Introduction

La prochaine frontière concurrentielle de l’IA ne sera peut-être pas le plus grand modèle ni le plus gros centre de données. Ce sera peut-être le jeton utile le moins cher.

Alors que l’IA d’entreprise passe des projets pilotes à la production, l’inférence devient la question économique dominante. L’entraînement crée le modèle, mais l’inférence fait tourner l’entreprise : chaque invite, recherche, réponse de copilote, événement de vision, action robotique et flux de travail agentique consomment des jetons. L’adoption de l’IA dépendra de plus en plus de la réduction du coût par jeton et de l’énergie par jeton, car l’inférence doit évoluer économiquement et physiquement auprès de millions d’utilisateurs et de milliards d’interactions quotidiennes.

C’est là que le portefeuille informatique de bout en bout d’Intel devient extrêmement pertinent. La course à l’infrastructure IA dépasse le cadre des GPU dans les centres de données hyperscales—il s’agit aussi de l’emplacement de l’inférence, de l’optimisation des modèles, de la circulation des données, de la réduction des goulots d’étranglement de la mémoire et de la façon dont les entreprises opérationnalisent l’IA dans les environnements infonuagiques, en périphérie, sur les appareils et en milieu de travail.

La Série Intel Core Ultra 3 ajoute une nouvelle dimension importante à cette discussion. Elle apporte l’accélération de l’IA directement aux points d’accès et aux systèmes en périphérie, aidant les entreprises à optimiser l’économie des jetons non seulement en rendant l’inférence centralisée plus rapide, mais aussi en réduisant les appels inutiles au nuage, en permettant des petits modèles linguistiques locaux, en améliorant la latence et en offrant des expériences d’IA plus sécuritaires à proximité de l’endroit où le travail a lieu.

L’économie des jetons : pourquoi le coût par jeton devient la nouvelle mesure de l’IA

Un jeton est l’unité d’information traitée par un modèle d’IA. Dans le texte, cela peut être un fragment de mot ou un signe de ponctuation. Dans les modèles d’image, d’audio et de vidéo, les jetons peuvent représenter des segments d’image, des morceaux de son ou des représentations d’images. Les fournisseurs d’IA mesurent habituellement l’utilisation par jetons d’entrée et de sortie, ce qui fait des jetons l’unité pratique du coût de l’IA.

Pour les entreprises, l’économie des jetons comporte trois niveaux :

• Coût par jeton détermine si un cas d'utilisation de l'IA offrira des marges acceptables.
• Énergie par jeton détermine si le cas d'utilisation pourra se développer de façon durable.
• Valeur par jeton détermine si l'intelligence générée vaut la puissance de calcul consommée.

La première vague d’IA d’entreprise s’est concentrée fortement sur les capacités des modèles. La prochaine vague se concentrera sur la productivité des jetons : utiliser le bon modèle, sur le bon matériel, à la bonne place, avec la bonne technique d’optimisation.

Où se situe Intel Core Ultra Série 3

Intel Core Ultra Série 3 est la première plateforme d’IA de point d’extrémité d’Intel, bâtie sur la technologie de procédé Intel 18A. La plateforme alimente plus de 200 conceptions de points d’extrémité et, pour la première fois, étend la Série 3 aux cas d’utilisation intégrés et industriels en périphérie tels que la robotique, les villes intelligentes, l’automatisation, la santé et plus encore.

Son rôle dans l’économie des jetons n’est pas de remplacer les grands accélérateurs de centre de données pour l’entraînement des modèles de pointe, mais de transformer l’économie de l’inférence au quotidien.

Intel Core Ultra Série 3 combine des capacités de CPU, GPU et NPU dans un seul SoC. Les SKU Série 3 haut de gamme comprennent jusqu’à 16 cœurs CPU, 12 cœurs Xe et 50 TOPS NPU, tandis que les cas d’utilisation de la Série 3 orientés périphérie ciblent les charges de travail d’inférence sur l’appareil telles que la robotique, l’analyse vidéo, la santé, le commerce intelligent et l’automatisation.

