L'ère des puces personnalisées par IA : sous l'évolution conjointe des ASIC et GPU, MRVL peut-il devenir la prochaine entreprise valant un billion de dollars ?

27 mai 2026, Marvell Technology (MRVL) a publié ses résultats du premier trimestre de l'exercice 2027 — un chiffre d'affaires de 2,418 milliards de dollars, en hausse de 28 % sur un an, +9 % par rapport au trimestre précédent, dépassant légèrement les prévisions du marché de 2,41 milliards de dollars. Mais ce qui a vraiment fait vibrer le marché, ce n'est pas cette performance supérieure aux attentes, mais ce qui s'est passé ensuite : le 2 juin, le PDG de NVIDIA, Jensen Huang, a partagé la scène avec le PDG de Marvell, Matt Murphy, lors du COMPUTEX 2026 à Taipei, et a déclaré publiquement : « Mesdames et Messieurs, voici la prochaine entreprise à atteindre une capitalisation de mille milliards de dollars. »

Cette déclaration a fait bondir le cours de Marvell de plus de 30 % en une seule journée. Avant et après la publication des résultats, le cours de Marvell a presque doublé depuis 2026, avec une hausse annuelle de 95 %.

Derrière ces fluctuations, se pose une question plus profonde dans l'industrie : la montée en puissance des ASIC (Application-Specific Integrated Circuits) pour l'IA, qui devient une voie parallèle au développement des GPU. Pourquoi les géants de la tech (Google TPU, Amazon Trainium, Meta MTIA) évitent-ils NVIDIA pour investir dans leurs propres puces ? Quel rôle joue Marvell dans ce contexte — est-elle une remplaçante ou une collaboratrice des GPU ?

La nature des ASIC pour l'IA : de la généralisation à la spécialisation, une transformation paradigmatique

Pour comprendre pourquoi les géants de la tech investissent massivement dans leurs propres puces, il faut d'abord clarifier un concept : la différence fondamentale entre ASIC et GPU réside dans le compromis entre généralité et spécialisation.

Le GPU (Graphics Processing Unit) est une puce de calcul IA polyvalente. La GPU de NVIDIA peut exceller dans l'entraînement, l'inférence, la vision, la parole, les systèmes de recommandation, etc., mais elle supporte aussi une quantité importante de circuits redondants et d'instructions génériques, ce qui peut entraîner des inefficacités énergétiques dans certains scénarios.

Les ASIC (Circuits Intégrés Spécifiques à une Application) sont des matériels conçus sur mesure pour des tâches IA précises. Par exemple, le TPU (Tensor Processing Unit) de Google, dont le cœur est profondément optimisé pour la multiplication matricielle, peut atteindre plusieurs fois le débit de calcul matriciel d'une GPU pour une consommation électrique équivalente. Plus concrètement :

• Avantage en efficacité : pour certaines inférences IA, un ASIC peut offrir un rendement par watt 3 à 5 fois supérieur à celui d'une GPU.
• Optimisation des coûts : dans des déploiements à grande échelle (centres de données cloud déployant des millions de puces), le TCO (coût total de possession) d’un ASIC est nettement inférieur à celui d’un GPU commercial.
• Avantages d’intégration système : un ASIC développé en interne peut être parfaitement intégré avec le logiciel, l’architecture réseau et le refroidissement du fournisseur cloud, pour une optimisation de bout en bout.

Ce changement de paradigme repose sur la logique suivante : la charge de travail IA évolue d’un entraînement diversifié vers une inférence à grande échelle. Lorsque l’architecture des modèles IA converge (par exemple, avec la dominance des architectures Transformer) et que la volumétrie d’inférence explose, l’optimisation hardware dédiée devient une nécessité.

