Introduction

La prochaine frontière concurrentielle de l’IA pourrait ne pas être le plus grand modèle ou le plus vaste centre de données. Ce pourrait plutôt être le jeton utile le moins cher.

À mesure 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 à la fois du coût par jeton et de l’énergie par jeton, car l’inférence doit évoluer de façon économique et physique à travers des millions d’utilisateurs et des milliards d’interactions quotidiennes.

C’est là que le portfolio informatique de bout en bout d’Intel devient particulièrement pertinent. La course à l’infrastructure d’IA ne porte pas seulement sur les GPU dans les centres de données hyperscale—elle concerne aussi l’endroit où l’inférence s’exécute, comment les modèles sont optimisés, comment les données circulent, comment on réduit les goulots d’étranglement de la mémoire et comment les entreprises opérationnalisent l’IA à travers les environnements infonuagiques, périphériques, d’appareils et de lieux de travail.

Intel Core Ultra Series 3 ajoute une nouvelle dimension importante à cette discussion. Elle apporte l’accélération de l’IA directement aux points finaux et aux systèmes périphériques, aidant les entreprises à optimiser l’économie des jetons non seulement en rendant l’inférence centralisée plus rapide, mais aussi en réduisant les appels au nuage inutiles, en permettant l’utilisation locale de petits modèles linguistiques, en améliorant la latence et en soutenant des expériences d’IA plus sécuritaires, plus près de l’endroit où le travail se déroule.

L’économie des jetons : pourquoi le coût par jeton est le nouveau paramètre de l’IA

Un jeton est l’unité d’information traitée par un modèle d’IA. En texte, il peut s’agir d’un fragment de mot ou d’un signe de ponctuation. Dans les modèles d’images, d’audio et de vidéo, les jetons peuvent représenter des segments, des portions sonores ou des représentations d’images. Les fournisseurs d’IA mesurent généralement l’utilisation en jetons d’entrée et de sortie, ce qui fait des jetons l’unité concrète du coût de l’IA.

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

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

La première vague de l’IA en entreprise portait surtout sur la capacité des modèles. La prochaine vague mettra l’accent sur la productivité par jeton : utiliser le bon modèle, sur le bon matériel, au bon endroit, avec la bonne technique d’optimisation.

Où s’insère Intel Core Ultra Série 3

Intel Core Ultra Série 3 est la première plateforme d’IA d’Intel pour les terminaux, bâtie sur la technologie de fabrication Intel 18A. Cette plateforme alimente plus de 200 designs de terminaux et, pour la première fois, étend la Série 3 à l’embarqué et à des cas d’usage industriels en périphérie tels que la robotique, les villes intelligentes, l’automatisation, les soins de santé et plus encore.

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

Intel Core Ultra Série 3 combine les capacités du CPU, GPU et NPU dans un seul SoC. Les SKU de tête de la Série 3 offrent jusqu’à 16 cœurs CPU, 12 Xe-cœurs et 50 NPU TOPS, alors que les cas d’usage de Série 3 axés sur la périphérie ciblent l’inférence en périphérie dans des domaines comme la robotique, l’analytique vidéo, les soins de santé, le commerce intelligent et l’automatisation.

C’est important parce que toutes les tâches d’IA n’ont pas besoin d’un modèle de pointe fonctionnant dans une usine d’IA distante. Bien des charges de travail d’entreprise doivent être gérées par des modèles plus petits et optimisés, s’exécutant localement ou en périphérie : résumé, traduction, recherche, détection de défauts, copilotes de terrain, analytique vidéo, avatars de service à la clientèle, perception en robotique et assistants de productivité hors-ligne.

Quand ces charges tournent localement, les entreprises consomment moins de jetons en nuage, réduisent la latence, améliorent la confidentialité, limitent la demande de bande passante et réservent la capacité GPU centralisée aux charges qui en ont vraiment besoin.

Une dimension parallèle : énergie par jeton

Le coût par jeton et l’énergie par jeton évoluent souvent ensemble dans bien des scénarios d’optimisation. Un débit supérieur et une meilleure utilisation permettent à la même infrastructure et enveloppe de puissance de générer une sortie plus utile.

