À une époque où l’AI passe rapidement de systèmes centralisés vers les appareils, réseaux, véhicules, usines et le monde physique, la stratégie des semi-conducteurs prend une place beaucoup plus large. Il ne s’agit plus seulement d’augmenter la performance ou de réduire la consommation énergétique isolément. Il s’agit de permettre une nouvelle architecture d’intelligence qui s’étend de la périphérie jusqu’au centre de données, puis de retour. 

En s’entretenant avec Meenakshi Benjwal, directrice mondiale du marketing sectoriel pour les industries TMT chez HCLTech, Dr. Durga Malladi, vice-président exécutif et directeur général, Planification technologique, Solutions de périphérie et Centre de données chez Qualcomm Technologies, a expliqué comment ce changement transforme la façon dont les dirigeants doivent envisager l’AI, la connectivité et l’avenir de l’informatique. 

L’AI est désormais généralisée à travers l’écosystème technologique 

Pour Malladi, le premier point est que AI fait déjà partie du courant dominant. « L’AI est maintenant une technologie tout à fait généralisée qui imprègne chaque secteur de l’industrie », a-t-il déclaré.

Cela modifie la discussion stratégique. L’AI n’est plus confinée à une seule couche de l’écosystème technologique, ni modelée par un seul marché. Les exigences de l’AI s’étendent désormais aux appareils, systèmes industriels, plateformes automobiles et centres de données, chacun ayant des besoins très différents. 

Malladi a expliqué que l’entrée de Qualcomm sur le marché des centres de données l’an dernier complétait un arc plus large « qui nous emmène des appareils jusqu’au centre de données ». Mais la façon dont l’AI opère dans ces domaines est loin d’être homogène. Sur les appareils de périphérie comme les téléphones intelligents, PC et systèmes XR, l’accent est mis sur l’inférence à l’aide de modèles sophistiqués mais relativement compacts. Dans les milieux industriels et automobiles, la taille des modèles et les cas d’utilisation deviennent de plus en plus exigeants. Du côté des centres de données, l’industrie gère des modèles fondamentaux à l’échelle du billion de paramètres, avec des profils de puissance et d’infrastructure très différents. 

C’est pourquoi un nouveau modèle opérationnel pour l’AI commence à prendre forme. « La conversation principale pour nous, du point de vue de Qualcomm, et je crois qu’elle trouve un écho dans le reste de l’industrie, c’est : comment exploiter cela, améliorer ce réseau et instaurer un véritable modèle hybride AI, dans lequel l’inférence est partout, de la périphérie au centre de données. » 

Pourquoi l’AI hybride transforme l’expérience utilisateur 

Pour les utilisateurs finaux, il ne s’agit pas d’une histoire d’architectures ou de tailles de modèles. Il s’agit de résultats.

Comme Benjwal l’a souligné lors de la discussion, les consommateurs se soucient bien davantage des avantages apportés par l’intelligence que de la façon dont elle leur est livrée.  

Malladi a acquiescé : « Un consommateur moyen ne sait probablement pas, et ne se soucie pas vraiment de la façon dont l’inférence AI se produit, tant qu’il en constate les avantages. » 

C’est là que l’AI hybride devient importante. Dans des environnements où la connectivité est de grande qualité, une partie du traitement peut avoir lieu près de l'appareil et une autre, plus en profondeur dans le réseau ou le centre de données, sans que l’utilisateur ne remarque la transition. Le résultat est une expérience rapide, réactive et fluide, même lorsque l’informatique est distribuée de façon dynamique. 

Ceci est particulièrement pertinent pour des cas d’utilisation émergents comme l’AI physique, les applications de périphérie à faible latence et les lunettes intelligentes compatibles AI. Dans ces environnements, une partie de l’inférence se fait sur l’appareil, tandis que d’autres éléments dépendent des systèmes à la périphérie du réseau. Pour que cela fonctionne sans accroc, il faut plus que de la capacité de calcul. Il faut un tissu de connectivité et un ensemble de protocoles capables de déterminer en temps réel ce qui s’exécute où, sans occasionner de friction visible pour l’utilisateur. 

Pourquoi la 6G, ce n’est pas seulement une évolution de la connectivité 

C’est aussi pourquoi Malladi envisage la prochaine génération de réseaux différemment. « C’est la première fois que, chez Qualcomm, nous parlons de 6G », a-t-il indiqué. Mais, contrairement aux changements générationnels précédents, « cette fois, c’est très différent ». 

Il a défini trois piliers fondamentaux pour la 6G.  

