Le déploiement de l’intelligence artificielle entre 2024 et 2026 a concentré une quantité extraordinaire de création de valeur économique mondiale dans une chaîne d’approvisionnement qui se termine, en son point le plus critique, dans un nombre relativement restreint d’usines de fabrication situées sur l’île de Taïwan. Les GPU H100 et H200 de Nvidia — le substrat principal d’entraînement et d’inférence pour les modèles d’IA de pointe — sont exclusivement fabriqués par TSMC. Il en va de même pour les accélérateurs IA concurrents d’AMD, les puces M d’Apple, et les puces IA sur mesure qu’AWS, Google et Microsoft ont chacun développées comme alternatives à l’architecture Nvidia. TSMC fabrique l’écrasante majorité des semi-conducteurs les plus avancés au monde, et ses usines de pointe sont concentrées à Hsinchu et Tainan, à portée des moyens militaires chinois dans un détroit géopolitiquement disputé.
L’industrie technologique connaît ce risque de concentration depuis des années. La pénurie de puces liée à la pandémie, entre 2021 et 2022, l’a rendu visible pour l’économie et les décideurs politiques au sens large. Le déploiement de l’IA en a fait une vulnérabilité stratégique aiguë. Comprendre l’état réel des efforts de diversification de la chaîne d’approvisionnement des semi-conducteurs — ce qui a été investi, ce qui a été construit, quel est le calendrier réaliste, et où se trouvent réellement les goulots d’étranglement dont personne ne parle — exige une analyse plus honnête que ce que fournissent habituellement l’alarme géopolitique ou le récit politique rassurant.
La position de monopole réelle de TSMC
La domination de TSMC sur les nœuds de semi-conducteurs de pointe n’est pas un accident de la concurrence de marché — c’est le fruit de décennies d’investissement cumulatif dans la technologie de procédé, les relations avec les équipementiers et le savoir-faire en ingénierie de procédé, qu’aucun concurrent n’a réussi à reproduire. Aux nœuds de 3 et 2 nanomètres — là où sont fabriquées les puces IA les plus exigeantes en calcul — TSMC est de facto le seul fabricant à grande échelle au monde. Samsung dispose d’une certaine capacité en 3 nm mais peine avec des taux de rendement qui limitent sa capacité à capter la production de puces IA à forte valeur. Intel vise une production de pointe compétitive mais ne l’a pas encore atteinte à grande échelle.
Les barrières techniques pour reproduire le procédé de pointe de TSMC ne se résument pas à une simple question de dépenses d’investissement. Les recettes de procédé — la séquence précise de dépôt, de gravure, de dopage et de mesure qui définit un nœud fonctionnel — sont le fruit d’un raffinement continu sur des milliards de plaquettes et des milliers d’ingénieurs qui ont passé leur carrière à optimiser des procédés de fabrication spécifiques. Les relations avec ASML (qui fabrique les machines de lithographie ultraviolette extrême que requiert la fabrication de pointe, et qui est elle-même en quasi-monopole) et avec les fournisseurs de matériaux ajoutent des couches supplémentaires de dépendance concentrée.
La relation de Nvidia avec TSMC est l’expression la plus visible de cette dépendance. La demande de calcul IA que capte Nvidia dépend entièrement de la capacité de TSMC à produire les puces que Nvidia conçoit. Lorsque Nvidia annonce une nouvelle architecture de GPU, la montée en cadence de production est déterminée autant par les décisions d’allocation de capacité de TSMC que par les propres plans de fabrication de Nvidia. Il s’agit d’une structure de chaîne d’approvisionnement où le concepteur détient la notoriété de marque et la marge, mais où le fabricant détient le point de blocage physique de la production.
Le goulot d’étranglement du packaging avancé dont personne ne parle
Les discussions sur la chaîne d’approvisionnement des semi-conducteurs se concentrent fortement sur la fabrication — le processus en amont consistant à construire des transistors sur des plaquettes de silicium — mais la génération actuelle de puces IA a créé un goulot d’étranglement tout aussi aigu dans le packaging avancé, qui reçoit bien moins d’attention. Les accélérateurs IA modernes, y compris les GPU de la série H de Nvidia, combinent plusieurs puces au sein d’un même boîtier grâce au CoWoS (Chip-on-Wafer-on-Substrate) et à des technologies de packaging avancé similaires, qui permettent à différentes puces de communiquer à haut débit tout en restant physiquement adjacentes plutôt que reliées par des pistes de circuit imprimé.