Intel Core Ultra Série 3 contribue à cette équation énergie-par-jeton en permettant un calcul hétérogène. Le CPU gère la logique générique, le GPU accélère les charges parallèles et le NPU exécute efficacement l’inférence IA soutenue sur des modèles compatibles. OpenVINO prolonge cet avantage en aidant les développeurs à optimiser et déployer les charges d’IA sur les CPU, GPU et NPU Intel, les appareils en périphérie, les terminaux IA et les environnements IA physiques.

La valeur concrète en entreprise est simple : n’envoyez pas chaque requête d’inférence au nuage lorsqu’un terminal IA local peut la gérer de façon sécuritaire et efficace.

Le cadre coût-par-jeton : l’appliquer au-delà du centre de données

Le cadre industriel du coût par jeton évalue l’économie de l’inférence par les multiplicateurs de coûts et de débit. Parmi les multiplicateurs de coûts : matériel, mémoire, réseau, infrastructure, énergie, logiciel. Pour le débit : jetons traités par seconde, utilisation du matériel, efficacité mémoire et efficacité réseau.

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

Le grand changement est d’ordre architectural : les entreprises ne doivent pas considérer l’inférence comme une seule destination, mais plutôt comme un tissu d’exécution distribué englobant des terminaux IA, des serveurs en périphérie, le nuage privé, le nuage public et les infrastructures IA hyperscales.

La course à l’établissement de l’infrastructure IA

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

La position d’Intel est plus large qu’une seule catégorie de puces. Ses leviers technologiques comprennent Intel Core Ultra pour les terminaux 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 la technologie avancée de fabrication, OpenVINO pour l’optimisation de l’inférence, des technologies d’empaquetage avancées comme EMIB et Foveros et la recherche en I/O optique pour les futurs interconnexions à large bande passante.

L’écosystème Intel d’HCLTech aide à transformer ces technologies en modèles de déploiement en entreprise. Nos plus de 30 ans de partenariat avec Intel sont appuyés par plus de 2 000 ingénieurs, des centres de développement spécialisés, des laboratoires d’expérience client et des offres allant du nuage hybride, au multinuage, au lieu de travail numérique, au réseau/5G, à la périphérie et à l’IA.

Cette couche d’écosystème est essentielle, car l’économie de l’inférence ne peut être résolue par le matériel seul. Elle requiert une évaluation des charges, la sélection des modèles, des modèles de migration, l’état de préparation des terminaux, la gouvernance IA, la modernisation des applications, les opérations et l’optimisation continue.

Le défi de l’adoption de l’inférence

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

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

Intel Core Ultra Série 3 aide à y répondre grâce à 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 d'accès IA et les appareils en périphérie.
• Exécuter à la périphérie lorsque l'inférence doit avoir lieu à proximité des machines, capteurs, caméras, magasins, hôpitaux ou usines.
• Exécuter dans le centre de données ou sur le cloud lorsque les charges de travail nécessitent de grands modèles, un contexte partagé, une haute concurrence ou une gouvernance centralisée.

Le travail de HCLTech avec des points de terminaison IA propulsés par Intel montre ce modèle en action. Un leader mondial de la mobilité a déployé des points de terminaison IA, basés sur Intel Core Ultra avec Intel vPro, une inférence GenAI locale activée par OpenVINO et des programmes d’adoption axés sur les personas; l’impact signalé comprend 25 % à 30 % des charges de travail d’IA transférées vers des appareils locaux, 15 % à 20 % de billets de soutien routiniers en moins et une réduction de 15 % des incidents d’interruption de service.

Voilà l’optimisation de l’économie des jetons en pratique : il ne s’agit pas seulement de rendre les jetons moins coûteux, mais d’éviter les jetons inutiles, d’acheminer inférence intelligemment et d’utiliser la puissance de calcul locale là où elle améliore l’économie.

