « qui possède les puces, l'énergie, les usines, les talents et les infrastructures pour faire fonctionner l'IA à grande échelle ? ».

Le vrai combat ne se joue pas seulement dans le cloud. Il se joue dans l'atome.

Sources et lectures complémentaires

  • IBM Research — Communications publiques sur la feuille de route des semi-conducteurs (nanofeuilles, empilement 3D, nœuds avancés). Source primaire à confronter aux annonces rapportées.
  • Gordon Moore (1965) — Article fondateur posant la « loi de Moore », référence historique du cadrage densité/coût.
  • RTX Spark : le moment « Apple Silicon » de Nvidia et Microsoft — Notre analyse sur la relocalisation du calcul vers le bord du réseau.
  • L'effondrement du coût du token — Notre article sur la dynamique économique qui rend l'IA massive.

Ce document est mis à jour si des éléments nouveaux apparaissent. Dernière révision : 原 25 juin 2026.