Un analyste a résumé cela avec précision : « Marvell ne cherche pas à ‘remplacer NVIDIA’, mais à ouvrir une seconde voie dans le marché de l’IA. Les ASIC sur mesure pourraient être la voie de croissance la plus rapide dans les années à venir, même si elle est encore largement ignorée. »

Pourquoi les géants de la tech développent-ils leurs propres puces ? La logique coût-efficacité de la dédépendance à NVIDIA

Microsoft, Amazon, Google et Meta accélèrent leurs plans de développement de puces en interne à une vitesse sans précédent, constituant la tendance la plus critique dans le domaine des puces IA ces dernières années.

Google TPU (Tensor Processing Unit) : en version 7, conçu avec l’aide de Broadcom, c’est l’un des premiers et des plus importants projets de puces sur mesure. Selon Counterpoint, Broadcom devrait détenir environ 60 % du marché des ASIC pour serveurs IA en 2027.

Amazon Trainium / Inferentia : la série Trainium, conçue avec l’aide de Marvell, accélère son déploiement. Trainium 3 est déployé à grande échelle depuis début 2026.

Microsoft Maia : en janvier 2026, Microsoft a lancé la deuxième génération de ses puces IA maison, Maia 200, fabriquée en TSMC en process 3 nm, et commence à la déployer dans ses centres de données.

Meta MTIA (Meta Training and Inference Accelerator) : également conçue avec l’aide de Broadcom.

Les trois logiques fondamentales derrière cette tendance sont :

| Niveau | Logique centrale | Arguments clés | | --- | --- | --- | | Premier : Coût | L’investissement massif dans l’achat de GPU | Les principaux cloud en 2026 ont dépensé entre 660 et 700 milliards de dollars ; un ASIC dédié peut réduire le coût d’un seul chip d’inférence à 30-50 % de celui d’un GPU commercial. | | Deuxième : Efficacité énergétique | La consommation des data centers limite leur croissance | Les ASIC peuvent supporter un débit supérieur dans la même consommation électrique. | | Troisième : Stratégie | Se libérer de la dépendance à un seul fournisseur | Les géants du cloud évitent que leur cœur de métier soit contraint par la roadmap ou la tarification de NVIDIA. |

Le concept d’alliance anti-NVIDIA est largement discuté dans ce contexte. Il ne s’agit pas d’une organisation formelle, mais d’une description imagée de la tendance collective des géants tech à se tourner vers des ASIC sur mesure. Selon Morgan Stanley et Counterpoint, le marché des ASIC IA passera d’environ 12 milliards de dollars en 2024 à 30 milliards en 2027, avec un taux de croissance annuel composé de 34 %.

Goldman Sachs prévoit même que la part des ASIC dans le marché des puces IA atteindra 40 % en 2026, puis dépassera 45 % en 2027, approchant ainsi la part des GPU. Par ailleurs, le volume de serveurs équipés d’ASIC devrait croître de 44,6 % en 2026, contre seulement 16,1 % pour les GPU commerciaux.

La double position de Marvell MRVL : remplaçante ou collaboratrice ?

Dans la narration de la dédépendance à NVIDIA, le rôle de Marvell est souvent mal compris comme celui d’un substitut à NVIDIA. Mais la réalité du secteur est bien plus complexe.

D’abord, le marché des ASIC sur mesure est organisé en plusieurs niveaux. Selon Counterpoint, le marché des services de conception ASIC IA présente une structure en double oligopole :

• Broadcom (AVGO) : environ 55-60 % de parts de marché, leader mondial, fortement lié à Google TPU, Meta MTIA, OpenAI.
• Marvell (MRVL) : environ 13-15 %, deuxième acteur, avec des clients principaux comme Amazon, Microsoft, Google.

Ces deux acteurs contrôlent ensemble environ 95 % du marché de la conception d’ASIC IA sur mesure. Il faut noter que ce marché est encore en forte croissance, et que tous partagent la croissance additionnelle, plutôt qu’une lutte pour des parts de marché existantes.

