Le premier vrai supercycle des semi-conducteurs en 18 ans est là

Le 21 juin 2026, Stacy Rasgon, analyste senior chez Bernstein et ingénieur de formation (MIT), a fait une déclaration qui a secoué l'industrie des semi-conducteurs : après 18 ans à suivre le secteur, il assiste au premier véritable « supercycle » de sa carrière . Ce n'est pas un simple slogan marketing : une montagne de données vient étayer son propos, de quoi faire réfléchir les investisseurs les plus prudents.

Loin des cycles d'approvisionnement classiques, Rasgon affirme qu'il s'agit d'une vague de demande d'une ampleur historique, alimentée par les investissements dans l'infrastructure IA qui avoisinent désormais 4,4 % du PIB américain .

Les chiffres qui donnent le tournis

Le constat est sans appel. Les revenus mondiaux des semi-conducteurs ont dépassé les 800 milliards de dollars l'année dernière et se dirigent vers 1 300 milliards de dollars en 2026 . La société d'études Gartner confirme une augmentation de 64 % sur un an .

Pour donner une idée de l'ampleur, Rasgon souligne que les quatre géants américains du cloud – Amazon, Microsoft, Google et Meta – prévoient d'investir environ 725 milliards de dollars en dépenses d'investissement en 2026, l'essentiel étant consacré à l'infrastructure IA . Côté mémoire, les prix sont devenus verticaux : le prix de la DRAM a bondi d'environ 90 % par rapport au trimestre précédent à l'entrée de 2026 .

L'effet « tape-à-taupe » : des pénuries partout

L'une des observations les plus frappantes de Rasgon est ce qu'il appelle l'effet « tape-à-taupe » (whack-a-mole) : les goulots d'étranglement se propagent à toute la chaîne d'approvisionnement des puces. « Tout est tiré par cette demande insatiable de calcul IA. Je n'ai jamais rien vu de cette ampleur dans ma carrière », a-t-il déclaré .

Il a retracé la propagation : les pénuries ont commencé avec les accélérateurs GPU, puis se sont déplacées vers la mémoire HBM, ensuite vers les équipements de fabrication, puis vers les réseaux et l'optique, les puces de puissance, et maintenant même les CPU sont en rupture .

Un exemple concret de l'étendue de la demande : même Intel, qui avait des « stocks de valeur nulle », les a entièrement écoulés . Des clients auraient dit à Intel : « On s'en fiche, vendez-les-nous » .

La HBM : le gouffre silencieux en silicium

Un goulot d'étranglement critique est la mémoire à large bande passante (HBM), qui représente plus de 85 % de la surface de silicium d'une puce IA . En raison des rendements d'empilement et des frais généraux de la logique, la fabrication de 1 Go de HBM nécessite environ quatre fois la surface de silicium de la DRAM standard . Cette équation explique pourquoi l'offre de mémoire n'a pas pu suivre le rythme de la demande de GPU, et pourquoi le prix de la mémoire est devenu un facteur dominant dans le coût des puces.

Le chiffre d'affaires CPU de Nvidia : un seul rack raconte tout

Rasgon a mis en avant un chiffre surprenant : dans un rack de 72 GPU, les 36 CPU qui l'accompagnent génèrent environ 20 milliards de dollars de chiffre d'affaires CPU pour Nvidia. Cela illustre comment le déploiement de l'IA crée une demande massive de puces bien au-delà des seuls accélérateurs GPU.

De l'entraînement à l'inférence : le virage de la monétisation

Rasgon a souligné que l'attention du marché se déplace de l'entraînement des modèles vers l'inférence IA – la voie royale vers la monétisation . Il cite la progression fulgurante du chiffre d'affaires d'Anthropic, passé de 9 à 30 milliards de dollars, comme preuve directe de ce changement . À mesure que les modèles d'IA passent des projets de recherche à la production, la puissance de calcul requise pour l'inférence devrait éclipser celle de l'entraînement.

ASIC vs GPU : coexistence, pas compétition

Une question fréquente chez les investisseurs est de savoir si les ASIC sur mesure (comme ceux de Broadcom) finiront par supplanter les GPU de Nvidia. Rasgon pense que les deux coexisteront à long terme dans un marché en pleine expansion . Son analyse : les GPU programmables sont mieux adaptés à la recherche et à l'inférence exploratoire, tandis que les ASIC excellent dans les charges de travail d'inférence prévisibles et à grand volume. Le marché total adressable est suffisamment vaste pour absorber les deux.

Le vrai goulot d'étranglement : l'énergie

Rasgon a conclu sur une note plus sobre. La contrainte ultime n'est ni les puces, ni la mémoire, ni les réseaux : c'est l'énergie. L'infrastructure IA nécessite une augmentation d'environ 5 % par an de la capacité du réseau électrique américain pour maintenir sa trajectoire de croissance . C'est une demande colossale pour un réseau qui n'a connu qu'une croissance minimale de sa capacité depuis des décennies.

Selon lui, la prochaine vague d'innovation et de goulots d'étranglement de l'IA se portera inévitablement sur la production d'énergie, le refroidissement et le nucléaire . Sans des investissements majeurs dans le réseau, le supercycle lui-même pourrait buter sur un plafond énergétique.

Ce que cela signifie pour les investisseurs

Le message de Rasgon est clair : tant que la demande d'IA ne s'effondre pas, le supercycle des semi-conducteurs est réel et durable. Mais la nature de l'opportunité évolue. L'argent facile sur les actions GPU pourrait céder la place à un paysage plus complexe, où le « goulot d'étranglement » lui-même – que ce soit dans la HBM, les puces de puissance ou l'infrastructure énergétique – devient le moteur de la création de richesse .