Anthropic rejoint ainsi OpenAI, Google DeepMind et Meta dans une vague de développement de puces propriétaires, portée par une pénurie mondiale, la flambée des coûts d'inférence et les gains de performance rendus possibles quand le matériel et les modèles sont conçus ensemble.

Pourquoi Anthropic fabrique ses propres puces

La décision d'Anthropic de développer son propre silicium répond à plusieurs pressions convergentes :

• Pénurie et tensions d'approvisionnement. La pénurie mondiale de puces IA rend difficile pour Anthropic de sécuriser la puissance de calcul nécessaire à l'entraînement et au déploiement de modèles toujours plus avancés .
• Coûts d'inférence qui s'envolent. Avec des milliards de tokens servis chaque jour et un chiffre d'affaires annualisé d'environ 30 milliards de dollars, le silicium sur mesure devient un levier puissant de réduction des coûts. Les analystes estiment que des puces co-conçues pourraient diviser par deux les coûts d'inférence de Claude .
• Co-optimisation modèle-matériel. Concevoir des puces explicitement pour l'architecture de Claude permet d'obtenir de meilleures performances et une efficacité énergétique supérieure à ce que des GPU standard peuvent offrir .
• Stratégie multi-puces. Ces puces maison viendront en complément des partenariats existants avec Nvidia, AMD, AWS et Google Cloud, et non en remplacement. Il s'agit de diversifier les sources d'approvisionnement pour ne plus dépendre uniquement de Nvidia .

Anthropic n'a pas communiqué de date cible pour le "tape-out" (finalisation du design) ou la production, ce qui est normal à ce stade du programme .

Comment les autres géants de l'IA conçoivent leurs propres puces

OpenAI et la puce Jalapeño

OpenAI a dévoilé sa première puce IA sur mesure, baptisée Jalapeño, le 24 juin 2026 . Conçue en collaboration avec Broadcom et fabriquée par TSMC, Jalapeño est un processeur spécialisé dans l'inférence . OpenAI a lancé ce projet début 2025 et avait d'abord envisagé de construire ses propres fonderies avant de se tourner vers un modèle de partenariat de conception . La société a également annoncé une collaboration stratégique élargie avec Broadcom, d'une valeur pouvant atteindre 10 milliards de dollars, pour déployer des systèmes d'accélération et de réseau jusqu'en 2029 .

Google DeepMind et huit générations de TPU

Google possède le programme de puces IA internes le plus ancien, avec plus d'une décennie de développement de silicium sur mesure. Sa famille de Tensor Processing Unit (TPU) en est aujourd'hui à sa huitième génération .

Le TPU Ironwood (7e génération), lancé fin 2025, peut connecter 9 216 puces dans un seul pod pour l'entraînement et l'inférence . En avril 2026, Google a annoncé ses TPU de 8e génération avec deux architectures spécialisées : le TPU 8t pour l'entraînement et le TPU 8i pour l'inférence . Google aurait également fait appel à AMD pour concevoir l'un de ses TPU de 10e génération .

Fait notable, Google fournit également des TPU à Anthropic dans le cadre d'un accord massif valant des dizaines de milliards de dollars, avec jusqu'à un million de puces .

Meta et la famille MTIA

En mars 2026, Meta a dévoilé une feuille de route comprenant quatre nouvelles puces internes sous sa famille Meta Training and Inference Accelerator (MTIA) . Le MTIA 300 est déjà déployé ; les MTIA 400, MTIA 450 et MTIA 500 doivent sortir à un rythme d'environ tous les six mois jusqu'en 2027 .

Meta co-développe ces puces avec Broadcom et prévoit de commencer la fabrication de l'une d'elles en septembre 2026, dans le cadre d'un effort visant à doubler sa capacité de calcul globale . La famille MTIA couvre à la fois l'inférence et, pour la première fois, des puces d'entraînement sur mesure — auparavant, Meta s'appuyait sur les GPU Nvidia pour l'entraînement .

Tableau récapitulatif des programmes de puces IA sur mesure

Ce que cela signifie pour le paysage du matériel IA

Ce virage vers le silicium sur mesure représente un changement fondamental dans la façon dont les entreprises d'IA abordent leurs infrastructures. Plutôt que de se faire concurrence uniquement sur l'architecture des modèles et les données d'entraînement, les leaders du secteur construisent désormais leur propre matériel pour en faire un avantage concurrentiel.

Pour Anthropic, le programme de puces maison n'en est qu'à ses balbutiements — aucune date de production n'a été fixée, et aucun détail architectural ni accord de fabrication n'a été annoncé . Mais cette décision montre qu'Anthropic considère la conception de puces comme essentielle à sa stratégie à long terme, surtout alors que les coûts d'inférence augmentent avec l'échelle des déploiements.

Pour l'ensemble du secteur, la diversification qui s'opère loin des GPU Nvidia pourrait avoir des conséquences considérables. Si les puces sur mesure tiennent leurs promesses en matière de réduction des coûts et d'augmentation des performances, l'économie de l'inférence IA pourrait être profondément transformée, rendant les applications d'IA plus abordables et accessibles.

