Edge IA : pourquoi AMD est le meilleur pari de valeur pour 2026

L’intelligence artificielle (IA) est l’un des principaux perturbateurs technologiques de cette décennie, provoquant des changements fondamentaux dans les secteurs et la société en général.

Les données montrent qu’environ une personne sur six dans le monde utilise désormais des outils d’IA générative. De plus, 90 % des professionnels de la technologie utilisent déjà l’IA dans leur travail. Malgré cette adoption, l’industrie de l’IA devrait encore croître d’environ 9 fois d’ici 2033.

Cette adoption massive entraîne une flambée des coûts de calcul, des défis croissants de latence et des préoccupations accrues concernant la sécurité, la consommation d’énergie et l’évolutivité. Les entreprises réalisent maintenant que transmettre constamment des données à des serveurs distants pour l’inférence IA – l’informatique cloud ou IA Cloud – est coûteux, lent et comporte des risques de confidentialité.

Dans l’IA Cloud, les entreprises tirent parti des vastes ressources de plateformes telles qu’AWS, Azure et Google Cloud pour fournir des services d’IA. Cela permet aux utilisateurs d’accéder aux modèles d’IA à la demande via Internet sans devoir construire leur propre infrastructure.

Le socle de l’IA Cloud repose sur les hyperscalers – d’immenses centres de données IA qui offrent une évolutivité extrême pour gérer des charges de travail bien au‑delà des capacités traditionnelles sur site. Grâce à leurs vastes rangées de serveurs horizontaux, ils offrent aux entreprises les ressources nécessaires pour accéder, créer, entraîner, déployer et maintenir efficacement des applications d’IA.

Cette combinaison d’informatique cloud et d’IA offre les avantages de l’efficacité des coûts, de l’évolutivité et de la capacité à exploiter des modèles partagés. Mais elle comporte également des inconvénients importants, notamment des coûts récurrents élevés liés aux ressources de calcul, au stockage, au transfert de données et à l’expertise spécialisée requise pour une utilisation continue.

D’autres problèmes rencontrés par l’IA Cloud incluent la latence, les risques de sécurité, la confidentialité des données, la dépendance à Internet, le contrôle limité et le verrouillage du fournisseur.

Avec le cloud qui s’avère coûteux et difficile pour les applications grand public, les ordinateurs portables, les systèmes industriels et les cas d’utilisation en temps réel, les entreprises se tournent vers « l’IA Edge ». Effectuer l’inférence localement sur l’appareil plutôt que de dépendre de GPU cloud onéreux redéfinit aujourd’hui la façon dont l’IA est déployée au‑delà des centres de données.

Faites glisser pour faire défiler →

IA Edge expliquée: pourquoi l’inférence se déplace sur l’appareil

L’industrie connaît un virage stratégique et architectural vers l’IA Edge, déplaçant l’IA des centres de données centralisés et énergivores vers du matériel d’inférence locale.

Dans l’IA Edge, l’intelligence artificielle est combinée à l’informatique de périphérie afin d’éliminer la dépendance au cloud en permettant aux appareils de traiter les données localement. « Edge » désigne ici l’appareil utilisé – téléphone, voiture, caméra, téléviseur, capteur ou dispositif médical – de sorte que l’informatique de périphérie signifie que l’ordinateur chargé de traiter les données se trouve près ou à l’intérieur de cet appareil.

Outre les appareils de périphérie qui collectent et traitent les données, d’autres composants clés comprennent les modèles d’IA entraînés dans le cloud et déployés sur le edge, ainsi que des puces matérielles spécialisées qui gèrent efficacement les tâches d’IA localement.

Avec ce virage vers des appareils à faible consommation, l’objectif est de résoudre les problèmes cruciaux de latence et de confidentialité des données en permettant un traitement en temps réel sur les appareils des utilisateurs, là où les données sont réellement générées.

Cela signifie qu’au lieu d’envoyer les données à un centre de données distant, les calculs sont effectués près de la source, permettant aux appareils de prendre des décisions en quelques millisecondes sans nécessiter de connexion Internet. Les données sont ainsi exploitées dès leur création par l’appareil.

