La même semaine, deux transactions de puces de 20 milliards de dollars ont fait leur apparition.
L'une est le rachat de Groq par Nvidia à la fin de l'année dernière pour 20 milliards de dollars – une société spécialisée dans les puces d'inférence IA, également le principal concurrent architectural de Cerebras.
L'autre est l'engagement supplémentaire d'OpenAI envers Cerebras : 20 milliards de dollars de plus sur trois ans pour acheter de la puissance de calcul, plus des bons de souscription d'actions pouvant atteindre 10 % et 1 milliard de dollars distinct pour construire un centre de données pour Cerebras.
Que ces deux transactions aient lieu en même temps n'est pas une coïncidence. Le champ de bataille du calcul IA passe de l'entraînement à l'inférence, et tous les acteurs se positionnent.
L'inférence devient le champ de bataille principal
D'abord, le contexte.
La puissance de calcul IA se divise en deux types : l'entraînement (alimenter le modèle avec de grandes quantités de données, ajuster les paramètres, coût unique) et l'inférence (utiliser le modèle entraîné pour répondre à des questions, coût continu).
Il y a quelques années, l'entraînement était la dépense principale. Cela a changé.
En 2025, l'inférence représentait déjà 50 % des dépenses totales en puissance de calcul IA. En 2026, cette proportion devrait passer aux deux tiers.
Chaque fois que vous envoyez un message à ChatGPT, Claude ou Gemini, il y a une requête d'inférence derrière. Plus il y a d'utilisateurs, plus le coût d'inférence est élevé, et il croît linéairement. Les entreprises de grands modèles doivent servir des centaines de millions d'utilisateurs ; l'efficacité de l'infrastructure d'inférence détermine directement si la marge brute est viable.
Les GPU de Nvidia sont excellents pour l'entraînement, mais présentent un inconvénient majeur dans le scénario d'inférence : la bande passante mémoire. Le goulot d'étranglement de l'inférence n'est pas la puissance de calcul, mais la vitesse de déplacement des données. Les GPU doivent constamment récupérer les poids depuis la mémoire vidéo, un processus lent, coûteux et énergivore.
Pourquoi Cerebras est adaptée à l'inférence
Le WSE-3 (Wafer-Scale Engine de troisième génération) de Cerebras est une puce qui couvre un wafer entier :
| Paramètre | WSE-3 | NVIDIA H100 |
|---|---|---|
| Surface de la puce | 46 225 mm² | 814 mm² |
| Cœurs IA | 900 000 | 16 896 cœurs CUDA |
| SRAM sur puce | 44 Go | — |
| Vitesse d'inférence | 15 à 20 fois plus rapide que H100 | Référence |
Le WSE-3 est 57 fois plus grand que le H100. Ce n'est pas un chiffre pour impressionner, mais le facteur déterminant pour les performances d'inférence : 44 Go de SRAM sur puce placent la mémoire et les cœurs de calcul côte à côte, réduisant la distance de déplacement des données de centimètres à micromètres – c'est de là que vient la différence de vitesse d'inférence.
Quel est le prix à payer ? Faible rendement du packaging au niveau du wafer, coût élevé, absence d'écosystème CUDA – pratiquement inutilisable pour l'entraînement, les fossés défensifs de Nvidia dans l'entraînement restent intacts. Mais l'inférence ? L'architecture de Cerebras y présente un avantage structurel.
Les deux mouvements d'OpenAI
La relation entre OpenAI et Cerebras n'est pas nouvelle. En janvier de cette année, OpenAI a signé le premier grand contrat : 750 mégawatts de capacité de calcul, durée de trois ans, valeur supérieure à 10 milliards de dollars.
Le 17 avril, The Information a rapporté l'extension : nouvel engagement d'OpenAI, dépenses totales sur trois ans supérieures à 20 milliards de dollars, pouvant atteindre 30 milliards, incluant :
- Des bons de souscription d'actions qui augmentent avec la consommation, jusqu'à 10 % de participation dans Cerebras
- 1 milliard de dollars distinct pour aider Cerebras à construire un centre de données
Ce n'est pas un contrat d'approvisionnement, mais plutôt un lien stratégique. Parallèlement, OpenAI collabore également avec Broadcom pour développer ses propres puces ASIC, avec pour objectif une production de masse d'ici fin 2026.
OpenAI diversifie délibérément ses sources de puissance de calcul – construisant un canal parallèle en dehors de Nvidia, tout en misant à la fois sur les puces d'inférence dédiées et ses propres puces.
La réponse de Nvidia : racheter le concurrent
À la fin de l'année dernière, Nvidia a acquis Groq pour 20 milliards de dollars. La LPU (Language Processing Unit) de Groq est une architecture d'inférence pure qui, comme Cerebras, contourne le goulot d'étranglement de la bande passante mémoire des GPU, étant le principal concurrent sur le marché des puces d'inférence indépendantes.
Après l'acquisition, Groq est passé d'acteur indépendant à division de Nvidia. C'est un mouvement défensif, mais à l'effet direct : intégrer le concurrent en interne est moins cher et plus radical que de l'affronter sur le marché.
Le résultat est que le principal concurrent architectural de Cerebras sur ce terrain a disparu, devenant un produit de Nvidia elle-même. Cette configuration est favorable à l'expansion de la clientèle de Cerebras dans les années à venir.
Cerebras relance sa tentative d'introduction en Bourse
Le 17 avril, Cerebras a déposé une nouvelle demande d'introduction en Bourse auprès de la SEC, avec une valorisation cible d'environ 35 milliards de dollars, prévoyant de lever 3 milliards de dollars, avec pour objectif de finaliser l'opération au deuxième trimestre.
La première tentative d'IPO a échoué parce que le plus grand client, G42 (une société d'IA d'Abou Dabi), était dans le viseur du CFIUS. Cerebras a converti toutes les actions avec droit de vote de G42 en actions sans droit de vote, et le CFIUS a donné son feu vert final le 31 mars 2025.
Les conditions sont désormais différentes de la dernière fois :
- Groq a été rachetée par Nvidia, le principal concurrent a quitté le marché
- OpenAI est client de référence, l'engagement de 20 milliards est la plus grande carte maîtresse du roadshow d'introduction en Bourse
- La valorisation est passée de 23 milliards lors de la Série H en février à l'objectif de 35 milliards – une hausse de 50 % avant même l'entrée en Bourse
OpenAI, Nvidia et Cerebras – trois camps sur le champ de bataille de l'inférence, chacun avec ses propres calculs, mais tous parient sur la même chose : dans les cinq prochaines années, la demande de puissance de calcul d'inférence va encore se multiplier. Le coût pour sécuriser une position maintenant est bien inférieur à celui d'une entrée dans deux ans.
Sources de référence : OpenAI to Spend More Than $20 Billion on Cerebras Chips, Receive Equity Stake (The Information) ; AI chipmaker Cerebras files to go public after scrapping IPO plans last year (CNBC) ; CocoLoop, Two $20 billion deals: OpenAI and Nvidia are waging a "war of inference" (PANews) ; Cerebras IPO 2026: The $25B Nvidia Challenger (Nerd Level Tech)