Ceci est important, car toutes les tâches d’IA n’exigent pas un modèle de pointe exécuté dans une usine d’IA distante. Plusieurs charges de travail d’entreprise devraient être gérées par des modèles plus petits et optimisés, exécutés localement ou en périphérie : la synthèse, la traduction, la recherche, la détection de défauts, les copilotes d’assistance sur le terrain, l’analyse visuelle, les avatars du service à la clientèle, la perception robotique et les assistants de productivité hors ligne.

Lorsque ces charges de travail sont exécutées localement, les entreprises réduisent leur consommation de jetons infonuagiques, réduisent la latence, améliorent la confidentialité, diminuent la demande de bande passante et réservent la capacité GPU centralisée aux charges de travail qui en ont vraiment besoin.

Une dimension parallèle : L’énergie par jeton

Le coût par jeton et l’énergie par jeton évoluent de pair dans de nombreux scénarios d’optimisation. Un débit plus élevé et une meilleure utilisation permettent à la même infrastructure et enveloppe de puissance de générer plus de résultats utiles.

Intel Core Ultra Série 3 contribue à cette équation énergie-par-jeton en permettant le calcul hétérogène. Le CPU gère la logique polyvalente, le GPU accélère les charges de travail parallèles et le NPU effectue une inférence IA soutenue de façon efficace pour les modèles compatibles. OpenVINO accentue cet avantage en aidant les développeurs à optimiser et à déployer les charges de travail IA sur les processeurs Intel, les GPU, les NPU, les appareils en périphérie, les points d’extrémité IA et les environnements IA physiques.

La valeur concrète pour l’entreprise est simple : il ne faut pas envoyer chaque requête d’inférence vers le nuage quand un point d’extrémité IA local peut la gérer de manière sécuritaire et efficace.

Le cadre de coût-par-jeton : Au-delà du centre de données

Le cadre industriel du coût-par-jeton évalue l’économie de l’inférence à travers des multiplicateurs de coût et de débit. Les multiplicateurs de coût comprennent le matériel, la mémoire, le réseau, l’infrastructure, l’alimentation et le logiciel. Les multiplicateurs de débit incluent les jetons traités par seconde, l’utilisation du matériel, l’efficacité de la mémoire et du réseau.

Intel Core Ultra Série 3 influence ce cadre de plusieurs façons :

Le principal changement est d’ordre architectural : les entreprises ne doivent plus voir l’inférence comme une destination unique, mais comme une structure d’exécution distribuée englobant les points d’extrémité IA, les serveurs en périphérie, les nuages privés, les nuages publics et l’infrastructure IA hyperscale.

La course à l’établissement de l’infrastructure IA

La course à l’infrastructure IA est souvent décrite comme une expansion des centres de données, mais ce n’est qu’une partie de l’histoire. L’investissement dans l’infrastructure IA englobe la construction de centres de données, l’acquisition d’accélérateurs et le développement du réseau, générant une demande soutenue sur l’ensemble de la chaîne de valeur des semi-conducteurs.

La position d’Intel est plus large que celle d’une seule catégorie de puces. Ses leviers technologiques incluent Intel Core Ultra pour les points d’extrémité et la périphérie IA, Intel Xeon pour l’IA de centre de données et l’orchestration, Intel Gaudi pour l’accélération IA, Intel 18A pour les procédés avancés, OpenVINO pour l’optimisation de l’inférence, des technologies avancées de packaging comme EMIB et Foveros ainsi que la recherche sur l’E/S optique pour les futures interconnexions à très haute bande passante.

L’écosystème Intel de HCLTech aide à transformer ces technologies en modèles de déploiement en entreprise. Nos plus de 30 ans de partenariat avec Intel s’appuient sur plus de 2 000 ingénieurs, des centres de développement dédiés, des laboratoires d’expérience client et une offre couvrant l’infonuagique hybride, le multi-nuage, les environnements de travail numériques, le réseau / 5G, la périphérie et l’IA.