Leviers technologiques avec le plus grand impact

Quatre leviers technologiques présentent le plus fort potentiel pour réduire le coût de l’inférence : l’optimisation des modèles, l’encapsulation avancée, le silicium personnalisé et les optiques co-intégrées.

Intel a de l’importance dans les quatre domaines.

1. Optimisation des modèles : Le levier à court terme

   L’optimisation des modèles 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 maintenant une qualité de sortie acceptable. L’analyse suggère que l’optimisation des modèles réduit le coût par jeton de 85 % à 95 %, selon la charge de travail et les compromis de qualité.

   Pour la série Intel Core Ultra 3, OpenVINO devient central. OpenVINO aide les développeurs à convertir, optimiser et exécuter des modèles conventionnels d’IA et de GenIA sur les plateformes Intel, incluant les points d’extrémité IA, les appareils périphériques et les environnements IA physiques.

   L’occasion pour les entreprises est d’optimiser les petits modèles de langage, les modèles de vision, les modèles de récupération et les copilotes afin qu’ils fonctionnent efficacement sur les appareils Core Ultra. Cela réduit les appels d’inférence infonuagique, améliore la réactivité des utilisateurs et supporte des expériences IA hors ligne ou sensibles à la confidentialité.

   L’écosystème Intel de HCLTech ajoute de la valeur en identifiant quelles charges de travail devraient être optimisées pour l’exécution locale, en construisant des pipelines d’inférence basés sur OpenVINO, en créant des cas d’utilisation d’IA en point d’extrémité selon les personas et en mesurant les résultats d’affaires, comme la réduction des coûts de soutien, l’accélération des cycles d’ingénierie et la diminution de la consommation infonuagique.

2. Encapsulation avancée 3D : Gains d’efficacité structurelle

   L’encapsulation avancée est importante car l’inférence est de plus en plus limitée par la bande passante mémoire et le déplacement des données. L’encapsulation avancée 3D réduit considérablement le coût par jeton en rapprochant la mémoire du calcul et en élargissant les interconnexions sur l’encapsulage.

   Le portefeuille d’encapsulation d’Intel est pertinent ici. Intel Foundry met en valeur l’encapsulation avancée pour l’ère de l’IA, y compris les technologies qui permettent une intégration hétérogène et une conception de système à large bande passante.

   Pour les entreprises, l’innovation en encapsulation se manifestera indirectement sous la forme de systèmes plus performants et efficaces : points d’extrémité IA, plateformes périphériques, processeurs de centre de données et futurs accélérateurs qui intègrent plus efficacement le calcul, la mémoire et l’E/S. HCLTech aide les clients à traduire ces avancées en stratégies de renouvellement pratiques, en modèles d’affectation des charges de travail et en feuilles de route pour la modernisation de l’infrastructure.

3. Puce personnalisée : Adapter le matériel aux charges de travail IA

   Le matériel d’inférence évolue vers la co-conception : aligner le silicium, la hiérarchie mémoire, les logiciels et l’architecture des modèles pour 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.

   La série Intel Core Ultra 3 n’est pas un ASIC personnalisé au sens hyperscale, mais elle constitue un exemple important de silicium hétérogène conscient de la charge de travail. Son unité centrale de traitement (CPU), son processeur graphique (GPU) et son unité de traitement neuronal (NPU) permettent d’assigner les charges de travail au moteur le plus approprié. Le positionnement en périphérie de la série 3 d’Intel met également l’accent sur un déploiement monocircuit sur puce (SoC) plutôt que sur les architectures traditionnelles multi-puces CPU-plus-GPU-discret pour certaines charges de travail IA en périphérie.

   Cela s’avère précieux pour les entreprises qui ne souhaitent pas créer des ASIC personnalisés mais ont quand même besoin d’une accélération IA pratique sur des milliers de points d’extrémité. La valeur de HCLTech provient du profilage des charges de travail, de la qualification des appareils, du déploiement de flotte, de la gestion, de l’intégration de la sécurité et de l’optimisation continue.

