Arm entre dans l'arène du silicium : le CPU AGI prêt à propulser l'IA agentique, mais au milieu d'une forte concurrence

La puce quantique Majorana 2 de Microsoft illustre le rôle des agents IA dans la R&D

Microsoft a dévoilé cette semaine le processeur quantique Majorana 2, accompagné de chiffres qui redéfinissent les standards du secteur : des qubits mille fois plus fiables que ceux de la première génération, une durée de vie moyenne de 20 secondes contre quelques microsecondes pour les puces concurrentes, et un objectif de calculateur quantique commercialement utilisable d'ici 2029. Le changement clé à l'origine de ce bond : le remplacement du matériau supraconducteur, passant de l'aluminium au plomb, une décision issue d'années de recherche conventionnelle en science des matériaux. En parallèle, Microsoft a annoncé la disponibilité générale de Microsoft Discovery, sa plateforme d'IA agentique dédiée à la R&D scientifique, dont le développement de Majorana 2 constitue la première démonstration publique d'efficacité. Ce qui rend cette annonce structurellement importante, ce n'est pas que l'IA ait conçu la puce, mais ce qu'elle a rendu possible autour de la recherche humaine. Microsoft Discovery n'a pas choisi le plomb comme matériau, mais ses agents ont pris en charge la gestion des flux de fabrication, l'automatisation de mesures qui prenaient auparavant plusieurs semaines chacune, et surtout la synthèse de près de vingt ans de données de recherche cloisonnées. Zulfi Alam, vice-président corporate de Microsoft pour le quantum, résume : "Les agents IA peuvent recréer des corrélations que nous, en tant qu'humains, ne pouvons pas voir, parce qu'aucun individu n'a cette vision sur autant de données." Concrètement, la détection des états quantiques sur des fils semi-conducteurs, un processus manuel qui s'étalait sur des semaines, est désormais automatisée en continu par un agent spécialisé capable d'ajuster simultanément des centaines de paramètres de tension, là où un chercheur raisonne nécessairement de façon linéaire. La course à l'informatique quantique fiable oppose depuis des années Microsoft, Google, IBM et quelques startups comme IonQ ou PsiQuantum, chacun misant sur des architectures radicalement différentes. Microsoft a longtemps été en retrait sur les résultats concrets, pariant sur les qubits topologiques basés sur les fermions de Majorana, une approche théoriquement plus robuste mais expérimentalement très difficile à réaliser. Majorana 2 marque un tournant crédible dans cette stratégie. Mais l'enjeu dépasse le quantum : avec la mise en disponibilité générale de Microsoft Discovery pour les entreprises, incluant des agents spécialisés, un moteur de raisonnement et une gouvernance de niveau entreprise, Microsoft positionne l'IA agentique comme infrastructure centrale de la R&D industrielle. Si la preuve par la puce quantique tient ses promesses, d'autres secteurs, pharmaceutique, matériaux, énergie, pourraient rapidement adopter ce modèle où l'IA compresse les cycles expérimentaux et libère les chercheurs des tâches de mesure et de synthèse de données.

💬 Ce qui m'intéresse dans cette annonce, c'est pas la puce, c'est ce que Discovery a rendu possible autour : 20 ans de données de recherche cloisonnées synthétisées, des mesures qui prenaient des semaines automatisées en continu par des agents. L'IA n'a pas choisi le plomb comme matériau, c'est des années de science des matériaux classique qui ont mené là. Reste à voir si ça tient hors labo, mais le pharma et l'énergie ont de bonnes raisons de regarder ça de très près.

Semi-conducteurs : l'IA propulse les revenus des fonderies à un niveau record au premier trimestre 2026

Les revenus des fonderies de semi-conducteurs ont atteint un niveau historique au premier trimestre 2026, portés par une demande en accélérateurs IA sans précédent. TSMC, le géant taïwanais qui fabrique les puces d'Apple, NVIDIA et AMD, a enregistré une hausse de ses revenus trimestriels dépassant 30 % sur un an, consolidant sa position de premier fondeur mondial. Samsung Foundry et d'autres acteurs de rang deux ont également bénéficié de cette dynamique, même si l'écart avec TSMC s'est creusé sur les noeuds les plus avancés (3 nm et 2 nm). Cette progression traduit une ruée des géants du cloud -- Microsoft, Google, Amazon, Meta -- vers les puces dédiées à l'inférence et à l'entraînement de modèles d'IA. Chaque centre de données construit pour faire tourner des LLMs représente des commandes massives de GPU et d'ASIC propriétaires, tous gravés en fonderie. Pour l'industrie, c'est une rupture de cycle : les fonderies sortent de la logique saisonnière liée aux smartphones pour entrer dans un régime de commandes structurellement plus stables et plus rentables. Ce record arrive après deux années difficiles marquées par la correction post-COVID et la chute de la demande grand public. La montée en puissance des ASIC maison chez les hyperscalers -- Google TPU, Amazon Trainium, Microsoft Maia -- diversifie les carnets de commandes au-delà de NVIDIA. La course aux capacités de production avancée s'intensifie : TSMC accélère ses usines en Arizona et au Japon, tandis que l'Europe et les Etats-Unis cherchent a réduire leur dépendance a l'Asie via le CHIPS Act et son équivalent européen.

