Puces IA chinoises : Cambricon freinée par la pénurie
Cambricon double son chiffre d’affaires, mais manque ses prévisions. Découvrez les pénuries de mémoire, les limites industrielles et les enjeux du marché IA.
Cambricon manque ses prévisions : le vrai frein de l'IA chinoise est industriel
Une entreprise peut afficher une croissance spectaculaire et, malgré tout, décevoir le marché. C'est le cas de Cambricon, l'un des principaux concepteurs chinois de puces pour l'intelligence artificielle. Au troisième trimestre 2026, son chiffre d'affaires a presque doublé sur un an, à 3,53 milliards de yuans. Les analystes tablaient pourtant sur environ 6,26 milliards.
L'écart ne s'explique pas uniquement par un manque de demande pour les accélérateurs d'IA. Cambricon dit vouloir poursuivre sa croissance et maintient son objectif d'au moins 13,5 milliards de yuans de chiffre d'affaires pour 2026. Le blocage se situe plutôt dans la capacité à transformer cette demande en puces effectivement produites et livrées.
Cette différence compte beaucoup pour les entreprises qui investissent dans l'IA : un marché potentiel ne garantit ni l'approvisionnement, ni la livraison. Les résultats de Cambricon mettent aussi en lumière les limites de la filière chinoise, coincée entre des pénuries de mémoire à haute bande passante, des capacités de fabrication sous pression et des restrictions d'accès à certains équipements. Voici ce que ces chiffres suggèrent, et ce que cela change dans la manière de lire le marché.
Des résultats en forte hausse, mais sous les attentes
Le chiffre d'affaires trimestriel de Cambricon a atteint 3,53 milliards de yuans sur les trois mois clos en septembre. C'est environ le double par rapport à la période comparable, mais nettement moins que les 6,26 milliards attendus par les analystes. Le bénéfice net, lui, progresse de 148 %, à 1,4 milliard de yuans.
On a donc deux réalités qui se superposent. D'un côté, une activité qui accélère, tirée par les besoins en calcul pour entraîner et utiliser des modèles d'IA. De l'autre, une croissance qui n'arrive pas au même rythme que les attentes du marché. Et si l'écart n'est pas qu'un « simple trimestre raté », les contraintes d'approvisionnement et de production y jouent clairement un rôle.
Une demande solide ne suffit pas à livrer les produits
Cambricon a maintenu son objectif d'au moins 13,5 milliards de yuans de revenus pour 2026, soit plus du double de son chiffre d'affaires de l'année précédente, d'après les informations rapportées par Bloomberg. L'entreprise compte donc sur une demande qui reste élevée. Mais un objectif commercial ne dit pas, à lui seul, ce que l'usine pourra sortir ni à quelle vitesse.
Pour un fabricant de puces, la réponse dépend d'une chaîne industrielle précise. Même avec des commandes, si un composant critique manque ou si les calendriers de production ne collent pas, les livraisons ne suivent pas automatiquement. En clair : les « carnets » ne se transforment pas toujours en revenus au moment prévu.
Le stock de Cambricon aurait augmenté d'environ 3,4 milliards de yuans sur le trimestre, presque autant que ses ventes. Le chiffre, rapporté par China AI Dispatch à partir d'une déclaration de l'entreprise, mérite d'être lu avec prudence : une hausse de stocks peut vouloir dire qu'on anticipe des ruptures, qu'on immobilise des produits en attente d'étapes de fabrication, ou qu'on peine à assembler et livrer. Sur ce point, les données ne permettent pas de trancher.
Un acteur stratégique dans un marché qui se réorganise
Cambricon fait partie des sociétés chinoises qui cherchent à proposer une alternative aux puces de Nvidia. Les modèles Nvidia les plus avancés ne peuvent pas être vendus en Chine à cause des restrictions américaines à l'exportation. Selon des informations rapportées, Pékin aurait aussi demandé à certaines entreprises d'IA de réduire l'achat de certaines puces Nvidia, au profit de solutions locales, notamment celles proposées par Huawei et Cambricon.
D'après Morgan Stanley, Cambricon pourrait représenter environ 14 % du marché chinois des puces pour l'IA cette année, derrière Huawei. Ses puces alimentent des modèles développés par des laboratoires chinois, notamment DeepSeek et Moonshot. Cette présence compte au-delà du trimestre : elle s'inscrit dans la volonté de constituer une offre nationale capable de répondre à des besoins de calcul jugés stratégiques.
Pour autant, les puces locales ne remplacent pas forcément Nvidia partout et immédiatement. Les performances, la disponibilité, la compatibilité logicielle et les usages visés pèsent autant que l'étiquette du fabricant. Dans un déploiement réel, une solution « correcte sur le papier » mais difficile à obtenir ou à intégrer peut être moins utile qu'un matériel plus accessible, accompagné d'un environnement logiciel maîtrisé.