1. Le premier reste la connectivité, mais intègre de nouveaux attributs liés aux charges de travail alimentées par l’AI.  
2. Le second est la détection à grande échelle, où le réseau développe une vision élargie de son environnement et peut soutenir de toutes nouvelles capacités, allant de la détection de drones à l’intelligence pour le trafic et les infrastructures.  
3. Le troisième est la capacité de calcul à l’intérieur même du réseau. 

En d’autres termes, la 6G n’est pas juste une nouvelle augmentation de vitesse. Elle s’inscrit dans une transition beaucoup plus vaste, de la connectivité vers l’intelligence distribuée. Les radios, cartes réseau, serveurs et baies deviennent partie intégrante d’un continuum AI beaucoup plus vaste. 

C’est « un passage de la connectivité à l’intelligence », a résumé Benjwal. 

Ce que les conseils d’administration et PDG devraient faire dès maintenant 

Pour les dirigeants d’entreprise, Malladi a précisé que, sur les 12 à 24 prochains mois, la bonne démarche dépendra beaucoup de la position actuelle de l’organisation dans la chaîne de valeur. 

« Si vous êtes déjà fournisseur de centre de données souverain, par exemple, et que vous êtes aussi fournisseur de réseau, il est logique de commencer à réfléchir aux ressources intégrées au centre de données » et à la façon dont ces capacités peuvent se rapprocher de l’utilisateur via le réseau, a-t-il expliqué. 

Les fournisseurs d’infrastructures devront aussi repenser les choses. L’architecture de processeur appropriée pour les charges de travail réseau n’est peut-être pas la même que celle utilisée dans le centre de données. Les fabricants d’appareils sont confrontés à un autre défi : identifier les nouvelles catégories de produits que l’AI pourrait ouvrir.  

Pour Malladi, les lunettes XR, l’AI physique et la robotique témoignent toutes de l’émergence de nouvelles catégories d’appareils connectés qui viendront compléter, plutôt que remplacer, les téléphones intelligents et les PC. 

Et pour les acteurs de l’écosystème comme les fournisseurs de mémoire, le changement est tout aussi significatif. Malladi a souligné que l’inférence AI dépend de plus en plus de différentes étapes de calcul et de performance mémoire. Certaines charges de travail reposent principalement sur la puissance de calcul, alors que pour d’autres, la bande passante mémoire est le facteur limitant. Cela signifie que l’architecture mémoire elle-même doit évoluer de concert avec le reste de la chaîne AI. 

Son point de vue plus général était que chaque segment de l’écosystème doit maintenant repenser son rôle pour les trois à quatre prochaines années. 

La prochaine ère de la technologie et des semi-conducteurs 

Interrogé pour résumer la direction de la prochaine ère de la technologie et des semi-conducteurs, Malladi était clair sur l’orientation à suivre. 

« L’efficacité énergétique et la haute performance informatique sont là pour rester. Il n’y a pas de retour en arrière », a-t-il déclaré. 

Dans le même temps, il entrevoit une évolution plus visible dans la façon dont les gens interagiront avec la technologie elle-même.  

« La voix et l’AI [deviennent] l’interface utilisateur la plus naturelle pour tous les appareils qui nous entourent, avec l’AI agentique qui imprègne tout », a-t-il expliqué. En pratique, cela signifie un monde où les gens discutent de plus en plus avec leurs appareils plutôt que de s’en remettre par défaut aux écrans tactiles et aux claviers. 

Il a aussi souligné la montée rapide de l’AI agentique comme une réalité immédiate, et non un concept d’avenir. « Les agents AI, ils sont déjà là », a-t-il dit. Combinés à la haute performance informatique, aux nouvelles architectures mémoire, à une connectivité renforcée et à une détection élargie, ils contribuent à définir la prochaine vague de systèmes intelligents. 

Des indicateurs de performance aux systèmes intelligents 

La discussion a mis en évidence un point fondamental. L’innovation dans les semi-conducteurs ne se mesure plus seulement par des indicateurs matériels traditionnels. La performance et l’énergie restent importantes, mais elles font désormais partie d’une question beaucoup plus vaste : comment bâtir une infrastructure AI distribuée, efficace et toujours connectée? 

C’est ce qui rend ce moment déterminant. À mesure que l’AI quitte le nuage pour s’étendre aux appareils, réseaux et au monde physique, la stratégie en matière de semi-conducteurs devient indissociable de la stratégie d’entreprise, de la conception des plateformes et de l’expérience utilisateur elle-même. 

Pour les dirigeants en télécommunications, informatique, infrastructures et fabrication, la prochaine ère ne sera pas définie uniquement par la capacité brute. Elle sera déterminée par la manière dont ils connectent l’intelligence à tous les niveaux de la chaîne et par leur capacité à transformer cela en valeur concrète.