Ce traitement en temps réel est essentiel pour la robotique, les véhicules autonomes et les applications de surveillance qui exigent des temps de réponse très rapides.

L’informatique de périphérie allège également la lourde charge des centres de données en éliminant le besoin de transférer les données d’un bout à l’autre. Dans l’IA Edge, seules les données pertinentes sont envoyées au cloud, réduisant ainsi les exigences de bande passante et les coûts associés.

Outre l’aspect économique, le passage des centres de données gigawatts aux appareils offre l’avantage de l’efficacité énergétique, car ils peuvent exécuter l’IA avec une consommation minimale. En conservant les données sensibles localement, les entreprises peuvent également mieux répondre aux préoccupations de sécurité, protégeant contre les accès non autorisés et les violations de données.

Grâce aux avantages de vitesse, de coût, de confidentialité et d’efficacité énergétique, l’inférence IA est de plus en plus réalisée à la périphérie.

En IA, l’inférence correspond à l’opération réelle du modèle – un processus qui débute après l’entraînement du modèle et cesse d’apprendre. L’inférence, c’est lorsque le modèle commence à fonctionner, tirant des conclusions à partir des données et transformant ces connaissances en résultats concrets.

L’inférence locale désigne l’exécution des modèles d’IA directement sur la machine de l’utilisateur à l’aide de silicium spécialisé, tel que les NPU (Unités de Traitement Neuronal) intégrées aux CPU ou aux SoC (systèmes sur puce), plutôt que d’envoyer chaque requête à un GPU cloud.

Les NPU sont des puces IA optimisées pour les calculs complexes des tâches d’apprentissage profond telles que le traitement du langage naturel, le traitement vocal, la détection d’objets et la reconnaissance d’images. Ces puces accélératrices spécialisées permettent une inférence rapide sur l’appareil avec une consommation d’énergie minimale, rendant possibles les applications en temps réel.

En pratique, l’inférence locale signifie que votre ordinateur portable, PC, système embarqué ou même smartphone peut exécuter des modèles de langage étendu (requêtes LLM), des modèles de vision ou des charges de travail d’assistant sans recourir à des serveurs coûteux et puissants.

Cela réduit la latence, diminue les coûts de bande passante, améliore la confidentialité et réduit les factures serveur. Parce que les systèmes d’IA Edge peuvent fonctionner sans connexion Internet constante, ils offrent une fiabilité accrue, les rendant adaptés aux zones isolées.

À mesure que les charges de travail IA passent de la phase d’expérimentation à une utilisation quotidienne, ce passage à l’inférence locale n’est plus théorique mais une nécessité, alors que des milliards d’appareils acquièrent des capacités IA et que l’inférence cloud devient insoutenable à grande échelle.

Les études de marché sur l’IA Edge estiment que les processeurs IA à la périphérie pourraient atteindre près de 60 milliards de dollars d’ici la fin de la décennie, contre 9 milliards en 2020, principalement grâce au calcul local dans les PC et les appareils.

Déjà cette année, la tendance de l’inférence locale est passée des démonstrations de recherche aux produits réels, comme le montre le CES 2026, où des dizaines d’ordinateurs IA et de formats edge ont été présentés avec des capacités d’inférence sur l’appareil.

Par exemple, Ambarella a lancé son SoC vision CV7 offrant un traitement IA edge avancé sur l’appareil pour diverses applications de perception en temps réel. Qualcomm (QCOM ) a doublé la mise en œuvre d’une intégration verticale pour « l’informatique intelligente partout » avec ses PC Snapdragon X Elite Gen 2. Broadcom (AVGO ) se concentre sur l’intégration de « Neural Engines » dans les processeurs afin de permettre l’IA locale, ciblant spécifiquement les applications domotiques.

En ce qui concerne les géants comme Apple (AAPL ) et NVIDIA (NVDA ), le premier utilise un modèle hybride d’IA sur l’appareil et de « Private Cloud Compute », tandis que le second se tourne vers l’« IA physique » et le traitement sur l’appareil.