La chaîne d'approvisionnement limite la production
Les difficultés de Cambricon s'inscrivent dans un problème plus large que les choix d'une entreprise. Les fabricants chinois de puces IA subissent des restrictions sur certains intrants et sur des équipements nécessaires à la production. Deux points reviennent : la mémoire à haute bande passante et l'accès à des capacités de fabrication avancées.
Une puce d'IA ne se résume pas à son processeur. Elle doit aussi fonctionner avec une mémoire capable de transférer rapidement les données nécessaires aux calculs. Même si l'accélérateur est prêt à être fabriqué, une pénurie de mémoire adaptée peut limiter le nombre de systèmes complets qui sortent de la chaîne.
La mémoire à haute bande passante, un composant critique
La mémoire à haute bande passante, souvent désignée par HBM, est assemblée au plus près des puces d'IA pour faciliter les échanges de données. Cette proximité et ce débit comptent beaucoup pour l'entraînement comme pour l'inférence de grands modèles. Sans la bonne mémoire en quantité, il peut être difficile de déployer des accélérateurs, même si la capacité « calcul » existe.
La production de la HBM dépend principalement de Samsung, SK Hynix et Micron. Les sanctions menées par les États-Unis limiteraient leurs ventes à certains acheteurs chinois, selon les éléments rapportés par la source. Les stocks disponibles localement se réduisent. Et la contrainte ne touche pas seulement Cambricon : elle pèse sur plusieurs concepteurs. Même Huawei, acteur majeur de la filière, ne serait pas en mesure de produire autant de puces IA qu'il le souhaiterait.
Au fond, il faut distinguer les contrats et les volumes annoncés de la disponibilité effective des composants. Une entreprise peut prévoir des livraisons, mais ne pas recevoir à temps la mémoire nécessaire pour assembler des systèmes. Résultat possible : décalage entre les annonces commerciales, les stocks comptables et les revenus reconnus à la livraison. Pour les clients, cela se traduit par des délais plus longs et une planification moins fiable.
Les capacités de fabrication restent contraintes
Les concepteurs chinois s'appuient aussi sur des fabricants locaux comme SMIC. Mais les restrictions d'accès aux équipements de lithographie les plus avancés limitent la production. ASML, basée aux Pays-Bas, ne peut pas fournir à la Chine ses machines les plus performantes, en raison des contrôles à l'exportation. Aux États-Unis, un projet de loi au Congrès vise par ailleurs à restreindre davantage l'accès à certains équipements.
Ces contraintes ne se résument pas à une machine manquante. La fabrication des semi-conducteurs repose sur un ensemble d'étapes, d'équipements, de procédés, de matériaux et de compétences qui s'assemblent. Remplacer un maillon ne règle pas automatiquement les problèmes des autres. Les solutions de substitution peuvent aussi coûter plus cher, produire moins, ou offrir des rendements inférieurs.
La « souveraineté industrielle » est donc un chantier de long terme, pas un changement immédiat de fournisseur. Oui, on peut développer des capacités locales, adapter des composants ou réorganiser la chaîne d'approvisionnement. Mais chaque étape demande du temps et des investissements, et le résultat n'est pas toujours équivalent à ce que permettent les procédés les plus avancés ailleurs.
Pourquoi l'accumulation de stocks ne règle pas le problème
Quand les stocks montent chez Cambricon, certains peuvent y voir une volonté de sécuriser des composants ou de se préparer à une demande à venir. Dans une industrie exposée aux ruptures, c'est une réaction logique. Mais immobiliser du capital ne garantit pas que tous les éléments nécessaires à la production seront disponibles, ni qu'ils le seront au bon rythme.
Un stock est utile s'il couvre un risque précis et s'il peut être converti en produits réellement vendables. Le problème arrive quand les composants accumulés ne correspondent pas au rythme des commandes, qu'un autre intrant manque, ou que des étapes de fabrication prennent du retard. Plus de pièces dans l'inventaire ne veut pas dire, automatiquement, plus de puces livrées.
Pour les investisseurs, une hausse des stocks doit donc être mise en regard des ventes, des livraisons et de l'évolution de la production. Pour les clients, le même réflexe : regarder les délais et les volumes réellement disponibles, plutôt que se fier uniquement à un plan de croissance ou à une annonce de capacité.
Ce que cette tension change pour le marché et les entreprises
Le cas Cambricon rappelle qu'un marché de l'IA peut croître plus vite que l'industrie capable de produire les puces. L'investissement dans les modèles et les centres de données crée une demande, mais l'offre dépend aussi de fournisseurs de mémoire, de fonderies, d'équipements et de règles commerciales internationales. Si un seul maillon coince, tout le système ralentit.
