Amazon vend des puces IA personnalisées pour défier Nvidia

Amazon a confirmé ses projets de vendre ses puces accélératrices IA inferentia et trainium conçues sur mesure à des clients externes, défiant directement la domination de Nvidia sur le marché critique du matériel IA. Cette stratégie a été rapportée par Barrons le 18 juin 2026, marquant une escalade significative dans la concurrence du fournisseur de cloud avec le principal concepteur de puces. Ce mouvement commercial fait suite à des années de développement interne pour Amazon Web Services et arrive alors que Nvidia se négocie à 210,69 $, en hausse de 1,58 % au cours de la journée, et que les actions d'Amazon se situent à 244,39 $ à la mi-matinée UTC aujourd'hui.

Contexte — pourquoi cela compte maintenant

Nvidia a établi une position dominante sur le marché des GPU pour centres de données, les analystes estimant sa part à plus de 80 % pour les charges de travail d'entraînement IA. Le dernier défi majeur à sa domination architecturale est survenu fin 2022 lorsque plusieurs fournisseurs de cloud, dont Google avec son TPU et Microsoft avec sa puce Maia, ont annoncé des projets de silicium personnalisés. Ceux-ci étaient principalement réservés à un usage interne, préservant l'emprise de Nvidia sur le marché commercial.

Le catalyseur actuel est la demande explosive pour l'inférence, la phase de l'IA où les modèles entraînés répondent aux requêtes. Les charges de travail d'inférence devraient représenter plus de 70 % des dépenses en calcul IA d'ici 2027, alors que des modèles comme ceux d'OpenAI et d'Anthropic sont déployés à grande échelle. Les GPU polyvalents de Nvidia, bien que puissants, sont souvent considérés comme trop sophistiqués et coûteux pour cette tâche spécifique. La décision d'Amazon de commercialiser ses puces cible désormais ce segment massif et en croissance où le coût par inférence est le principal indicateur.

Données — ce que les chiffres montrent

Les données du marché illustrent l'ampleur de la concurrence à laquelle Amazon s'attaque. L'action de Nvidia a une capitalisation boursière dépassant 5,2 billions de dollars, soutenue par son monopole IA. En revanche, Amazon se négocie avec une capitalisation d'environ 2,5 billions de dollars. Les puces personnalisées d'Amazon, comme le Trainium2, prétendent offrir jusqu'à 4x de meilleure performance-prix pour l'entraînement de grands modèles de langage par rapport aux générations précédentes. Pour l'inférence, la puce Inferentia2 promet un débit 50 % supérieur et une latence 40 % inférieure à celle de son prédécesseur.

Une comparaison clé réside dans les dépenses des fournisseurs de cloud. Avant ce mouvement, AWS, Microsoft Azure et Google Cloud étaient collectivement prévus pour dépenser plus de 150 milliards de dollars en matériel de centre de données en 2026, une partie significative allant à Nvidia. En vendant ses propres puces, Amazon vise à capter un flux de revenus direct tout en réduisant potentiellement ses propres dépenses en capital sur du matériel tiers. L'impact financier sera mesuré en marges brutes ; la marge brute des centres de données de Nvidia se situe au-dessus de 70 %, un objectif pour tout challenger réussi.

Analyse — ce que cela signifie pour les marchés / secteurs / tickers

L'effet direct de second ordre est la pression sur le pouvoir de fixation des prix et la part de marché de Nvidia dans le segment de l'inférence. Des entreprises comme Meta et Tesla, qui exploitent d'énormes clusters d'inférence IA, pourraient devenir des clients précoces pour les puces plus optimisées en coûts d'Amazon. Cela réduirait directement le marché adressable total de Nvidia. Cela bénéficie également à la fonderie de semi-conducteurs TSMC, car les puces d'Amazon sont fabriquées sur ses processus avancés, diversifiant sa base de clients au-delà de Nvidia et AMD.