Ensuite, la relation entre Marvell et NVIDIA n’est pas celle d’un remplacement, mais d’une collaboration profonde. En mars 2026, NVIDIA a annoncé un investissement stratégique de 2 milliards de dollars dans Marvell. Les deux entreprises collaborent étroitement sur NVLink Fusion, intégrant les ASIC sur mesure de Marvell et ses solutions d’interconnexion optique dans l’écosystème AI de NVIDIA.

Plus tard, lors du COMPUTEX 2026 en juin, Jensen Huang a apporté un soutien plus explicite : (le commutateur de centre de données de Marvell) est crucial pour traiter les charges de travail IA.

Pourquoi NVIDIA investit-elle dans une société qui fabrique aussi des ASIC ? La logique est la suivante :

Lorsque le cluster d’entraînement IA s’étend de quelques milliers à plusieurs centaines de milliers, voire millions de GPU, la connectivité devient une ressource aussi rare que la puissance de calcul. La déclaration de Huang à COMPUTEX reflète cette logique : lorsque le calcul IA est dispersé dans tout le centre de données, le rôle des équipements de réseau devient aussi critique que celui des GPU eux-mêmes. Marvell possède une expertise irremplaçable en interconnexion optique à haute vitesse, commutation Ethernet et DSP 1,6 T.

Ainsi, le rôle de Marvell peut être défini comme celui d’un collaborateur — elle ne cherche pas à remplacer NVIDIA, mais à fournir une option ASIC sur mesure en dehors de l’écosystème NVIDIA, tout en étant un fournisseur clé d’infrastructures d’interconnexion dans l’écosystème NVIDIA. Cette double position lui confère une valeur stratégique unique dans toute la chaîne d’infrastructure IA.

Analyse du bilan Q1 FY2027 de Marvell : validation par les chiffres

Cette logique sectorielle se traduit-elle en résultats financiers quantifiables ? La dernière publication de Marvell apporte des éléments de confirmation.

Données financières clés

| Indicateur | Valeur | Comparaison / évolution | | --- | --- | --- | | Chiffre d’affaires Q1 FY2027 | 2,418 milliards de dollars | +28 % sur un an / +9 % par rapport au trimestre précédent | | Chiffre d’affaires de la division Data Center | 1,833 milliard de dollars | +27 % / représente 76 % du total | | Prévision médiane du chiffre d’affaires Q2 FY2027 | 2,7 milliards de dollars | implicite +35 % sur un an | | Objectif annuel FY2027 | environ 11,5 milliards de dollars | +40 % sur un an | | Objectif FY2028 | environ 16,5 milliards de dollars | +44 % par rapport à FY2027 | | Objectif à long terme pour le secteur des ASIC IA | 10 milliards de dollars en 2029 | — |

Sources : résultats financiers officiels de Marvell et conférence téléphonique Q1 FY2027

Indicateurs à surveiller

Les revenus de la division Data Center de Marvell pour le Q1 FY2027 ont atteint un record de 1,833 milliard de dollars, représentant 76 % du total, ce qui montre que la structure de l’activité s’est stratégiquement recentrée sur l’IA pour centres de données.

Plus important encore, la direction a relevé ses prévisions : le chiffre d’affaires annuel FY2027 a été ajusté à la hausse, passant d’environ 11 milliards à 11,5 milliards de dollars, et celui de FY2028 de 15 milliards à 16,5 milliards. Morgan Stanley a immédiatement révisé ses perspectives à long terme, anticipant une croissance de 50 % du chiffre d’affaires Data Center en FY2027, puis 55 % en FY2028.

Un événement marquant à ne pas négliger : Marvell sera intégrée dans l’indice S&P 500 à partir du 22 juin 2026, avec une capitalisation d’environ 254 milliards de dollars, en remplacement de Pool Corp. C’est une étape symbolique supplémentaire de l’entrée des semi-conducteurs liés à la demande IA dans l’indice boursier principal.

Acquisition de Celestial AI par Marvell : une stratégie d’intégration du calcul et de l’interconnexion optique

Pour comprendre la trajectoire de croissance de Marvell, un achat stratégique mérite une attention particulière : en décembre 2025, Marvell a lancé une acquisition d’environ 6 milliards de dollars pour Celestial AI, spécialiste de l’interconnexion optique, finalisée en février 2026.