Cette capacité de packaging avancé est elle aussi principalement concentrée chez TSMC. La capacité CoWoS de TSMC a constitué un facteur limitant pour la production de GPU Nvidia — en 2023 et début 2024, la capacité CoWoS de TSMC était pleinement allouée et contraignait le nombre de H100 pouvant être expédiés, indépendamment de la capacité de production des plaquettes. Ce goulot d’étranglement du packaging est moins discuté que la dépendance à la fabrication, mais représente un point de blocage équivalent dans la chaîne d’approvisionnement à l’état actuel de l’architecture des puces IA.
La diversification du packaging avancé est plus difficile à accélérer que la fabrication de plaquettes, pour une raison précise : le processus est étroitement couplé à la conception de la puce. Un nouveau fournisseur de packaging avancé doit apprendre les exigences spécifiques d’assemblage, d’alignement et de test propres à chaque conception de puce, ce qui exige du temps et un apprentissage de rendement qui ne peut être raccourci par la seule dépense d’investissement. Les fournisseurs de cloud qui développent des puces IA sur mesure — Trainium chez AWS, les TPU chez Google — disposent d’une certaine flexibilité dans leurs architectures de packaging, mais eux aussi dépendent d’une capacité de packaging de pointe géographiquement concentrée.
Le CHIPs Act : ce qu’il a accompli, et ce qu’il n’a pas accompli
Le CHIPs and Science Act américain, promulgué en 2022 avec 52 milliards de dollars de subventions et de financements de recherche pour la fabrication de semi-conducteurs, a représenté l’investissement de politique industrielle américaine le plus important depuis des décennies. Les réalisations phares d’ici 2026 sont bien réelles : l’usine TSMC de Phoenix, en Arizona, produit des puces au nœud N4 (équivalent 4 nanomètres) avec des projets d’extension vers le N2 ; l’usine Intel de l’Ohio est en construction ; l’usine Samsung de Taylor, au Texas, progresse. Il s’agit là d’ajouts réels à la capacité de fabrication de semi-conducteurs américaine, qui n’existaient pas avant les incitations du CHIPs Act.
Le bilan honnête de ce qu’a accompli le CHIPs Act exige toutefois plusieurs nuances. Les usines opérationnelles ou en construction aux États-Unis accusent une à deux générations de retard sur la production de pointe qui reste concentrée à Taïwan. L’usine de TSMC en Arizona, qui produit du N4, représente une capacité significative, mais les usines taïwanaises de TSMC produisent déjà du N2 et préparent le N1.4 ; la frontière technologique a avancé pendant que les investissements américains se construisaient. Une perturbation de la chaîne d’approvisionnement affectant les usines les plus avancées de TSMC affecterait une production que les usines américaines du CHIPs Act ne peuvent pas reproduire en 2026.
Le défi de la main-d’œuvre s’est également révélé plus important que ne l’anticipaient ses partisans. La fabrication de semi-conducteurs exige des ingénieurs de procédé hautement spécialisés, dotés d’une expérience d’équipements et de flux de procédé spécifiques ; la main-d’œuvre américaine possédant ces compétences est limitée, et TSMC a dû importer des ingénieurs taïwanais pour son usine d’Arizona, à un coût et une complexité logistique significatifs. Construire le vivier de talents d’une industrie de fabrication de semi-conducteurs de classe mondiale exige une génération d’investissement éducatif et de formation, qu’un programme de subvention de trois ans ne peut pas comprimer.
Ce que font réellement les entreprises technologiques face à ce risque
Les plus grandes entreprises technologiques dépendantes de la production de TSMC poursuivent plusieurs stratégies pour réduire le risque de concentration, avec des degrés de réussite variables. Le développement de puces sur mesure — concevoir des accélérateurs IA propriétaires optimisés pour des charges de travail spécifiques — réduit la dépendance à l’architecture Nvidia et crée une certaine optionalité dans les partenaires de fabrication, puisque des conceptions sur mesure peuvent en principe être fabriquées par n’importe quelle fonderie de pointe. La capacité de conception de puces en interne d’Apple est l’exemple le plus abouti de cette stratégie, bien qu’Apple reste entièrement dépendante de TSMC pour la fabrication.