L’IA physique, qui étend l’IA au‑delà du monde numérique vers la robotique, les drones et les machines industrielles, est l’une des tendances émergentes du secteur de l’IA Edge et devrait devenir un moteur majeur de croissance.

Pourquoi AMD est positionnée pour gagner le cycle matériel de l’IA Edge

Dans l’univers des actions IA Edge, l’un des noms les plus en vue est Advanced Micro Devices (AMD ), qui développe des semi‑conducteurs, processeurs et GPU pour les centres de données, l’IA, le jeu vidéo et les applications embarquées.

Plus tôt ce mois‑ci, au CES 2026, la présidente‑directrice générale d’AMD, Lisa Su, a présenté l’objectif de l’entreprise de fournir l’IA pour tous en soulignant une stratégie IA orientée edge couvrant les PC, les appareils embarqués et les développeurs, renforçant ainsi le focus sur le matériel d’inférence locale au‑delà des environnements cloud hyperscalés.

Dans le cadre de cette approche, l’entreprise a présenté une nouvelle gamme de processeurs IA. Cela inclut le processeur Ryzen AI 400 Series destiné aux PC IA, doté de NPU intégrés offrant environ 60 TOPS de calcul IA pour l’inférence locale. Cette dernière version des puces PC IA d’AMD comporte 12 cœurs CPU et 24 threads et permettra un multitâche 1,3 fois plus rapide que ses concurrents. Elles sont également 1,7 fois plus rapides pour la création de contenu.

Les PC équipés du processeur Ryzen AI 400 Series seront disponibles au cours du trimestre en cours.

Lors d’une conférence de presse, Rahul Tikoo, vice‑président senior et directeur général du secteur client d’AMD, a indiqué qu’ils avaient déjà dépassé les 250 plateformes PC IA, soit une croissance de 2 fois par rapport à l’année précédente. Il a déclaré :

« Dans les années à venir, l’IA deviendra un tissu multicouche qui s’entrelacera à chaque niveau de l’informatique au niveau personnel. Nos PC et appareils IA transformeront notre façon de travailler, de jouer, de créer et de nous connecter les uns aux autres. »

AMD a également présenté les puces Ryzen AI Max+ lors du plus grand salon mondial de l’électronique grand public. Elles ciblent les ordinateurs portables premium et les mini‑PC pour une inférence locale avancée, la création de contenu et le jeu.

Pour les développeurs, AMD a annoncé la plateforme Ryzen AI Halo pour le développement de modèles sur l’appareil, qui devrait apporter de puissantes capacités de développement IA à un PC de bureau compact dès le trimestre prochain.

Sa nouvelle gamme de processeurs x86 embarqués est quant à elle conçue pour alimenter des applications IA à la périphérie. Les nouveaux processeurs des séries P100 et X100 offrent un calcul IA haute performance pour la santé intelligente, les cockpits numériques automobiles et la robotique humanoïde.

« Quel que soit votre profil et votre utilisation quotidienne de la technologie, l’IA redéfinit l’informatique de tous les jours. Vous avez des milliers d’interactions avec votre PC chaque jour. L’IA peut comprendre, apprendre le contexte, automatiser, fournir un raisonnement approfondi et une personnalisation poussée à chaque individu. »

– Rahul Tikoo, Vice‑Président Senior & Directeur Général du secteur client

Avec ces initiatives, le fabricant américain de puces vise les charges de travail IA sur l’appareil et contribue à la poussée vers l’inférence locale ainsi qu’à l’intelligence distribuée sur des milliards de points de terminaison.

En plus de permettre le calcul IA à la périphérie, l’entreprise a présenté ses processeurs IA avancés, utilisés dans les racks de serveurs de centres de données. Une version entreprise du chipset de la série MI400 (le MI440X) a été conçue pour un usage sur site mais n’est pas spécifiquement destinée aux clusters IA.