Anthropic rejoint ainsi OpenAI, Google DeepMind et Meta dans une vague de développement de puces propriétaires, portée par une pénurie mondiale, la flambée des coûts d'inférence et les gains de performance rendus possibles quand le matériel et les modèles sont conçus ensemble.

Pourquoi Anthropic fabrique ses propres puces

La décision d'Anthropic de développer son propre silicium répond à plusieurs pressions convergentes :

• Pénurie et tensions d'approvisionnement. La pénurie mondiale de puces IA rend difficile pour Anthropic de sécuriser la puissance de calcul nécessaire à l'entraînement et au déploiement de modèles toujours plus avancés .
• Coûts d'inférence qui s'envolent. Avec des milliards de tokens servis chaque jour et un chiffre d'affaires annualisé d'environ 30 milliards de dollars, le silicium sur mesure devient un levier puissant de réduction des coûts. Les analystes estiment que des puces co-conçues pourraient diviser par deux les coûts d'inférence de Claude .
• Co-optimisation modèle-matériel. Concevoir des puces explicitement pour l'architecture de Claude permet d'obtenir de meilleures performances et une efficacité énergétique supérieure à ce que des GPU standard peuvent offrir .
• Stratégie multi-puces. Ces puces maison viendront en complément des partenariats existants avec Nvidia, AMD, AWS et Google Cloud, et non en remplacement. Il s'agit de diversifier les sources d'approvisionnement pour ne plus dépendre uniquement de Nvidia .

Anthropic n'a pas communiqué de date cible pour le "tape-out" (finalisation du design) ou la production, ce qui est normal à ce stade du programme .

Comment les autres géants de l'IA conçoivent leurs propres puces

OpenAI et la puce Jalapeño

OpenAI a dévoilé sa première puce IA sur mesure, baptisée Jalapeño, le 24 juin 2026 . Conçue en collaboration avec Broadcom et fabriquée par TSMC, Jalapeño est un processeur spécialisé dans l'inférence . OpenAI a lancé ce projet début 2025 et avait d'abord envisagé de construire ses propres fonderies avant de se tourner vers un modèle de partenariat de conception . La société a également annoncé une collaboration stratégique élargie avec Broadcom, d'une valeur pouvant atteindre 10 milliards de dollars, pour déployer des systèmes d'accélération et de réseau jusqu'en 2029 .

Google DeepMind et huit générations de TPU

Google possède le programme de puces IA internes le plus ancien, avec plus d'une décennie de développement de silicium sur mesure. Sa famille de Tensor Processing Unit (TPU) en est aujourd'hui à sa huitième génération .

Le TPU Ironwood (7e génération), lancé fin 2025, peut connecter 9 216 puces dans un seul pod pour l'entraînement et l'inférence . En avril 2026, Google a annoncé ses TPU de 8e génération avec deux architectures spécialisées : le TPU 8t pour l'entraînement et le TPU 8i pour l'inférence . Google aurait également fait appel à AMD pour concevoir l'un de ses TPU de 10e génération .

Fait notable, Google fournit également des TPU à Anthropic dans le cadre d'un accord massif valant des dizaines de milliards de dollars, avec jusqu'à un million de puces .

Meta et la famille MTIA

En mars 2026, Meta a dévoilé une feuille de route comprenant quatre nouvelles puces internes sous sa famille Meta Training and Inference Accelerator (MTIA) . Le MTIA 300 est déjà déployé ; les MTIA 400, MTIA 450 et MTIA 500 doivent sortir à un rythme d'environ tous les six mois jusqu'en 2027 .

Meta co-développe ces puces avec Broadcom et prévoit de commencer la fabrication de l'une d'elles en septembre 2026, dans le cadre d'un effort visant à doubler sa capacité de calcul globale . La famille MTIA couvre à la fois l'inférence et, pour la première fois, des puces d'entraînement sur mesure — auparavant, Meta s'appuyait sur les GPU Nvidia pour l'entraînement .

Tableau récapitulatif des programmes de puces IA sur mesure

Ce que cela signifie pour le paysage du matériel IA

Ce virage vers le silicium sur mesure représente un changement fondamental dans la façon dont les entreprises d'IA abordent leurs infrastructures. Plutôt que de se faire concurrence uniquement sur l'architecture des modèles et les données d'entraînement, les leaders du secteur construisent désormais leur propre matériel pour en faire un avantage concurrentiel.

Pour Anthropic, le programme de puces maison n'en est qu'à ses balbutiements — aucune date de production n'a été fixée, et aucun détail architectural ni accord de fabrication n'a été annoncé . Mais cette décision montre qu'Anthropic considère la conception de puces comme essentielle à sa stratégie à long terme, surtout alors que les coûts d'inférence augmentent avec l'échelle des déploiements.

Pour l'ensemble du secteur, la diversification qui s'opère loin des GPU Nvidia pourrait avoir des conséquences considérables. Si les puces sur mesure tiennent leurs promesses en matière de réduction des coûts et d'augmentation des performances, l'économie de l'inférence IA pourrait être profondément transformée, rendant les applications d'IA plus abordables et accessibles.