Anthropic a confirmé qu’elle mettait en place une « équipe interne de conception de puces sur mesure » pour concevoir des puces destinées à Claude. Ce qui fait de cette annonce bien plus qu’un simple recrutement, c’est la méthodologie décrite par Anthropic. Un porte-parole de l’entreprise a confirmé que le programme suivrait une stratégie de co-conception logiciel-matériel — ce qui signifie que la puce et le modèle Claude seront développés conjointement, chacun façonnant l’architecture de l’autre. Les Trainium d'AWS, les TPU de Google, les GPU de Nvidia et les accélérateurs MI450 d’AMD estent la base de calcul sur laquelle Claude fonctionne aujourd’hui. La puce sur mesure est un atout tourné vers l’avenir. Les relations existantes constituent la réalité du présent.Anthropic est une société d'intérêt public américaine spécialisée dans l'intelligence artificielle (IA), dont le siège social est situé à San Francisco, en Californie, et qui a été fondée dans le but de promouvoir la sécurité de l'IA. Son produit phare est Claude, une série de grands modèles de langage (LLM). Anthropic a été fondée en 2021 par d'anciens membres d'OpenAI, notamment les frère et sœur Daniela Amodei et Dario Amodei, respectivement présidente et PDG. La société est privée mais prévoit d'entrer en bourse. En mai 2026, sa valorisation était estimée à 965 milliards de dollars, ce qui en fait la société spécialisée exclusivement dans l'IA la plus valorisée au monde.
Récemment, Anthropic a confirmé qu’elle mettait en place une « équipe interne de conception de puces sur mesure » pour concevoir des puces destinées à Claude — il s’agit de la première reconnaissance publique par l’entreprise d’un programme matériel propriétaire qu’elle développait discrètement depuis au moins début juin. Cette annonce marque un tournant stratégique : Anthropic n’est plus seulement un utilisateur des puces fournies par des partenaires externes. Elle devient elle-même conceptrice de puces.
Ce qui fait de cette annonce bien plus qu’un simple recrutement, c’est la méthodologie décrite par Anthropic. Un porte-parole de l’entreprise a confirmé que le programme suivrait une stratégie de co-conception logiciel-matériel — ce qui signifie que la puce et le modèle Claude seront développés conjointement, chacun façonnant l’architecture de l’autre. Cette approche, utilisée par Apple pour ses puces de la série M et par Google pour ses Tensor Processing Units, explique pourquoi les puces sur mesure permettent d’atteindre des gains d’efficacité que le matériel standard ne peut pas offrir.
Une puce conçue autour des schémas de calcul spécifiques de Claude peut consacrer chaque transistor aux opérations que Claude exécute réellement — mécanismes d’attention des transformateurs, multiplications matricielles, gestion du cache clé-valeur —, éliminant ainsi la surcharge liée à l’usage général que les GPU de Nvidia doivent supporter pour des charges de travail pour lesquelles ils n’ont jamais été conçus.
La logique économique est simple. La puce d’inférence Jalapeño d’OpenAI, spécialement conçue par Broadcom et dévoilée le 24 juin, aurait permis, selon le PDG de Broadcom, Hock Tan, de réaliser lors des premiers tests une économie d’environ 50 % par token par rapport à l’inférence sur GPU standard. Anthropic opère à une échelle comparable — desservant des centaines de milliers d’entreprises et des millions d’utilisateurs particuliers. Une puce optimisée pour les schémas de service de Claude pourrait représenter des économies annuelles de plusieurs centaines de millions de dollars à ce volume.
Ce programme constitue également, implicitement, un pari sur l’architecture. Un circuit intégré spécifique à une application (ou ASIC) est conçu pour une classe d’opérations bien précise et ne peut être reprogrammé après sa fabrication. En concevant une puce autour du modèle de Claude, Anthropic se montre convaincue que l’architecture « Transformer » sous-jacente à Claude restera suffisamment stable — dans ses schémas de calcul fondamentaux — pour justifier l’investissement en conception avant que la puce ne devienne obsolète. Il s’agit là d’un engagement technique significatif, et pas seulement d’un simple exercice de réduction des coûts.
