Le système de rack Kyber NVL144 AI de nouvelle génération de Nvidia a été retardé de plus d'un an, repoussant son lancement à 2028 après que le géant des puces ait rencontré des problèmes de fabrication tenaces avec un composant interne critique, selon un rapport du cabinet de recherche SemiAnalysis. Ce rare trébuchement pour l'entreprise de semi-conducteurs la plus précieuse au monde a eu des répercussions sur la chaîne d'approvisionnement en matériel d'IA et a offert une ouverture inattendue aux concurrents. Pour une couverture continue de la construction de l'infrastructure d'IA, suivez nos dernières actualités sur l'IA.

La divulgation, rapportée pour la première fois par CNBC le 6 juillet 2026, cite une analyse SemiAnalysis qui a révélé que Nvidia a du mal à fabriquer le plan intermédiaire de la carte de circuit imprimé (PCB) qui connecte les GPU à l'intérieur du rack Kyber. Le midplane est l'épine dorsale physique du système, acheminant les signaux à haute vitesse entre des dizaines de puces, et les difficultés de production à grande échelle ont contraint Nvidia à repousser le calendrier de plus de douze mois.

Ce que le Kyber NVL144 était censé offrir

Le Kyber NVL144 fait partie de la feuille de route ambitieuse de Nvidia visant à intégrer toujours plus de puissance de calcul dans des racks uniques à l'échelle de l'usine que les fournisseurs de cloud hyperscale peuvent déployer pour former et exécuter des modèles d'IA de pointe. Chaque système NVL144 est conçu pour héberger 144 GPU dans un châssis unifié refroidi par liquide, utilisant des interconnexions à large bande passante pour permettre aux puces de fonctionner comme un seul accélérateur géant.

Ces systèmes à l’échelle du rack sont devenus l’élément central du centre de données d’IA moderne. Des entreprises comme Microsoft, Meta, Amazon et Google les commandent par milliers pour suivre le rythme des demandes informatiques croissantes des grands modèles de langage. Un retard de plus d'un an sur un produit phare a donc des conséquences bien au-delà des propres revenus de Nvidia, ralentissant les expansions de capacités dont dépend l'ensemble du secteur de l'IA.

Le goulot d'étranglement du PCB Midplane

Selon SemiAnalysis, le problème principal réside dans la fabrication du plan intermédiaire du PCB selon les tolérances requises par les interconnexions à haut débit de Kyber. Le midplane doit transporter d'énormes volumes de données entre les GPU avec une perte de signal minimale, et aux densités ciblées par Nvidia, même de petits défauts de fabrication peuvent dégrader les performances ou provoquer des pannes.

Le rapport indique que les difficultés ne sont pas limitées à un seul fournisseur mais reflètent un défi plus large consistant à pousser la technologie des PCB jusqu'à ses limites physiques. À mesure que la vitesse des signaux augmente et que le nombre de couches augmente, les rendements chutent et les cycles de production s'allongent, créant un goulot d'étranglement que l'argent seul n'a pas pu résoudre jusqu'à présent.

Un deuxième front : le CPO et le NVL576

Les résultats de SemiAnalysis s’étendent au-delà du NVL144. La configuration plus grande du Kyber NVL576, qui empilerait encore plus de GPU dans un seul rack, est également confrontée à des incertitudes en raison des défis liés à la production en masse d'optiques co-packagées (CPO), la technologie sur laquelle Nvidia parie pour remplacer les interconnexions en cuivre à grande échelle. Le midplane PCB et le CPO sont largement considérés comme les piliers essentiels de l'avantage en termes de performances de Nvidia, et le fait que les deux s'avèrent désormais difficiles à fabriquer transforme ce qui avait été un fossé concurrentiel en une source de retard.

La nouvelle des retards a déclenché une forte baisse des actions des sociétés liées à l’optoélectronique et aux emballages avancés, alors que les investisseurs réévaluaient la rapidité avec laquelle la prochaine vague de matériel d’IA arriverait réellement.

Les rivaux voient une ouverture

Pour les concurrents de Nvidia, le retard est un cadeau rare. Advanced Micro Devices réduit progressivement l'écart en termes de performances GPU et propose ses propres offres à l'échelle du rack en cours de développement. Google, qui conçoit ses propres accélérateurs d'IA personnalisés appelés Tensor Processing Units (TPU), construit des systèmes intégrés en interne et est moins exposé aux goulots d'étranglement de fabrication qui limitent désormais la feuille de route de Nvidia.

Les analystes ont noté qu'un délai de douze mois donne à AMD plus de temps pour remporter des victoires en matière de conception auprès des hyperscalers qui, autrement, auraient pu attendre Kyber. Cela renforce également la logique stratégique derrière la vague d’investissements dans le silicium personnalisé de la part des fournisseurs de cloud, qui se méfient de dépendre d’un fournisseur unique dont les produits les plus avancés ne cessent de glisser.

Nvidia n'a pas publiquement contesté la caractérisation de SemiAnalysis. La société a déjà souligné que la mise en place d'architectures de rack entièrement nouvelles est un processus intrinsèquement complexe et qu'elle donne la priorité à la fiabilité plutôt qu'à la vitesse lorsque les clients investissent des milliards de dollars par déploiement.

Implications pour la course au calcul de l'IA

Le retard de Kyber souligne une réalité qu’il est facile d’oublier dans un contexte de bénéfices records et de demande croissante : la révolution de l’IA repose toujours sur du matériel physique, et ce matériel devient extrêmement difficile à concevoir et à fabriquer. À mesure que les modèles grandissent et que les interconnexions qui relient leurs clusters de formation se développent plus rapidement, la tolérance aux erreurs dans tous les domaines, de la conception des PCB au boîtier optique, se réduit à près de zéro.

Pour les fournisseurs de cloud et les laboratoires d’IA qui comptent sur un pipeline constant de racks toujours plus puissants, le message de SemiAnalysis est que la cadence d’amélioration du matériel peut être moins prévisible que ne le suggèrent les feuilles de route logicielles. La manière dont Nvidia et ses fournisseurs résolvent les défis du midplane et du CPO aidera à déterminer la rapidité avec laquelle la prochaine génération de systèmes d’IA arrivera et quelles entreprises seront en mesure d’en bénéficier lorsqu’elle arrivera.

---

Gardez une longueur d'avance sur l'IA

Le paysage matériel de l’IA évolue rapidement. AI Buzz Wire vous présente les derniers développements en matière de puces, de centres de données et les entreprises qui s'empressent de construire l'infrastructure derrière l'intelligence artificielle.

Lire plus d'actualités sur l'IA →