Cette couche d’écosystème est essentielle puisque l’économie de l’inférence ne se résout pas par le matériel seul. Elle requiert l’évaluation des charges de travail, la sélection des modèles, les schémas de migration, l’état de préparation des extrémités, la gouvernance IA, la modernisation des applications, les opérations et une optimisation continue.

Le défi de l’adoption de l’inférence

L’adoption de l’IA en entreprise se heurte à un problème connu : les projets pilotes sont faciles ; l’économie de la production est difficile.

Les coûts d’inférence se multiplient à mesure que l’utilisation augmente. Un agent conversationnel utilisé par une petite équipe peut sembler peu onéreux. Ce même assistant, intégré à chaque flux de travail, à chaque interaction de centre de contact, à chaque outil d’ingénierie et à chaque appareil en périphérie, devient un enjeu important de budget de jetons.

Intel Core Ultra Série 3 aide à y faire face en permettant une architecture IA à plusieurs niveaux :

• Exécuter localement lorsque les charges de travail sont sensibles à la latence, à la confidentialité ou suffisamment légères pour les points de terminaison IA et les appareils périphériques.
• Exécuter à la périphérie lorsque l’inférence doit se faire près des machines, des capteurs, des caméras, des magasins, des hôpitaux ou des usines.
• Exécuter dans le centre de données ou dans le nuage lorsque les charges de travail nécessitent de grands modèles, un contexte partagé, une haute simultanéité ou une gouvernance centralisée.

Le travail de HCLTech avec des points d’accès IA alimentés par Intel illustre ce modèle en action. Un chef de file mondial de la mobilité a déployé des points d’accès IA basés sur Intel Core Ultra avec Intel vPro, une inférence GenIA locale compatible OpenVINO et des programmes d’adoption axés sur les personas; d’après les rapports, l’impact comprenait le report de 25 % à 30 % des charges de travail IA sur les appareils locaux, 15 % à 20 % de billets de soutien de routine en moins et une réduction de 15 % des incidents de temps d’arrêt.

C’est l’optimisation de l’économie des jetons en pratique : il ne s’agit pas seulement de rendre les jetons moins chers, mais aussi d’éviter les jetons inutiles, d’acheminer l’inférence de manière intelligente et d’utiliser la puissance de calcul locale lorsque cela améliore l’économie.

Leviers technologiques ayant le plus grand impact

Quatre leviers technologiques présentant le plus grand potentiel pour réduire le coût de l’inférence : optimisation des modèles, encapsulation de pointe, puces personnalisées et optique co-emballée.

Intel est pertinent dans les quatre domaines.

1. Optimisation du modèle : le levier à court terme

   L’optimisation du modèle est le levier le plus puissant à court terme, avec des techniques telles que la quantification et l’élagage qui réduisent les besoins en calcul et en mémoire tout en préservant une qualité de sortie acceptable. Selon l’analyse, l’optimisation du modèle réduit le coût par jeton de 85 % à 95 %, selon la charge de travail et les compromis sur la qualité.

   Pour la gamme Intel Core Ultra Série 3, OpenVINO devient central. OpenVINO aide les développeurs à convertir, optimiser et exécuter des modèles d’IA conventionnels et d’IA générative sur le matériel Intel, y compris sur les points d’extrémité d’IA, les dispositifs en périphérie et les environnements physiques d’IA.

   L’occasion pour les entreprises est d’optimiser des petits modèles de langage, des modèles de vision, des modèles de recherche et des copilotes pour qu’ils fonctionnent efficacement sur les appareils Core Ultra. Cela réduit les requêtes d’inférence vers le nuage, améliore la réactivité pour l’utilisateur et prend en charge des expériences d’IA hors ligne ou axées sur la confidentialité.

   L’écosystème Intel de HCLTech ajoute de la valeur en identifiant les charges de travail à optimiser pour l’exécution locale, en concevant des pipelines d’inférence basés sur OpenVINO, en créant des cas d’utilisation d’IA en points d’extrémité selon les profils des utilisateurs et en mesurant les résultats d’affaires comme des coûts de soutien réduits, des cycles d’ingénierie plus rapides et une moindre consommation du nuage.

