Jensen Huang : la mémoire est désormais le principal goulot d’étranglement de l’IA

La demande mondiale pour l’intelligence artificielle continue d’exploser. Mais selon Jensen Huang, PDG de Nvidia, le principal frein au développement de l’IA n’est plus la puissance des GPU. C’est désormais la mémoire.

Lors d’une intervention à Dell World à Las Vegas, Huang a expliqué que les limites de la chaîne d’approvisionnement restent le plus grand obstacle à l’expansion de l’IA — et que la mémoire en est aujourd’hui l’élément le plus critique.

Cette remarque marque un tournant important dans la course aux infrastructures d’IA : même si les entreprises veulent acheter davantage de GPU, les contraintes matérielles ailleurs dans la chaîne peuvent ralentir le rythme réel de déploiement.

La mémoire devient le nouveau goulot d’étranglement de l’IA

Les accélérateurs d’IA modernes utilisent un type de mémoire très spécifique appelé HBM (High‑Bandwidth Memory). Cette technologie empile plusieurs couches de mémoire DRAM afin de permettre des transferts de données extrêmement rapides entre le GPU et la mémoire.

Les dernières générations d’accélérateurs Nvidia — notamment H200 et les systèmes reposant sur l’architecture Blackwell — dépendent fortement de cette mémoire avancée.

Or les modèles d’IA deviennent de plus en plus grands et complexes. Ils ont besoin de volumes de données plus importants et de bandes passantes mémoire beaucoup plus élevées pour fonctionner efficacement. Nvidia a d’ailleurs reconnu que les performances futures de l’IA dépendront autant de la mémoire que de la puissance de calcul brute.

Conséquence directe : même si Nvidia fabrique suffisamment de GPU, l’entreprise ne peut pas livrer un système complet sans les modules HBM nécessaires.

En pratique, la disponibilité de cette mémoire limite donc le nombre réel d’accélérateurs d’IA pouvant être expédiés aux clients.

Pourquoi la pénurie de HBM concerne toute l’industrie

La production de mémoire HBM est concentrée chez un petit nombre d’acteurs — principalement SK Hynix, Samsung et Micron. Avec l’explosion des investissements dans les centres de données dédiés à l’IA, la demande pour ces composants spécialisés a fortement augmenté.

Lorsque l’offre ne suit pas, plusieurs effets se font sentir :

• le déploiement des infrastructures d’IA peut ralentir
• le coût global des systèmes d’IA peut augmenter
• les fabricants de mémoire gagnent du pouvoir dans la chaîne d’approvisionnement

Autrement dit, la prochaine phase de la course à l’IA pourrait dépendre moins de la conception de GPU plus rapides que de la capacité industrielle à produire suffisamment de mémoire avancée.

Chine : l’incertitude autour des ventes de H200

À ces contraintes industrielles s’ajoute un facteur géopolitique.

Les puces H200 de Nvidia jouent un rôle central dans les nouvelles générations de centres de données pour l’IA. Pourtant, leur disponibilité en Chine reste incertaine.

Lors d’un déplacement à Pékin aux côtés du président américain Donald Trump, Jensen Huang a indiqué qu’il pensait que le marché chinois finirait par rouvrir davantage aux fournisseurs de puces américains.

Mais la situation reste complexe :

• Les États‑Unis ont accordé des licences autorisant certaines entreprises chinoises à acheter des puces H200.
• Les autorités chinoises n’ont pas encore donné toutes les approbations nécessaires.
• À la mi‑2026, aucune puce H200 n’avait encore été effectivement livrée en Chine malgré ces autorisations.

Autrement dit, une demande potentielle existe sur le papier — mais elle ne se traduit pas encore automatiquement en revenus pour Nvidia.

Pourquoi les investisseurs surveillent ces sujets de près

Ces questions de chaîne d’approvisionnement et de géopolitique prennent une importance particulière car Nvidia s’apprête à publier ses résultats financiers.

La société doit tenir sa conférence sur les résultats du premier trimestre de l’exercice fiscal 2027 le 20 mai 2026, pour la période close le 26 avril.

Les analystes chercheront notamment des réponses à plusieurs questions clés :

• Nvidia dispose‑t‑elle de suffisamment de mémoire HBM pour soutenir ses livraisons ?
• Les systèmes H200 et Blackwell peuvent‑ils être produits à grande échelle ?
• Les ventes vers la Chine pourraient‑elles redémarrer ?

La demande mondiale pour l’infrastructure d’IA reste extrêmement forte. Mais comme l’a souligné Jensen Huang, la vitesse réelle de cette révolution technologique dépendra désormais moins des algorithmes — et davantage de la capacité de l’industrie à produire la mémoire nécessaire pour faire tourner ces systèmes.