Verdict. L’IA de pointe ne dépend pas seulement des laboratoires qui entraînent les modèles. Elle dépend aussi d’une chaîne industrielle beaucoup plus étroite : selon le AI Index 2026 de Stanford, une seule entreprise — TSMC — fabrique presque toutes les puces IA de pointe. Le chiffre ne mesure pas « toute l’IA » ; il décrit un maillon physique précis, mais il suffit à expliquer pourquoi la disponibilité des accélérateurs, le lieu des centres de données et le risque géopolitique comptent autant que les benchmarks.
Trois points à retenir
- La concentration est matérielle. Le rapport Stanford recense 5 427 centres de données aux États-Unis et indique qu’un fondeur taïwanais produit presque toutes les puces IA leaders.
- Un modèle performant ne supprime pas le goulot d’étranglement. Sans capacité de fabrication, de packaging, d’électricité et de réseau, il n’y a ni entraînement à grande échelle ni service stable.
- Le risque n’est pas une panne certaine. C’est une dépendance : incident industriel, tension commerciale ou hausse de capacité peut se transmettre aux fournisseurs de cloud, puis aux équipes qui achètent du calcul.
Le chiffre qui change la lecture du marché de l’IA
Le rapport AI Index 2026, publié par Stanford HAI, formule le constat sans ambiguïté : TSMC fabrique « presque toutes » les puces IA de pointe. Dans la même synthèse, Stanford indique que les États-Unis hébergent 5 427 centres de données, soit plus de dix fois le total de tout autre pays. Le rapport précise également qu’une extension TSMC aux États-Unis a commencé à fonctionner en 2025.
| Indicateur | Valeur publiée | Ce qu’il mesure — et ce qu’il ne mesure pas |
|---|---|---|
| Centres de données aux États-Unis | 5 427 | Inventaire de sites, pas la puissance IA réellement disponible ni la part attribuée à l’IA. |
| Fabrication des puces IA leaders | « Presque toutes » chez TSMC | Concentration de la fonderie des puces de pointe ; ce n’est pas une part de marché de tous les semi-conducteurs. |
| Démarrage de l’expansion TSMC aux États-Unis | 2025 | Un élément de diversification géographique ; il ne rend pas la chaîne indépendante de Taïwan. |
Pourquoi ce n’est pas un détail de supply chain
Le terme « puce IA » masque plusieurs étapes. Les concepteurs définissent l’architecture ; les fondeurs gravent les circuits ; puis viennent le packaging avancé, la mémoire à très haute bande passante, les cartes, les serveurs et les centres de données. Une difficulté sur l’un de ces éléments limite le volume utilisable, même si les logiciels progressent.
Cette dépendance est particulièrement importante pour les modèles de frontière. Ils mobilisent beaucoup d’accélérateurs en parallèle, puis continuent à consommer du calcul lors de l’inférence. Une entreprise qui utilise une API ne négocie pas des wafers : elle ressent néanmoins le goulot via les quotas, les délais de déploiement, les régions cloud proposées ou le prix du calcul.
Ce que les données prouvent, et ce qu’elles ne prouvent pas
Elles prouvent une concentration forte dans deux dimensions distinctes : la fabrication des composants de pointe et l’implantation des centres de données. Elles ne permettent pas de prédire une rupture d’approvisionnement, ni de conclure qu’un pays peut ou non produire des modèles utiles. Les modèles plus petits, l’inférence optimisée et certains usages sur appareil réduisent des besoins ; ils n’éliminent pas automatiquement la dépendance pour les capacités de frontière.
Il faut aussi séparer localisation et contrôle. Le nombre de centres de données américains ne dit pas qui les exploite, quels clients y accèdent, ni quelle énergie les alimente. De même, « presque toutes » n’est pas un pourcentage auditable : Stanford signale une domination et non une mesure exhaustive de chaque puce vendue. C’est pourquoi ce chiffre doit être lu comme un indicateur de risque structurel, pas comme une prévision financière.
Pourquoi les pouvoirs publics investissent dans les usines
Les réponses publiques cherchent à élargir cette capacité, sans promettre une autonomie immédiate. Aux États-Unis, le Department of Commerce a annoncé en avril 2024 des termes préliminaires pouvant aller jusqu’à 6,6 milliards de dollars de financement direct pour l’expansion de TSMC en Arizona. La mesure porte sur la fabrication de semi-conducteurs ; elle n’équivaut pas à une production garantie de GPU IA à une date donnée.
En Europe, le plan d’action « AI Continent » de la Commission européenne, présenté en 2025, place les AI Factories et les gigafactories parmi les infrastructures à développer. Là encore, il s’agit d’une trajectoire d’investissement et de capacité de calcul, pas d’un classement de modèles ou d’une estimation du nombre de puces disponibles.
Conséquences concrètes pour une entreprise qui achète de l’IA
- Éviter le fournisseur unique pour les flux critiques. Prévoir un second modèle ou une voie manuelle pour une fonction qui bloque ventes, support ou production.
- Demander la région et les conditions de continuité. Une promesse de disponibilité vaut peu sans précision sur les régions, les limites de débit et le support.
- Mesurer le coût total. Le prix par million de tokens ne couvre ni les pics de volume, ni le stockage, ni les coûts de changement de fournisseur.
- Choisir le niveau de modèle nécessaire. Un modèle compact ou un traitement local peut suffire pour la classification, l’extraction ou le brouillon ; réserver le calcul le plus rare aux tâches où il est réellement mesuré.
Alternatives : diversification, pas indépendance instantanée
Pour l’acheteur, l’alternative pratique à une dépendance excessive n’est pas de construire une fonderie. C’est une architecture réversible : API de deux fournisseurs, modèles open source pour certains flux internes, seuils de bascule testés et conservation des données dans des formats exportables. Pour les éditeurs de modèles, les choix portent aussi sur la taille du modèle, le matériel compatible et la capacité de servir plusieurs régions.
Les initiatives américaines et européennes vont dans le sens d’une capacité plus distribuée, mais la documentation investisseurs de TSMC rappelle qu’il faut distinguer annonce d’usine, construction, mise en service et montée en rendement. Ce décalage temporel est le point le moins spectaculaire et le plus important pour lire les annonces d’IA.
Questions fréquentes
Pourquoi TSMC est-elle importante pour l’IA ?
Parce que Stanford indique qu’elle fabrique presque toutes les puces IA de pointe. La fabrication est un maillon distinct de la conception des puces et des services de modèles.
Les 5 427 centres de données américains sont-ils tous dédiés à l’IA ?
Non. C’est un total de centres de données recensé par Stanford ; il ne mesure pas la part de capacité réservée à l’IA.
Faut-il renoncer aux API IA à cause de cette concentration ?
Non. Il faut surtout adapter le niveau de redondance à la criticité du processus, vérifier les conditions de service et tester un plan de repli.
Sources utiles
- Stanford HAI — AI Index Report 2026 (2026)
- Stanford HAI — Global Vibrancy Tool (consulté en 2026)
- U.S. Department of Commerce — projet TSMC Arizona (2024)
- Commission européenne — AI Continent Action Plan (2025)
- TSMC — rapports annuels (source primaire)
Vincent Vandegans suit les outils, infrastructures et usages concrets de l’intelligence artificielle pour Minderlist.