Pour répondre aux besoins futurs de sociétés comme OpenAI, AMD a également présenté la plateforme MI500, qui, selon l’entreprise, est conçue pour offrir des gains de performance d’ordres de grandeur au niveau du système et du rack par rapport aux générations précédentes, plutôt qu’une simple mise à jour de puce 1 : 1. Les puces seront lancées l’année prochaine.

En plus d’un portefeuille produit impressionnant, AMD bénéficie d’une excellente liste de clients, dont OpenAI, Blue Origin, Liquid AI, Luma AI, World Labs, Illumina, Absci, AstraZeneca (AZN ) et Generative Bionics, qui exploitent la technologie de l’entreprise pour transformer la promesse de l’IA en impact réel. Selon Su :

« À mesure que l’adoption de l’IA s’accélère, nous entrons dans l’ère du calcul yotta‑scale, alimentée par une croissance sans précédent tant de l’entraînement que de l’inférence. AMD construit les bases de calcul pour cette prochaine phase de l’IA grâce à un leadership technologique de bout en bout, des plateformes ouvertes et une co‑innovation profonde avec les partenaires de l’écosystème. »

Dans une interview, elle a souligné que, compte tenu de la demande « incroyable » d’IA, qui « décolle », il faudra des investissements massifs et inévitables en puissance de calcul et en matériel de pointe pour rester compétitif sur le marché de l’IA.

Le monde, selon elle, aurait besoin de plus de « 10 yottaflops » de calcul, soit « 10 000 fois plus de calcul que nous avions en 2022 », pour suivre le rythme de croissance de l’IA. En accord avec cela, elle a présenté le plan d’infrastructure yotta‑scale d’AMD, dévoilant la plateforme rack‑scale « Helios », qui délivrera jusqu’à 3 exaflops d’IA dans un seul rack.

Lors du même événement, le principal concurrent d’AMD, Nvidia, a lancé sa plateforme de prochaine génération « Vera Rubin », composée de six puces et prévue pour une sortie plus tard cette année.

Alors que Nvidia continue de se concentrer sur l’hyperscale avec des GPU méga‑performants et des piles d’entreprise verrouillées, AMD adopte une approche diversifiée de ses produits qui permettent la fonctionnalité IA à moindre coût total. Ce contraste définit de plus en plus le débat AMD vs NVIDIA 2026.

AMD sous‑cote le prix de Nvidia pour les puces « AI PC » afin de capter une part plus importante du marché émergent des PC IA en rendant les processeurs IA haute performance plus abordables pour les OEM et les consommateurs. En conséquence, AMD est perçue comme l’une des actions IA sous‑évaluées du marché.

Au 20 janvier 2026, AMD, avec une capitalisation boursière de 377,4 milliards de dollars, se négocie à 231,87 $, en hausse de 8,25 % depuis le début de l’année et de 90,87 % sur les 12 derniers mois. Son BPA (TTM) s’élève à 1,92 $ et son PER (TTM) à 120,97.

La situation financière d’AMD est également solide, Jean Hu, vice‑présidente exécutive, directrice financière et trésorière d’AMD, déclarant : « Nos investissements continus dans l’IA et le calcul haute performance stimulent une croissance significative et positionnent AMD pour créer de la valeur à long terme. »

Cela se reflète dans le chiffre d’affaires record de la société de semi‑conducteurs, qui a atteint 9,2 milliards de dollars au troisième trimestre 2025. Cela comprend 4,3 milliards de dollars provenant du segment centre de données (+22 % en glissement annuel), 4 milliards provenant des revenus combinés client et jeu (+73 % en glissement annuel) et 857 millions de dollars du segment embarqué (‑8 % en glissement annuel).

Le chiffre d’affaires d’AMD n’inclut toujours pas les expéditions de ses puces Instinct MI308 vers la Chine, comme lors du trimestre précédent, bien que la société s’attende à des revenus provenant de celles‑ci prochainement. « Nous avons reçu quelques licences pour le MI308 », a indiqué Su à l’époque. « Nous travaillons toujours avec nos clients sur le contexte de la demande et sur la portée globale de l’opportunité. »

Son résultat d’exploitation pour la période s’élevait à 1,3 milliard de dollars, et le bénéfice net à 1,2 milliard de dollars, tandis que la marge brute était de 52 %. Son bénéfice dilué par action était de 0,75 $.