L'utilisation d'agents IA consomme environ 600 fois plus d'energie qu'une simple requete de chat

L'astrophysicien et climatologue Zeke Hausfather a mesuré sa propre consommation d'énergie liée à l'utilisation de Claude Code, l'agent de codage d'Anthropic, sur une période de huit semaines. Il a traité 3,2 milliards de tokens, pour une consommation totale d'environ 170 kilowattheures d'électricité en centre de données. Ramené à l'échelle d'une seule requête, ce chiffre représente environ 600 fois plus d'énergie qu'un prompt classique adressé à un chatbot conversationnel standard. Cette mesure directe contraste fortement avec les estimations habituellement communiquées par les grandes entreprises du secteur, comme Google et OpenAI. Cet écart révèle à quel point les chiffres officiels, souvent cités pour rassurer sur l'empreinte environnementale de l'intelligence artificielle, ne reflètent pas la réalité des usages les plus intensifs. Les agents IA autonomes, capables d'exécuter des tâches complexes en enchaînant de nombreuses étapes de raisonnement et d'action sans intervention humaine constante, consomment nettement plus de ressources qu'une simple conversation. Pour les entreprises technologiques, les régulateurs et les opérateurs de centres de données, cela signifie que les projections de consommation électrique liées à l'IA doivent être révisées à la hausse, à mesure que ces agents remplacent progressivement les usages conversationnels plus légers. Cette découverte s'inscrit dans un débat plus large sur la transparence énergétique de l'industrie de l'IA, où les entreprises communiquent rarement des données détaillées sur la consommation réelle de leurs modèles en production. Les chiffres avancés par Google ou OpenAI portent généralement sur des requêtes simples et ponctuelles, un cas d'usage de moins en moins représentatif à mesure que les agents autonomes se généralisent dans le développement logiciel et d'autres secteurs. Face à la multiplication de ces outils et à la pression croissante sur les infrastructures électriques, la question de mesures indépendantes et standardisées de la consommation énergétique des systèmes d'IA agentiques devient un enjeu central pour anticiper leur impact sur le réseau électrique et le climat.

💬 Sur le papier, 600x plus d'énergie qu'un simple prompt, ça fait peur. En vrai, ça mesure juste ce qu'on savait déjà en creux : un agent qui enchaîne des dizaines d'appels pour coder tout seul, ce n'est pas une conversation, c'est un petit centre de calcul à lui seul. La vraie info, c'est que les chiffres officiels de Google ou OpenAI parlent d'un usage qui devient minoritaire, alors les projections d'électricité liées à l'IA sont probablement sous-estimées d'un bon facteur à mesure que les agents remplacent le chatbot classique.

Le premier CPU signé Arm va équiper les datacenters IA de Meta plus tard cette année

Arm franchit une étape historique en lançant son premier processeur maison, l'Arm AGI CPU, destiné aux datacenters d'intelligence artificielle. Après des décennies à se limiter à la conception de designs de puces sous licence, la société britannique passe à la fabrication directe, et son premier client n'est autre que Meta. Ce changement de stratégie marque un tournant majeur pour Arm, dont le modèle économique reposait jusqu'ici exclusivement sur la vente de licences à des fabricants tiers comme Qualcomm, Apple ou Samsung. En entrant dans l'arène de la production de puces, Arm se positionne désormais comme un acteur à part entière dans la course aux infrastructures IA, un secteur en pleine explosion où les besoins en puissance de calcul pour l'inférence, c'est-à-dire l'exécution des modèles en temps réel, ne cessent de croître. L'Arm AGI CPU est conçu spécifiquement pour l'inférence cloud, notamment pour alimenter des agents IA capables de démultiplier les tâches en parallèle. Meta se positionne à la fois comme partenaire principal et co-développeur de la puce, avec des engagements portant sur plusieurs générations de processeurs datacenter. Ce partenariat intervient alors que Meta aurait rencontré des difficultés à lancer ses propres puces maison. Le CPU sera déployé aux côtés de matériel de fournisseurs tiers tels que Nvidia et AMD. Cette alliance illustre une tendance de fond : les grands acteurs du web cherchent à diversifier leurs sources de silicium pour réduire leur dépendance à Nvidia, tout en s'appuyant sur des partenaires capables de co-concevoir des solutions sur mesure. Pour Arm, c'est l'occasion de capturer une plus grande part de la valeur générée par ses architectures, dans un contexte où ses designs dominent déjà une large part du marché mobile mondial.