#HBMShortageBoostsAIChipPrices

Le plus gros goulot d’étranglement de l’IA n’est peut-être plus le GPU — mais la mémoire

Quand on parle de la hausse du coût de l’intelligence artificielle, la plupart des gens pensent immédiatement aux GPU, aux centres de données, à l’électricité ou à la fabrication de semi-conducteurs.

Mais un autre composant est en train de devenir discrètement l’une des contraintes les plus importantes de toute l’économie de l’IA : la mémoire à large bande passante, ou HBM.

La HBM est une mémoire DRAM spécialisée, empilée verticalement et connectée grâce à un conditionnement avancé et à des vias traversant le silicium. Son rôle est simple mais essentiel : fournir d’énormes quantités de données aux accélérateurs d’IA assez rapidement pour que leur puissance de calcul soit pleinement exploitée.

Cela devient de plus en plus difficile.

La plateforme Rubin de nouvelle génération de Nvidia devrait utiliser jusqu’à 288 Go de HBM4, avec plus de 22 To/s de bande passante, tandis que la MI450 d’AMD peut atteindre jusqu’à 432 Go. Ces chiffres montrent à quelle vitesse les besoins en mémoire de l’IA augmentent.

Le problème est que la HBM nécessite bien plus de ressources de fabrication que la DRAM conventionnelle.

Produire la même quantité de données stockées peut consommer environ trois fois plus de surface de plaquette que la DRAM conventionnelle. Le coût des plaquettes de HBM4 est estimé entre 7 000 et 8 000 dollars, soit plusieurs fois le coût de la DRAM standard.

Et seules quelques entreprises peuvent produire cette technologie à grande échelle.

Cela crée un puissant goulot d’étranglement de l’offre.

Selon les estimations de TrendForce, la HBM représentait environ 23 % de la production de plaquettes DRAM en avril 2026, contre environ 19 % en 2025.

Cela crée un important effet de second ordre.

Chaque plaquette réaffectée à la HBM correspond à une capacité qui ne peut pas produire simultanément de la DDR5, de la mémoire mobile ou de la DRAM pour serveurs.

La pénurie de mémoire traditionnelle est donc en partie la conséquence de la décision du secteur de donner la priorité aux produits liés à l’IA présentant la plus forte valeur.

Et l’impact sur les prix est déjà difficile à ignorer.

Les prix contractuels de la DRAM conventionnelle devaient augmenter de 90 % à 95 % d’un trimestre sur l’autre au début de 2026, tandis que certaines prévisions concernant la DRAM pour PC atteignaient 105 % à 110 %. Les prix de la DRAM pour serveurs et appareils mobiles devaient également fortement augmenter, tandis que ceux de la mémoire flash NAND et des SSD professionnels connaissaient des hausses majeures.

Le deuxième trimestre a apporté une nouvelle hausse trimestrielle estimée entre 58 % et 63 % des prix de la DRAM conventionnelle, avec une augmentation supplémentaire de 13 % à 18 % prévue au T3.

Les prix de la HBM sont encore plus spectaculaires.

Les prix contractuels de la HBM3E auraient été augmentés avant le début de 2026, tandis que les prix au comptant de certains modules de 36 Go ont atteint environ 2 100 dollars, contre des niveaux contractuels à long terme d’environ 300 à 400 dollars.

Cet écart considérable montre à quel point le marché est devenu tendu.

Et la pénurie ne se limite pas aux fabricants.

Les prix des serveurs d’IA auraient augmenté de plus de 15 %, tandis que les fournisseurs de services de cloud computing font également face à des coûts matériels plus élevés. Pour les clients qui louent de la puissance de calcul pour l’IA plutôt que d’acheter des accélérateurs, ces coûts finissent par apparaître dans les tarifs de location horaires.

Les consommateurs ressentent eux aussi l’impact.

Un kit DDR5-6000 grand public de 32 Go, auparavant vendu environ 110 à 140 dollars, se situait autour de 392 dollars en août 2026. Le prix des modules DDR5 de 32 Go de Samsung est également passé d’environ 149 à 239 dollars.

Cette pression peut finir par toucher les ordinateurs portables, les smartphones, les PC de jeu et d’autres appareils électroniques.

Le problème plus profond est l’élasticité de l’offre.

Une pénurie de mémoire normale peut finir par attirer de nouvelles capacités de production, mais il faut des années pour construire et qualifier des usines de semi-conducteurs. Parallèlement, le passage de la HBM3E à la HBM4 nécessite un empilement et un conditionnement toujours plus sophistiqués.

Ainsi, même si les entreprises décident aujourd’hui d’augmenter leurs capacités, l’offre supplémentaire n’arrive pas immédiatement.

Cela crée une situation inconfortable :

La demande en IA s’accélère plus vite que l’offre de mémoire ne peut augmenter.

Cependant, le scénario de pénurie comporte également un risque majeur.

La mémoire est historiquement l’un des segments les plus cycliques des semi-conducteurs. Les marges considérables d’aujourd’hui encouragent les fabricants à investir massivement. Si les dépenses d’infrastructure liées à l’IA ralentissent alors que de nouvelles capacités deviennent disponibles, le marché pourrait finir par passer de la pénurie à la surabondance.

C’est pourquoi les indicateurs les plus importants à surveiller sont les rendements de la HBM4, les prix contractuels de la HBM en 2027, les niveaux de stocks des principaux fabricants de mémoire, l’écart entre les prix au comptant et les prix contractuels, ainsi que les dépenses d’investissement dans les semi-conducteurs.

Si les stocks commencent à se reconstituer et que la prime au comptant s’effondre, la pression pourrait enfin s’atténuer.

D’ici là, l’histoire du matériel d’IA comporte une contrainte cachée :

L’avenir de l’IA pourrait dépendre non seulement du nombre de GPU que le monde peut fabriquer, mais aussi de la quantité de mémoire à large bande passante pouvant être placée à leurs côtés.

Le mur de la mémoire devient un véritable mur économique — et son coût se diffuse dans l’ensemble du secteur technologique.

#Gate广场中秋团圆局 #weeklyshare @Gate_Square #ShareWeekly #GateMeme