2. 2. Emballage avancé 3D : gains d’efficacité structurelle

   L’emballage avancé est important, car l’inférence est de plus en plus limitée par la largeur de bande mémoire et le déplacement des données. L’emballage avancé 3D réduit significativement le coût par jeton en rapprochant la mémoire des capacités de calcul et en élargissant les interconnexions sur le boîtier.

   Le portefeuille d’emballage d’Intel est pertinent ici. Intel Foundry met en valeur l’emballage avancé pour l’ère de l’IA, y compris des technologies permettant une intégration hétérogène et une conception de systèmes à large bande passante.

   Pour les entreprises, l’innovation en matière d’emballage se traduira indirectement par des systèmes plus performants et efficaces : points d’extrémité d’IA, plateformes de périphérie, processeurs de centres de données et futurs accélérateurs intégrant calcul, mémoire et E/S de façon plus étroite. HCLTech aide les clients à transformer ces avancées en stratégies de modernisation, modèles de placement des charges de travail et feuilles de route pour la mise à niveau de l’infrastructure.

3. 3. Silicium personnalisé : adapter le matériel aux charges de travail d’IA

    

   Le matériel d’inférence évolue vers une co-conception : aligner le silicium, la hiérarchie mémoire, le logiciel et l’architecture du modèle afin d’améliorer l’utilisation et le coût par jeton. Les puces spécifiques à l’inférence réduisent le coût par jeton de 70 % à 80 % pour les charges de travail auxquelles elles sont destinées.

   L’Intel Core Ultra Série 3 n’est pas un ASIC personnalisé au sens des hyperscalers, mais constitue un exemple important de silicium hétérogène conscient des charges de travail. Son CPU, GPU et NPU permettent d’assigner les charges de travail au moteur le plus approprié. Le positionnement en périphérie de la Série 3 d’Intel met aussi l’emphase sur un déploiement sur un seul SoC plutôt que sur les architectures traditionnelles à processeur central (CPU) multi-puces avec GPU dédié, pour certaines charges d’IA en périphérie.

   Ceci est utile pour les entreprises qui ne souhaitent pas fabriquer leurs propres ASIC personnalisés, mais recherchent néanmoins une accélération pratique de l’IA à travers des milliers de points d’extrémité. La valeur de HCLTech provient de l’analyse des charges de travail, de la qualification des dispositifs, du déploiement à grande échelle, de la gestion, de l’intégration de la sécurité et de l’optimisation en continu.

4. 4. Optique co-emballée : la carte cachée de la bande passante

    

   À mesure que les systèmes d’IA évoluent à grande échelle, le déplacement des données devient l’une des plus grandes contraintes. Les optiques co-emballées réduisent de 50 % à 65 % l’énergie par bit transmis par rapport aux optiques enfichables conventionnelles, tout en augmentant la densité de la bande passante.

   Intel a démontré une puce interconnectée intégrée de calcul optique co-emballée avec un processeur Intel, positionnant l’E/S optique comme un futur catalyseur pour l’infrastructure d’IA et l’informatique à haute performance.

   Ce n’est pas une fonctionnalité des points d’extrémité d’IA à court terme, mais cela compte dans la stratégie globale d’Intel. La Série Core Ultra 3 optimise l’inférence aux points d’extrémité et à la périphérie; l’E/S optique et l’optique co-emballée ciblent le futur goulot d’étranglement du débit des données dans les usines d’IA. Ensemble, elles pointent vers une architecture de bout en bout où les jetons sont générés efficacement à chaque niveau de calcul.

HCLTech et Intel : Opérationnalisation de l’économie des jetons

Le rôle de HCLTech est particulièrement important, car la plupart des entreprises n’ont pas besoin d’une architecture théorique d’IA. Elles ont besoin d’un parcours reproductible, allant de l’expérimentation à la production.