Les architectures en chiplets — modulariser la conception d’une puce en plusieurs matrices plus petites qui peuvent être combinées lors du packaging plutôt que de concevoir des puces monolithiques — réduisent la surface de plaquette de pointe nécessaire par puce et créent davantage de flexibilité dans l’approvisionnement. Une conception en chiplets qui place les cœurs les plus gourmands en calcul sur des plaquettes TSMC de pointe, tout en utilisant des nœuds plus banalisés pour les entrées-sorties et les interfaces mémoire, peut partiellement réduire le risque de concentration sur les nœuds de pointe. AMD et Intel ont poursuivi cette architecture de manière agressive ; Nvidia est resté plus prudent, compte tenu des avantages de performance des matrices de GPU monolithiques pour certaines charges de travail spécifiques.
La diversification géographique de la propre capacité de TSMC est la solution la plus directe, mais elle avance au rythme de TSMC et selon ses propres besoins en capital. TSMC construit au Japon (Kumamoto), en Allemagne (Dresde) et aux États-Unis (Phoenix) — trois sites additionnels géographiquement dispersés. Ces sites ajoutent collectivement une capacité significative en dehors de Taïwan, mais restent à des nœuds de procédé en retard sur la production taïwanaise la plus avancée de TSMC. La diversification complète de la production de pointe — si elle se produit un jour — relève d’un horizon 2030-2035, pas d’une réalité de 2026.
Le risque géopolitique qui ne peut pas être couvert rapidement
La tension dans le détroit de Taïwan, qui sous-tend le débat sur la fragilité de la chaîne d’approvisionnement des semi-conducteurs, ne s’est résolue dans aucune direction depuis qu’elle est devenue une préoccupation géopolitique majeure en 2022. Le statu quo de dissuasion maîtrisée se poursuit, les États-Unis maintenant leurs engagements sécuritaires envers Taïwan tandis que la Chine maintient sa revendication de souveraineté et sa posture militaire dans le détroit. Cet équilibre a tenu et pourrait continuer de tenir — la perturbation économique d’un conflit militaire serait catastrophique pour toutes les parties — mais ce n’est pas un risque de chaîne d’approvisionnement qui peut être couvert par une gestion de portefeuille classique ou par des stocks stratégiques.
La réponse de l’industrie des semi-conducteurs à ce risque — les investissements du CHIPs Act, la diversification géographique de TSMC, les programmes de puces sur mesure — représente la couverture structurelle réellement envisageable sur un horizon d’une décennie. À court terme, le déploiement du calcul IA repose sur une fondation de chaîne d’approvisionnement qui serait sévèrement perturbée par un conflit dans le détroit de Taïwan, d’une manière qu’aucune prévision de résultats trimestriels ni annonce de dépense d’investissement ne peut modifier. Ce risque est intégré dans les évaluations de risque géopolitique et la planification stratégique, mais il ne peut être éliminé par aucun mécanisme commercialement disponible.
Pour les investisseurs et les entreprises qui dépendent du calcul IA : la fragilité de la chaîne d’approvisionnement des semi-conducteurs est un risque extrême, pas un scénario central, et la planification opérationnelle devrait refléter ce calibrage. La considération la plus actionnable à court terme est que les décisions d’allocation de capacité de TSMC continueront de déterminer l’offre de puces IA de pointe, et que la demande des hyperscalers, les commandes de Nvidia et la feuille de route produit d’Apple se disputeront cette allocation de manière à créer des contraintes d’approvisionnement périodiques. Gérer cette contrainte — via des stocks stratégiques, des accords d’approvisionnement de long terme, et la diversification vers des puces sur mesure qui réduit la dépendance à Nvidia — constitue la gestion de risque pratique aujourd’hui accessible aux grands consommateurs de technologie.