« Nous avons livré un trimestre exceptionnel, avec un chiffre d’affaires et une rentabilité records reflétant une demande large pour nos processeurs EPYC et Ryzen haute performance ainsi que nos accélérateurs IA Instinct », a déclaré Su. Cette performance « marque une nette progression de notre trajectoire de croissance alors que notre franchise de calcul s’étend et que notre activité IA en centre de données se développe rapidement, entraînant une croissance significative du chiffre d’affaires et des bénéfices », a‑t‑elle ajouté.

À ce moment‑là, le géant des semi‑conducteurs a noté que l’élan client pour ses plateformes IA s’accélère, comme en témoignent ses partenariats approfondis avec OpenAI, Oracle (ORCL ), Cisco (CSCO ), IBM (IBM ) et Cohere.

Le Département américain de l’Énergie a également conclu un partenariat de 1 milliard de dollars avec AMD pour construire deux supercalculateurs de prochaine génération qui « accéléreront » les avancées en développement de médicaments, énergie nucléaire et technologies de sécurité nationale. Le premier, nommé Lux, sera alimenté par les puces IA MI355X et des puces réseau, devenant le premier supercalculateur « usine IA » des États‑Unis. Le supercalculateur plus avancé, Discovery, sera basé sur la série de puces IA MI430.

Pour le dernier trimestre, AMD prévoit un chiffre d’affaires d’environ 9,6 milliards de dollars et une marge brute non‑GAAP de 54,5 %.

La semaine dernière, le partenaire de fabrication d’AMD, TSMC – le plus grand fabricant de puces sous contrat – a également dépassé les prévisions de revenus, affichant une hausse de 35 % de son bénéfice du quatrième trimestre. L’entreprise prévoit d’augmenter ses dépenses d’investissement cette année, signe de confiance dans le déploiement de l’IA.

« Nous nous attendons à ce que notre activité soit soutenue par une demande continue et forte pour nos technologies de processus à la pointe. »

– Wendell Huang, CFO de TSMC

Ainsi, tout en cherchant à suivre le rythme de Nvidia, AMD s’enfonce davantage dans les accélérateurs IA, le calcul orienté edge et les plateformes à coût efficace, se positionnant comme une alternative à forte valeur ajoutée dans le paysage IA en évolution.

L’IA Edge est le prochain grand cycle matériel

Le paysage de l’IA évolue à un rythme rapide, s’intégrant à tout, des smartphones aux objets connectés, écrans, drones, robots et véhicules autonomes. À mesure que les modèles d’IA deviennent plus efficaces et que leur utilisation passe de l’expérimentation au déploiement et à l’échelle, l’industrie migre du cloud vers le edge pour suivre le boom de l’IA.

Alors que Nvidia continue de dominer l’entraînement en centre de données et l’inférence hyperscale avec des GPU haut de gamme et un verrouillage de l’écosystème, le cycle matériel se déplace désormais des centres de données centralisés vers les appareils du quotidien, où la valeur, l’efficacité et le prix priment. Dans cette nouvelle ère d’IA au niveau de l’appareil, AMD se démarque par son focus stratégique sur l’inférence locale, les NPU embarqués et les processeurs PC IA, faisant de lui un pari de valeur convaincant pour 2026.

L’IA Edge en est encore à ses débuts, mais son potentiel est immense. En intégrant l’intelligence à chaque appareil, elle permet à l’IA de fonctionner partout, même sans connexion Internet. Et alors que tout devient un ordinateur, l’opportunité pour l’IA Edge pourrait s’avérer colossale, voire plus grande que le cloud. Mais plutôt que de le remplacer, l’avenir de l’IA sera probablement hybride, les plateformes cloud gérant l’entraînement et les appareils edge assurant l’inférence en temps réel, marquant le prochain grand paradigme informatique.

Cliquez ici pour une liste des meilleurs réseaux edge pour une expérience en ligne plus rapide et plus sûre.