En juin 2026, HCLTech a lancé une Zone d’innovation en IA à Chennai, qui propose des solutions d’entreprise propulsées par Intel. L’installation se concentre sur l’aide aux entreprises pour opérationnaliser les produits d’IA basés sur Intel et les solutions d’IA de HCLTech, y compris l’optimisation de petits modèles de langage, la plateforme IA en tant que service sur Red Hat OpenShift et OpenShift IA, AI Force, VisionX 2.0, AI Factory, RAG, les carnets Agentic AI et l’IA cognitive.

Cela s’aligne directement sur l’optimisation de l’économie des jetons. La question pour l’entreprise devient :

• Quels modèles devraient être des petits modèles de langage ?
• Quelles charges de travail devraient s’exécuter sur des points de terminaison IA ?
• Quelles devraient s’exécuter à la périphérie ?
• Lesquelles nécessitent des plateformes IA privées à base de Xeon ?
• Lesquelles devraient faire appel à des accélérateurs cloud ou hyperscale en rafale ?
• Quels invites, fenêtres contextuelles et pipelines de récupération gaspillent des jetons ?
• Quelles charges de travail devraient être quantifiées, élaguées, mises en cache ou acheminées différemment ?

C'est ici que HCLTech et Intel créent conjointement de la valeur : non pas en vendant uniquement la puissance de calcul, mais en concevant le modèle opérationnel pour une intelligence efficace.

Au-delà de 2030 : Nouveaux paradigmes informatiques émergents

L'informatique photonique, les architectures neuromorphiques et l'informatique quantique sont des paradigmes émergents qui pourraient remodeler l'efficacité de l'IA au-delà du chemin actuel de réduction CMOS.

Le portefeuille élargi d'Intel touche déjà à certains aspects de cet avenir. Intel 18A introduit RibbonFET et PowerVia pour l'alimentation électrique par l'arrière, qu'Intel décrit comme des innovations majeures de procédé pour la performance, l'efficacité énergétique et la mise à l'échelle. Son travail sur les E/S optiques ouvre la voie à de futurs interconnexions à haut débit et à faible consommation énergétique.

La gamme Core Ultra Série 3 s'inscrit dans cet avenir comme le point d'extrémité et le nœud périphérique du tissu d'IA distribué. À mesure que les modèles deviennent plus petits, plus spécialisés, multimodaux et agentiques, la puissance de calcul IA locale deviendra de plus en plus stratégique. Les gagnants ne seront pas simplement ceux qui ont les plus grands modèles, mais ceux qui offriront une intelligence utile au coût, à la latence, à la consommation d'énergie et au risque les plus bas possibles.

Conclusion : L'avenir appartient à l'intelligence efficace

La course à l'IA entre dans une nouvelle phase. L'offre de puissance de calcul reste importante, mais c'est l'efficacité de l'inférence qui déterminera l'adoption. Les entreprises mesureront de plus en plus l'IA non seulement par la qualité du modèle, mais aussi par le coût par jeton, l'énergie par jeton, la latence par tâche et la valeur d'affaires par flux de travail.

Intel Core Ultra Série 3 renforce cette équation en amenant l'accélération de l'IA au point d'extrémité et à la périphérie. Il permet une inférence locale optimisée, supporte les petits modèles de langage et les charges de travail en vision, réduit la dépendance inutile au nuage et crée une architecture IA plus équilibrée à travers l'appareil, la périphérie, le centre de données et le nuage.

Pour HCLTech et Intel, l'opportunité est d'aider les entreprises à passer de l'expérimentation de l'IA à son industrialisation : sélectionner les bons modèles, les optimiser avec OpenVINO, les déployer sur les points d'extrémité d'IA Core Ultra et les systèmes en périphérie, les intégrer aux plateformes IA basées sur Xeon et mesurer continuellement l'efficacité des jetons. Dans la prochaine ère de l'IA, la question la plus importante pourrait ne plus être « À quel point le modèle est-il intelligent ? » mais plutôt : « Avec quelle efficacité devrions-nous fournir cette intelligence partout où elle est nécessaire ? »