La fragilité civilisationnelle qu’aucun document de politique publique n’a pleinement affrontée
En prenant suffisamment de recul par rapport aux résultats trimestriels et aux points d’étape du CHIPs Act, on rencontre un fait civilisationnel si frappant que la plupart des débats politiques trouvent des moyens de l’éviter directement : les activités économiques et militaires les plus déterminantes du monde moderne dépendent désormais d’une chaîne d’approvisionnement qui se termine dans des usines situées sur une île de trente-cinq mille kilomètres carrés, que deux puissances nucléaires revendiquent de manière concurrente et irréconciliable. Ce n’est pas un risque de chaîne d’approvisionnement au sens ordinaire. C’est une fragilité structurelle d’un type que les parallèles historiques peinent à saisir — non pas parce que la situation est inédite dans chacun de ses détails, mais parce que la concentration de la dépendance en ce point de blocage est plus aiguë que presque tout ce que l’économie mondiale moderne a produit jusqu’ici.
Considérez ce que cela signifie en termes historiques. Les civilisations ont toujours eu leurs points de blocage — le détroit d’Ormuz pour le pétrole, le canal de Suez pour le commerce maritime, le Mississippi pour le commerce agricole américain. La différence avec la fabrication de semi-conducteurs est que le point de blocage n’est pas seulement logistique, mais technique. Du pétrole venu d’ailleurs que du Moyen-Orient peut toujours faire tourner un moteur. Des procédés de semi-conducteurs venus d’ailleurs que des usines de TSMC à Hsinchu ne peuvent pas produire les puces qu’exige l’entraînement de l’IA, parce qu’aucune autre usine capable de le faire n’existe. La concentration technique est d’un ordre différent de la concentration logistique, et elle s’est développée en l’espace d’une seule génération humaine — assez vite pour que les cadres politiques et institutionnels chargés de la gérer n’aient pas suivi.
La réponse stratégique la plus intéressante à cette fragilité n’est pas, contrairement au récit conventionnel, l’investissement du CHIPs Act dans la capacité de fabrication américaine. La réponse la plus intéressante est celle poursuivie au niveau des appareils — la poussée vers le calcul IA embarqué qui réduit la dépendance à l’inférence centralisée en centre de données. La stratégie d’IA embarquée d’Apple, quelles que soient ses limites de capacité actuelles, représente une philosophie de conception qui répartit le calcul IA sur des centaines de millions d’appareils plutôt que de le concentrer dans un petit nombre d’installations hyperscale qui dépendent elles-mêmes de la production TSMC. Un monde où le calcul IA significatif s’exécute sur un appareil utilisant des nœuds de fabrication vieux de quatre ans, plutôt que d’exiger les puces les plus avancées de la chaîne d’approvisionnement la plus concentrée, est structurellement plus résilient qu’un monde où toute l’inférence transite par des centres de données équipés de GPU de pointe.
Le constat civilisationnel honnête est le suivant : l’humanité a bâti une infrastructure technologique qui transforme chaque secteur de l’économie et chaque institution de gouvernance, et le fondement de cette infrastructure repose sur un point de blocage géographique et technique que les systèmes politiques chargés de le gérer n’ont pas suffisamment traité. Les délais de diversification — comptés en décennies, pas en années — signifient que cette fragilité structurelle persistera durant au moins une génération complète de déploiement de l’IA. La question que les historiens trouveront la plus intéressante à propos de cette période n’est pas de savoir si les décideurs connaissaient cette concentration. Les faits montreront clairement que oui. La question sera de savoir pourquoi cette connaissance n’a pas produit d’action à la hauteur avant que la fragilité ne devienne consequente. La réponse, comme pour la plupart des risques civilisationnels, tiendra à une combinaison d’horizons de planification courts, de coûts diffus, d’intérêts concentrés, et de la tendance humaine à reporter les décisions les plus difficiles jusqu’à ce que les circonstances les imposent.
Les cinq forces appliquées à la chaîne d’approvisionnement des semi-conducteurs : qui détient réellement le pouvoir de fixation des prix
La structure concurrentielle de la chaîne d’approvisionnement des semi-conducteurs est inhabituelle en ce qu’elle produit une industrie où acheteurs et fournisseurs sont tous deux extrêmement puissants, où les barrières à l’entrée sont extraordinairement élevées, et où la menace de substituts est quasi nulle pour les applications de pointe. Une analyse concurrentielle systématique fait apparaître un tableau qui explique pourquoi la concentration décrite dans cet article a persisté malgré trois décennies de tentatives pour la faire évoluer.