4. Optique co-emballée : Le joker de la bande passante

   À mesure que les systèmes IA évoluent, le déplacement de données devient l’une des plus grandes contraintes. L’optique co-emballée réduit l’énergie par bit transmis de 50 % à 65 % comparativement à l’optique enfichable conventionnelle tout en améliorant la densité de la bande passante.

   Intel a démontré un microcircuit d’interconnexion optique entièrement intégré co-emballé avec un processeur Intel, positionnant l’E/S optique comme un vecteur d’avenir pour l’infrastructure IA et l’informatique haute performance.

   Il ne s’agit pas d’une fonctionnalité IA à court terme en point d’extrémité, mais cela fait partie intégrante de la stratégie Intel. La série Core Ultra 3 optimise l’inférence en périphérie et en point d’extrémité, alors que l’E/S optique et l’optique co-emballée visent à atténuer le goulet d’étranglement du déplacement de données des usines d’IA dans l’avenir. Ensemble, ces éléments pointent vers une architecture de bout en bout où les jetons sont générés efficacement à chaque niveau de calcul.

HCLTech et Intel : opérationnaliser l’économie des jetons

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

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

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

• Quels modèles devraient être des petits modèles linguistiques ?
• Quelles charges de travail devraient s'exécuter sur des points de terminaison IA ?
• Lesquelles devraient s'exécuter à la périphérie ?
• Lesquelles nécessitent des plateformes IA privées basées sur Xeon ?
• Lesquelles devraient déborder vers des accélérateurs infonuagiques ou hyperscalaire ?
• Quels invites, fenêtres contextuelles et pipelines de récupération gaspillent des jetons ?
• Quelles charges de travail devraient être quantifiées, élaguées, mises en cache ou routées différemment ?

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

Au-delà de 2030 : nouveaux paradigmes de calcul émergents

L’informatique photonique, les architectures neuromorphiques et l’informatique quantique sont des paradigmes émergents qui pourraient transformer l’efficacité de l’IA au-delà de la trajectoire actuelle d’évolution du CMOS.

Le portefeuille élargi d’Intel touche déjà à certains aspects de cet avenir. Intel 18A introduit RibbonFET et la distribution d’énergie PowerVia par l’arrière, qu’Intel décrit comme des innovations de procédé majeures en matière de performance, d’efficacité énergétique et de mise à l’échelle. Ses avancées en I/O optique ouvrent la voie à des interconnexions futures à large bande passante et à haute efficacité énergétique.

Core Ultra Série 3 s’inscrit dans ce futur comme point d’extrémité et nœud de périphérie du tissu IA distribué. À mesure que les modèles deviennent plus petits, spécialisés, multimodaux et agentiques, l’informatique IA locale prendra une importance stratégique croissante. Les gagnants ne seront pas seulement ceux ayant les plus gros modèles, mais ceux offrant une intelligence utile au coût, à la latence, à l’énergie et au risque les plus bas possible.

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 l’efficacité de l’inférence déterminera l’adoption. Les entreprises mesureront de plus en plus l’IA, non seulement selon la qualité du modèle, mais aussi par le coût par jeton, l’énergie par jeton, la latence par tâche et la valeur commerciale par flux de travail.

Intel Core Ultra Série 3 renforce cette équation en apportant l’accélération de l’IA à la périphérie et à l’extrémité. Il permet une inférence locale optimisée, prend en charge les petits modèles linguistiques et des charges de travail visuelles, réduit la dépendance inutile au cloud et crée une architecture IA plus équilibrée à travers l’appareil, la périphérie, le centre de données et le cloud.

Pour HCLTech et Intel, l’occasion consiste à aider les entreprises à passer de l’expérimentation de l’IA à l’industrialisation de l’IA : sélectionner les bons modèles, les optimiser avec OpenVINO, les déployer sur les points de terminaison IA Core Ultra et les systèmes en périphérie, les intégrer à des plateformes IA sur Xeon et mesurer en continu l’efficacité des jetons. Dans la prochaine ère de l’IA, la question la plus importante ne sera peut-être plus « Quelle est l’intelligence du modèle ? » mais plutôt : « À quel point devrions-nous livrer cette intelligence efficacement partout où elle est nécessaire? »