Pour les entreprises européennes, ce n'est pas un appel à choisir un camp ou un fournisseur en fonction de sa nationalité. Le point à retenir, c'est plutôt d'évaluer la disponibilité réelle, le coût total, la compatibilité logicielle et le risque de dépendance avant de bâtir une feuille de route IA autour d'un type de matériel.
Les conséquences concrètes pour un acheteur de calcul
Une équipe qui veut entraîner ou exploiter un modèle doit clarifier trois choses qui se confondent trop souvent : la puissance nécessaire, le matériel qui convient techniquement, et la capacité réellement accessible au moment du déploiement. C'est souvent cette troisième question qui devient décisive si les délais s'allongent ou si certains composants font l'objet de restrictions.
Concrètement, il vaut mieux comparer les options selon plusieurs critères :
- Disponibilité réelle : les volumes et les délais sont-ils confirmés, ou seulement annoncés ?
- Compatibilité logicielle : outils de développement, bibliothèques et modèles fonctionnent-ils sur la plateforme ?
- Coût d'exploitation : coût complet (énergie, intégration, maintenance et adaptations éventuelles).
- Réversibilité : peut-on déplacer une charge vers une autre plateforme si le matériel ou les composants manquent ?
- Risque géopolitique : les restrictions à l'export peuvent-elles changer la disponibilité ou le support ?
Cette logique s'applique aussi aux fournisseurs de services cloud. Même si l'entreprise n'a pas besoin de posséder les accélérateurs, elle dépend de la disponibilité des infrastructures qu'elle loue. Externaliser le matériel limite certains risques opérationnels, mais ne les supprime pas si le marché se tend.
Les alternatives locales ne suppriment pas toutes les dépendances
L'essor de Huawei et de Cambricon peut élargir les options en Chine. Il peut aussi soutenir un écosystème industriel et logiciel local. Mais le fait d'avoir des alternatives ne fait pas disparaître la dépendance à la mémoire et aux capacités de fabrication. Une offre de puces conçues localement dépend, elle aussi, d'intrants, d'usines et d'équipements accessibles.
Il faut aussi distinguer l'objectif politique de la réalité opérationnelle. Une directive qui pousse vers des fournisseurs nationaux peut déplacer la demande. Elle ne crée pas, du jour au lendemain, les capacités industrielles manquantes. Pour un client, la question reste donc très concrète : le produit répond-il au besoin, peut-il être déployé à l'échelle prévue, et l'approvisionnement restera-t-il prévisible ?
C'est là que les résultats trimestriels prennent du poids. Le chiffre d'affaires manqué ne prouve pas que la demande pour les puces IA chinoises s'essouffle. Il dit plutôt qu'une demande forte ne suffit pas si l'offre ne suit pas. La progression de 148 % du bénéfice net et le maintien de l'objectif annuel sont des signaux positifs, mais ils n'éteignent pas le risque d'exécution lié à la chaîne d'approvisionnement.
Le marché financier anticipe aussi les limites de croissance
Les actions de Cambricon ont perdu environ la moitié de leur valeur depuis leur record de juin, tandis que l'enthousiasme autour des valeurs liées à l'IA en Chine s'est refroidi. On ne peut pas en déduire, à elle seule, la valeur à long terme de l'entreprise. Ce que l'on observe, c'est plutôt une réévaluation des attentes de croissance, des contraintes d'approvisionnement et de la capacité à convertir des promesses en revenus.
Cette distinction vaut au-delà de la Bourse. Dans un secteur qui grandit vite, le marché peut valoriser des perspectives futures avant que la production et les résultats réels ne suivent. Quand l'écart entre attentes et livraisons devient visible, une correction arrive, même si le secteur continue de progresser.
Pour analyser une société de puces IA, il faut suivre ensemble chiffre d'affaires, marges, stocks, commandes et capacité à livrer. Aucun indicateur pris séparément ne suffit. Des ventes en hausse peuvent être fragiles si les composants manquent. Une hausse des stocks peut être défensive ou au contraire préoccupante, selon ce qu'on met vraiment derrière l'inventaire.
Conclusion : distinguer demande et capacité réelle
Cambricon affiche une croissance importante, mais ses résultats trimestriels montrent une limite structurelle : la demande de puces IA ne devient du chiffre d'affaires que si la chaîne industrielle sait fournir les composants et les volumes nécessaires. En Chine, mémoire à haute bande passante, capacités de fabrication et restrictions sur certains équipements compliquent cette conversion.
Pour les entreprises, les investisseurs et les responsables techniques, la bonne lecture n'est pas « le marché s'effondre » ni « la demande suffit à tout ». Il faut suivre en parallèle la capacité de livraison, la disponibilité des composants et l'évolution des stocks, tout en regardant les résultats financiers.
Si vous lancez un projet d'IA, commencez par vérifier ce qui sera vraiment disponible, et les dépendances de votre fournisseur. Ce n'est pas aussi spectaculaire qu'une annonce de performance, mais c'est bien plus utile pour construire un déploiement durable.