Le pouvoir des fournisseurs dans les semi-conducteurs de pointe est pratiquement absolu. TSMC n’a pas d’alternative crédible pour les puces en dessous de 3 nm. ASML n’a pas d’alternative crédible pour les équipements de lithographie EUV. Shin-Etsu et Sumco n’ont pas d’alternative crédible pour les plaquettes de silicium dont ont besoin à la fois TSMC et Samsung. C’est une chaîne d’approvisionnement où les fournisseurs des fournisseurs sont eux aussi en situation de monopole. L’hypothèse standard de l’analyse concurrentielle — selon laquelle la concentration des fournisseurs finit par attirer de nouveaux entrants qui rétablissent l’équilibre — ne s’applique pas ici, car les besoins en capital, le délai d’avance technologique et le savoir-faire de procédé accumulé créent des barrières cumulatives que les nouveaux entrants ne peuvent surmonter dans un délai commercialement pertinent.
Le pouvoir des acheteurs est élevé en agrégat, mais limité en pratique. Apple, Nvidia, AMD et Qualcomm représentent collectivement un volume d’achat considérable. Mais leur pouvoir d’acheteur est neutralisé par leur dépendance aux procédés de pointe de TSMC pour les produits qui définissent leur position concurrentielle. Apple ne peut pas accepter une puce issue du nœud 3 nm de Samsung sans accepter une régression de performance sur ses produits les plus importants. Nvidia ne peut pas accepter une puce d’Intel Foundry sans accepter des caractéristiques de rendement et de performance qui affecteraient son positionnement en accélérateurs IA. Les acheteurs sont suffisamment puissants pour influencer les prix et les priorités à la marge. Ils ne sont pas suffisamment puissants pour discipliner TSMC sur les termes fondamentaux, car le coût de changement équivaut en pratique à une régression d’une génération de produit.
La demande émergente de puces pour la robotique — de la part de Tesla, Figure, et de la catégorie plus large de la robotique humanoïde — ajoute un nouveau segment d’acheteurs qui accélérera les besoins de volume de TSMC sans créer la moindre nouvelle alternative de fournisseur. Les puces de contrôle robotique et les processeurs IA embarqués nécessitent les mêmes nœuds de procédé de pointe qu’utilisent les puces de smartphones et les accélérateurs IA. Chaque déploiement réussi en robotique constitue une demande incrémentale pour la même infrastructure d’approvisionnement concentrée. La concentration de la chaîne d’approvisionnement ne diminue pas à mesure que la demande totale augmente ; elle devient au contraire plus consequente.
La menace de substituts est minimale car aucune architecture de calcul alternative — informatique quantique, informatique photonique, puces neuromorphiques — n’est à moins d’une décennie de viabilité commerciale aux niveaux de performance qu’exigent l’entraînement et l’inférence en IA. Les investissements du CHIPs Act construisent des usines de semi-conducteurs conventionnelles, pas des architectures alternatives. Le pari stratégique intégré dans les 52 milliards de dollars d’investissement public américain est que la mise à l’échelle du silicium conventionnel restera le paradigme de calcul dominant au moins jusqu’au début des années 2030. C’est probablement exact, mais cela signifie que l’investissement reproduit la structure concurrentielle existante dans de nouvelles géographies plutôt que de diversifier hors des contraintes architecturales du silicium.
La conclusion structurelle de cette analyse est que la concentration de la chaîne d’approvisionnement des semi-conducteurs n’est pas une défaillance de marché temporaire en attente de correction. C’est l’équilibre prévisible d’une industrie aux économies d’échelle extrêmes, au pouvoir de processus accumulé sur des décennies, et aux dépendances d’acheteurs qui rendent le changement de fournisseur prohibitivement coûteux. Les interventions politiques peuvent modifier la répartition géographique de cette concentration. Elles ne peuvent pas modifier facilement la logique concurrentielle sous-jacente qui la produit. Comprendre cette distinction clarifie ce que le CHIPs Act peut et ne peut pas accomplir : il peut réduire la part de Taïwan dans une chaîne d’approvisionnement concentrée, mais il ne peut pas réduire la concentration de la chaîne d’approvisionnement elle-même.