Celestial AI se concentre sur la photonique silicium et l’interconnexion optique, visant à résoudre le problème du « memory wall » dans les centres de données IA — le goulet d’étranglement entre calcul et stockage.

Cette acquisition vise à combiner l’expertise de Marvell en ASIC, commutation Ethernet et DSP 1,6 T avec la capacité de Celestial AI en interconnexion optique, pour bâtir une plateforme technologique couvrant toute la chaîne de transmission de données. Selon des analystes de JP Morgan, Marvell est désormais la seule entreprise à couvrir simultanément la conception d’ASIC, la DSP optique 1,6 T, la photonique silicium (via Celestial AI) et l’échange CXL — un ensemble de compétences technologiques sans équivalent.

Commercialement, Marvell prévoit que la contribution initiale de Celestial AI commencera à partir de la seconde moitié de FY2028, atteignant un chiffre d’affaires annuel de 5 milliards de dollars au quatrième trimestre.

Analyse comparative : différences structurelles entre Marvell, NVIDIA et AMD

Dans la chaîne de valeur des puces IA, les modèles commerciaux de Marvell, NVIDIA et AMD sont fondamentalement différents, ce qui influence leur trajectoire de croissance et leur logique d’évaluation. Avant de comparer, il faut souligner que leurs structures, tailles, taux de croissance et marges diffèrent considérablement. Les indicateurs d’évaluation présentés ici sont indicatifs, non des conseils d’investissement. Les investisseurs doivent faire leur propre analyse en fonction de leur tolérance au risque.

Différences fondamentales dans le modèle économique

| Dimension | NVIDIA (NVDA) | Marvell (MRVL) | AMD (AMD) | | --- | --- | --- | --- | | Modèle central | Vente de GPU génériques et systèmes complets IA | ASIC sur mesure + infrastructure d’interconnexion haute vitesse | GPU, CPU, FPGA polyvalents | | Forme des produits IA | Chips/systèmes finis (HGX/DGX) | Chips semi-custom pour cloud + solutions d’interconnexion | GPU MI, APU | | Relation client | Large couverture de clients finaux | Forte dépendance aux principaux cloud (Amazon/Microsoft/Google) | Fabricants de serveurs, supercalculateurs, cloud partiel | | Barrières clés | Écosystème logiciel CUDA + capacité d’intégration système | Capacité de customisation + expertise en interconnexion optique et Ethernet | Architecture multi-plateformes + rapport qualité/prix |

Comparaison de la taille et de la croissance

| Indicateur | NVIDIA (FY2026, jusqu’en janvier 2026) | Marvell (FY2026 + perspectives FY2027) | AMD (année 2025) | | --- | --- | --- | --- | | Chiffre d’affaires annuel | Environ 130 milliards de dollars | FY2026 : environ 8,2 milliards / objectif FY2027 : ~11,5 milliards | Environ 25 à 28 milliards de dollars | | Dernier trimestre IA | Plus de 35 milliards de dollars dans la division data center | 18,33 milliards de dollars dans le trimestre data center | 15-20 milliards de dollars dans le trimestre MI | | Croissance annuelle | Environ 40-50 % | Objectif FY2027 : environ 40 % | Environ 20-30 % |

Sources : résultats financiers des entreprises, données publiques du marché.

Perspectives pour les investisseurs : différences

Goldman Sachs souligne que la croissance bénéficiaire à long terme de NVIDIA (51,7 %) est supérieure à celle de Marvell (39,4 %), mais que la valorisation de Marvell est plus flexible, sa sensibilité aux commandes et à l’acquisition de clients étant plus forte. La différence vient de leur stade de développement : NVIDIA est en phase d’expansion mature, tandis que Marvell est à la croisée de la croissance qualitative de ses ASIC sur mesure.

