Graphcore développe des semi-conducteurs conçus pour exécuter les calculs nécessaires à l’apprentissage et à l’utilisation des modèles d’intelligence artificielle. Établie au Royaume-Uni, l’entreprise s’est fait connaître avec son Intelligence Processing Unit, ou IPU, une architecture qui privilégie le parallélisme et la proximité entre mémoire et unités de calcul. Son ambition : proposer une alternative aux processeurs graphiques, les GPU, dans les infrastructures de calcul dédiées à l’IA.
De Bristol au giron de SoftBank
Graphcore est fondée en 2016 par Nigel Toon et Simon Knowles, deux entrepreneurs expérimentés de l’industrie des semi-conducteurs. Dès l’origine, leur projet consiste à concevoir une puce pour les besoins particuliers de l’apprentissage automatique, plutôt qu’à adapter une architecture issue du traitement graphique. L’entreprise attire des investisseurs internationaux et devient l’une des figures de la conception européenne de processeurs pour l’IA.
Cette trajectoire se heurte toutefois à la difficulté de transformer une innovation matérielle en adoption commerciale à grande échelle. Face à Nvidia, Graphcore doit convaincre les clients non seulement des capacités de ses puces, mais aussi de l’intérêt de changer leurs outils et leurs habitudes de développement. En juillet 2024, SoftBank annonce son acquisition. Graphcore rejoint ainsi le groupe japonais, qui entend renforcer sa présence dans les technologies d’intelligence artificielle.
Des puces accompagnées de leur environnement logiciel
Le cœur de l’offre repose sur l’IPU, qui associe de nombreuses unités de traitement à une mémoire distribuée sur la puce. Cette organisation vise à limiter certains déplacements de données et à exécuter simultanément de multiples opérations. Son intérêt dépend néanmoins de la structure des modèles, de leur taille et de la manière dont les calculs sont répartis : une architecture spécialisée ne garantit pas un avantage sur toutes les charges de travail.
Graphcore ne se limite pas au dessin des processeurs. L’entreprise a développé des systèmes intégrant ses puces ainsi que Poplar, son environnement logiciel, chargé notamment de compiler et d’organiser les calculs. Elle a également proposé des outils d’intégration avec des frameworks d’apprentissage automatique. Cette couche logicielle est déterminante : les équipes de recherche et d’ingénierie doivent pouvoir adapter leurs modèles sans que le coût de migration annule les bénéfices attendus du matériel.
Et maintenant ?
L’adossement à SoftBank ouvre un nouveau cadre stratégique pour Graphcore, sans effacer les obstacles du marché. La progression des modèles génératifs impose des exigences croissantes en mémoire, en interconnexion et en efficacité énergétique. Elle renforce aussi le poids des écosystèmes logiciels déjà installés.
Pour Graphcore, l’enjeu est donc de démontrer la pertinence économique de son architecture sur des usages identifiés, au-delà des seules performances théoriques. Sa place dépendra de sa capacité à inscrire ses technologies dans des infrastructures accessibles, programmables et compétitives. Le soutien de son actionnaire constitue un levier ; l’adoption durable par les utilisateurs restera le véritable test.