Anthropic met en place une « équipe interne de conception de puces sur mesure » destinées à Claude
L’expression « co-conception logiciel-matériel » revêt une portée technique plus importante qu’il n’y paraît à première vue. Dans le cadre d’un approvisionnement classique en puces, une entreprise achète du matériel — des GPU Nvidia, des TPU Google, des Trainium d’Amazon — puis développe des logiciels destinés à y fonctionner. Le matériel définit ce qui est possible, et le logiciel s’y adapte. La co-conception inverse cette relation : la puce est conçue dès le départ pour répondre aux exigences du logiciel.
Pour un accélérateur d’inférence IA, la co-conception signifie que la disposition de la mémoire de la puce, l’architecture du flux de données et les formats de précision sont optimisés pour correspondre exactement aux opérations que le framework d’inférence de Claude exécute le plus souvent. Le compilateur qui transpose le graphe de calcul de Claude en instructions matérielles est écrit en parallèle avec l’architecture des registres de la puce, et non pas adapté a posteriori.
Lorsque la charge de travail d’inférence d’un modèle peut être exprimée directement dans le jeu d’instructions natif de la puce — plutôt que via une couche d’abstraction comme CUDA de Nvidia —, les gains d’efficacité s’accumulent : moins de transferts de mémoire, une latence par token réduite et un débit par watt plus élevé. C’est pourquoi l’offre d’emploi d’Anthropic précisait qu’elle recherchait des ingénieurs ayant une expérience « à la fois en matériel et en logiciel » — et pas seulement des concepteurs de puces.
L’offre d’emploi de l’équipe chargée des puces sur mesure recherchait des candidats ayant déjà « commercialisé des puces » et étant « à l’aise pour prendre des décisions importantes sans le soutien d’une grande organisation », ce qui laisse entrevoir une équipe réduite et expérimentée plutôt qu’un programme de conception de puces traditionnel au sein d’une grande organisation. Ce cadre explique également la rémunération : l’entreprise propose entre 320 000 et 485 000 dollars par an aux ingénieurs en puces — des salaires qui reflètent à la fois la rareté réelle des ingénieurs capables de co-concevoir des accélérateurs d’IA et le niveau d’expérience requis pour prendre des décisions architecturales à cette échelle.
Clive Chan, qui a rejoint Anthropic début juin 2026, est le pilier de la direction technique de ce programme naissant. Chan a été la deuxième recrue en matériel au sein de l’équipe dédiée aux puces d’OpenAI, qu’il a rejointe en janvier 2024 après avoir travaillé sur le programme de supercalculateur Dojo de Tesla — où il s’occupait de l’infrastructure d’apprentissage profond d’Autopilot, notamment l’optimisation des GPU et l’infrastructure d’entraînement.
Chez OpenAI, il a travaillé sur l’architecture de multiplication matricielle de Jalapeño et sur l’analyse des performances matérielles avant de partir pour le programme plus naissant d’Anthropic. Dans une annonce publiée sur X, Chan a déclaré qu’il était prêt à « gravir une nouvelle montagne depuis la base » — une description pertinente de l’écart technique entre la puce d’OpenAI (déjà au stade du prototype) et celle d’Anthropic (désormais officiellement nommée mais pas encore conçue).
Une puce optimisée représente des économies annuelles de plusieurs centaines de millions de dollars
La pression économique qui motive l’investissement d’Anthropic dans les puces s’accumule depuis des années. Le coût par requête lié à l’exécution d’un modèle équivalent à GPT-3.5 est passé d’environ 20 dollars par million de tokens en novembre 2022 à 0,07 dollar par million de tokens en octobre 2024 — soit une baisse de plus de 280 fois en environ deux ans, due presque exclusivement à l’optimisation matériel-logiciel. Les puces d’inférence sur mesure — conçues spécifiquement pour faire fonctionner de grands modèles linguistiques plutôt que pour les entraîner — constituent le principal mécanisme à l’origine de cette courbe de coûts.