Après l’acquisition de Celestial AI, l’investissement stratégique dans NVIDIA, et l’intégration dans le S&P 500, la banque d’investissement Stifel a relevé l’objectif de prix de Marvell à 321 dollars (contre 230 auparavant), en maintenant une recommandation d’achat.

Risques potentiels dans la voie des ASIC sur mesure

Dans un contexte très optimiste, il faut aussi considérer certains risques :

Concurrence accrue sur les parts de marché

Malgré sa position de second dans le marché des ASIC IA, Marvell doit faire face à Broadcom (AVGO), qui détient environ 55-60 % du marché mondial, avec des clients clés comme Google TPU, Meta MTIA, OpenAI. La capacité de Marvell à élargir sa part reste incertaine. Counterpoint prévoit qu’en 2027, la part de marché de Marvell pourrait descendre à environ 8 %.

Risque de concentration client

Marvell dépend fortement d’un petit nombre de clients majeurs : Amazon, Microsoft, Google. Toute modification de leur roadmap ou changement de fournisseur pourrait impacter significativement Marvell. La société a plus de 20 clients pour ses ASIC IA, mais la majorité de ses revenus provient de quelques grands comptes.

Stabilité des marges

Actuellement, la marge opérationnelle de Marvell tourne autour de 15 %, reflet de son positionnement traditionnel en tant que fournisseur de services hardware. La capacité à améliorer cette marge avec la montée en volume de la production d’ASIC reste un enjeu.

Incertitudes liées à la compétition NVIDIA

Les GPU de NVIDIA continuent d’évoluer rapidement, et la performance de la nouvelle génération pourrait retarder certains projets ASIC. La dynamique concurrentielle dans le hardware IA reste très volatile.

Risques géopolitiques et de chaîne d’approvisionnement

Les tensions géopolitiques, notamment les restrictions à l’exportation et la déglobalisation, constituent des risques systémiques pour la chaîne d’approvisionnement des semi-conducteurs.

Risques liés à l’évaluation

Avec un chiffre d’affaires FY2026 d’environ 8,2 milliards de dollars et une capitalisation boursière d’environ 2 500 milliards, le marché a déjà intégré de fortes anticipations de croissance. Certains analystes, comme AInvest, soulignent que le prix actuel pourrait faire face à une pression de valorisation. Tout ralentissement ou déception pourrait entraîner une correction.

Conclusion

Les résultats supérieurs aux attentes de Marvell au Q1 FY2027, combinés à la prophétie de Huang sur un trillion de dollars, marquent une étape clé : la voie des ASIC pour l’IA sort du marginal pour entrer dans le centre de la scène.

D’un point de vue macroéconomique, l’infrastructure de calcul IA traverse une transformation structurelle — passant d’une architecture centrée sur NVIDIA GPU à une architecture plus diversifiée, combinant entraînement GPU et inférence ASIC, interconnexion.

Les projets de puces sur mesure de Google TPU, Amazon Trainium, Microsoft Maia, Meta MTIA illustrent cette tendance : la dédépendance à NVIDIA s’efface, mais ne disparaît pas. La réalité plus profonde est que la compétition dans le centre de données IA s’étend de la puissance de calcul à la connectivité. Lorsqu’un cluster dépasse plusieurs dizaines de milliers de GPU, la capacité à connecter efficacement ces puces devient aussi cruciale que leur puissance de calcul.

Dans ce nouvel ordre multipolaire, Marvell, avec sa double expertise en ASIC sur mesure et en infrastructure d’interconnexion haute vitesse, construit une barrière stratégique unique. Ce n’est pas une voie pour remplacer les GPU, mais une voie parallèle, essentielle à l’écosystème complet de l’infrastructure IA.

Quant à savoir si la prophétie d’un prochain trillion de dollars sera réalisée, cela dépendra des commandes futures, de l’évolution des parts de marché et de la progression technologique. Mais une chose est sûre : la porte de l’ère des ASIC sur mesure est désormais grande ouverte.