Le risque reconnu est le verrouillage logiciel. La plateforme CUDA de Nvidia est l'écosystème bien établi pour les développeurs IA. Le succès d'Amazon dépend de sa capacité à fournir une pile logicielle compétitive, y compris des frameworks comme PyTorch et TensorFlow. Sans un logiciel solide, même un matériel supérieur peut avoir du mal à être adopté. Les données récentes montrent un intérêt institutionnel accru pour les entreprises de la chaîne d'approvisionnement en semi-conducteurs, comme ASML et LAM Research, alors que le marché se diversifie loin d'un seul fournisseur.

Perspectives — ce qu'il faut surveiller ensuite

Le premier catalyseur majeur est l'appel aux résultats du Q2 2026 d'Amazon, prévu pour fin juillet. Les commentaires de la direction sur l'intérêt précoce des clients et les revenus projetés provenant des ventes de puces seront critiques. Le deuxième catalyseur est le calendrier de lancement de la prochaine génération d'architecture Rubin de Nvidia, prévue pour fin 2026, qui définira la nouvelle référence de performance.

Les niveaux clés à surveiller incluent le prix de l'action de Nvidia se maintenant au-dessus de sa moyenne mobile sur 200 jours près de 205 $ et la capacité d'Amazon à franchir la résistance à son sommet annuel de 245,73 $. La performance de l'iShares Semiconductor ETF (SOXX) par rapport au Nasdaq indiquera si le marché considère cela comme un net positif pour le secteur plus large ou un changement de part à somme nulle. Le résultat conditionnel dépend de la capacité d'Amazon à sécuriser des victoires de conception avec au moins un autre grand fournisseur de cloud ou une grande entreprise d'ici la fin de l'année.

Questions Fréquemment Posées

Comment le mouvement d'Amazon se compare-t-il à la stratégie TPU de Google ?

Les unités de traitement Tensor (TPU) de Google sont disponibles en externe depuis 2018, mais principalement via le modèle de plateforme-as-a-service de Google Cloud. Les clients louent l'accès aux pods TPU mais ne peuvent pas acheter les puces physiques. La stratégie d'Amazon est plus directe, vendant les puces directement pour un déploiement dans des centres de données appartenant aux clients ou d'autres clouds. C'est un défi commercial plus agressif au modèle commercial du matériel de Nvidia.

Que signifie cela pour les entreprises utilisant l'IA, comme OpenAI ou Anthropic ?

Pour les développeurs de modèles IA, une concurrence accrue sur le marché du matériel devrait conduire à une baisse des coûts de calcul au fil du temps. Cela pourrait améliorer l'économie des services d'inférence à grande échelle. Cela offre également plus de choix architecturaux, permettant aux entreprises d'optimiser différentes parties de leur charge de travail sur différentes puces. Cependant, cela pourrait ajouter de la complexité à leurs équipes d'ingénierie, qui doivent désormais prendre en charge et optimiser plusieurs backends matériels.

Cela affectera-t-il le prix des services cloud IA pour les développeurs ?

Oui, mais indirectement. Amazon est susceptible d'utiliser cette stratégie pour réduire ses propres coûts d'infrastructure pour AWS. Ces économies pourraient être répercutées sur les clients utilisant les services IA d'AWS, comme SageMaker et Bedrock, sous forme de prix plus bas ou de niveaux gratuits plus généreux. La pression concurrentielle pourrait également forcer Google Cloud et Microsoft Azure à réévaluer leurs prix pour les instances de machines virtuelles centrées sur l'IA afin de rester compétitifs.

Conclusion

La vente commerciale de puces par Amazon attaque directement le marché le plus rentable de Nvidia, visant à fragmenter l'écosystème matériel IA et à capturer de la valeur.

Clause de non-responsabilité : Cet article est à des fins d'information uniquement et ne constitue pas un conseil en investissement. Le trading de CFD comporte un risque élevé de perte de capital.