Les avantages économiques sont particulièrement convaincants à l’échelle de l’IA de pointe. Les livraisons d’accélérateurs d’IA sur mesure devraient progresser de 44,6 % en 2026, soit environ trois fois le taux de croissance de 16,1 % prévu pour les GPU à usage général — car à un volume suffisamment élevé, le coût de conception d’une puce sur mesure s’amortit facilement. Pour les charges de travail prévisibles et stables, la question n’est pas de savoir si un ASIC est plus efficace qu’un GPU — c’est presque toujours le cas —, mais si le volume de requêtes est suffisamment élevé pour justifier l’investissement en conception.
Au rythme de chiffre d’affaires annualisé de 47 milliards de dollars annoncé par Anthropic, la réponse est oui. Le développement d’une puce d’IA avancée sur un nœud de pointe — 2 nm ou 3 nm — coûte aujourd’hui entre 500 et 750 millions de dollars. Ce chiffre représente environ six à dix semaines de chiffre d’affaires à l’échelle actuelle. Une réduction de 50 % par jeton, même sur une fraction de la charge de travail d’inférence d’Anthropic, générerait des économies annuelles supérieures au coût de conception dès la première génération de la puce. Ce calcul explique pourquoi tous les grands laboratoires d’IA se tournent désormais vers des puces sur mesure.
La mainmise de Nvidia sur le marché des puces d’IA — environ 70 % à 80 % en termes de chiffre d’affaires — ne s’affaiblit pas en valeur absolue. Mais chaque puce sur mesure déployée par un hyperscaler ou un laboratoire d’IA de pointe est une puce que Nvidia ne vend pas pour cette charge de travail. Pour Anthropic, la motivation réside dans le contrôle : contrôle de la structure des coûts, de la feuille de route des performances et de la chaîne d’approvisionnement. Une puce conçue autour de Claude ne peut être retirée du marché, voir son prix modifié ou être retenue par un tiers.
Le programme d’Anthropic imite ceux de Google, d'OpenAI, d'Amazon et de Meta
L’entrée officielle d’Anthropic dans la conception de puces intervient six semaines après qu’OpenAI a dévoilé Jalapeño le 24 juin — un processeur d’inférence sur mesure conçu en partenariat avec Broadcom en neuf mois, du concept au plan de fabrication. L’approche d’OpenAI s’est fortement appuyée sur l’expertise de Broadcom en matière de conception et sur ses relations avec les fabricants, ce qui explique pourquoi le délai a été exceptionnellement court. Le programme d’Anthropic, en revanche, semble viser à développer des capacités de conception en interne plutôt que de s’appuyer sur un partenaire de conception — une approche qui nécessite plus de temps, mais qui offre potentiellement un meilleur contrôle sur l’architecture finale.
Le programme TPU de Google, l’initiative la plus aboutie en matière de puces d’IA sur mesure parmi les grands laboratoires d’IA, s’étend désormais sur sept générations en une décennie. Chaque génération de TPU de Google est conçue en parallèle avec la génération suivante de ses modèles, l’infrastructure de compilation étant mise à jour en parallèle. Anthropic entame le même cycle, mais en partant de zéro plutôt que de la septième génération.
Les puces Trainium et Inferentia d’Amazon gèrent l’entraînement et l’inférence pour les services d’IA d’AWS. Les accélérateurs MTIA de Meta traitent les milliards de requêtes d’inférence quotidiennes sur Facebook et Instagram. Le Maia 200 de Microsoft, déployé dans des centres de données en Arizona et dans l’Iowa, gère l’inférence pour les modèles GPT d’OpenAI et fait actuellement l’objet de discussions préliminaires avec Anthropic en tant que quatrième option de puce externe.
Le schéma est identique pour ces cinq programmes : les puces d’inférence sur mesure permettent de réduire les coûts par token de 50 % à 67 % à l’échelle de la production, un chiffre qui passe d’une ambition technique à une nécessité économique à mesure que les volumes de requêtes atteignent des milliards par jour.
La puce sur mesure est un atout tourné vers l’avenir mais la réalité du présent
La question de la fabrication reste en suspens pour Anthropic. L’entreprise a mené des discussions exploratoires avec Samsung Electronics concernant l’utilisation de son procédé de fonderie en 2 nm — plus précisément le nœud SF2P de Samsung, une deuxième itération optimisée pour les performances de son architecture en 2 nm utilisant des transistors à nanosheets de...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.