Qualcomm met 3,9 milliards de dollars sur la table pour racheter Modular, une jeune pousse IA dont l’atout principal n’est pas une puce, mais une couche logicielle. La cible est claire, s’attaquer à CUDA, l’écosystème qui colle des millions de développeurs aux GPU Nvidia. La transaction, en actions, est attendue au second semestre et ouvre une bataille d’exécution sur plusieurs années.
Qualcomm achète Modular, le logiciel avant le silicium
Qualcomm a annoncé le rachat de Modular dans une opération valorisée à 3,92 milliards de dollars, selon un calcul de Reuters basé sur le dernier cours de clôture. Le paiement se fait en actions, avec jusqu’à 19,2 millions de titres émis pour les actionnaires de Modular. L’objectif affiché est de muscler l’offre IA de Qualcomm, au-delà de son socle historique dans le smartphone.
Le point saillant, c’est ce que Qualcomm achète réellement. Pas une gamme de GPU, mais une équipe et des briques logicielles, dont Mojo et le moteur MAX, souvent décrits comme des outils pour exécuter des modèles IA sur des matériels variés. Dans la lecture de plusieurs analystes, la valeur est dans la couche d’abstraction qui réduit les frictions de déploiement.
Sur le papier, Qualcomm cherche à accélérer son ancrage dans le data center, un marché dopé par la générative et les investissements d’infrastructure. Dans ce contexte, Modular sert de levier pour proposer une expérience développeur plus fluide, un angle qui compte autant que la performance brute des puces.
Cible affichée, CUDA, le péage logiciel qui verrouille Nvidia
Le rachat place Qualcomm face à Nvidia sur son terrain le plus défensif, CUDA. CUDA n’est pas seulement une bibliothèque, c’est une plateforme de développement et d’optimisation qui a accumulé une inertie de plus d’une décennie. Pour de nombreuses entreprises, la barrière n’est pas d’acheter des GPU, c’est de réécrire, tester et certifier des pipelines.
Des observateurs comme John Annand (Info-Tech Research Group) soulignent que le fossé de Nvidia n’a jamais été uniquement les GPU, mais le coût de réécriture qui maintient les charges de travail sur une architecture. Dans cette optique, une promesse du type écrire une fois, exécuter sur CPU, GPU, NPU, ASIC vise à réduire le risque perçu quand on choisit du silicium non-Nvidia.
Mais l’attaque n’implique pas un basculement rapide. Le même raisonnement revient souvent, Qualcomm ouvre un second front crédible, mais CUDA reste une forteresse, car il est partout dans les frameworks, les tutoriels, les optimisations et les pratiques internes. La partie se joue sur l’adoption, les outils, la documentation et les performances réelles en production.
Mojo et MAX, la promesse d’une IA portable sur CPU, GPU et NPU
Modular s’est fait connaître avec Mojo et un moteur d’exécution comme MAX, positionnés pour simplifier le passage entre matériels hétérogènes. L’idée est de limiter les réécritures quand une entreprise veut faire tourner un modèle sur un CPU en cloud, un GPU en data center, puis un NPU en périphérie, avec des contraintes de latence et de coût différentes.
Pour Qualcomm, c’est cohérent avec une stratégie du cloud à l’edge. Le groupe vend déjà des puces dans des appareils et des systèmes embarqués, et cherche une place plus visible dans les serveurs IA. Une couche logicielle qui orchestre compilation, optimisation et exécution peut devenir un accélérateur commercial, parce qu’elle rend le choix matériel moins anxiogène pour les équipes data.
Un exemple concret, une entreprise qui sert un modèle de recommandation peut vouloir entraîner sur GPU, puis déployer l’inférence sur des accélérateurs spécialisés moins chers. Si l’outillage réduit les incompatibilités, la décision peut se prendre sur le TCO et la disponibilité, pas seulement sur l’écosystème. C’est ce pari que Qualcomm achète, avec l’espoir de transformer un sujet technique en avantage d’adoption.
Le pari caché, Nvidia ne doit pas ouvrir trop vite son écosystème
Cette stratégie repose sur un point de calendrier. Plusieurs analystes notent que Qualcomm parie sur le fait que Nvidia ne va pas contre-attaquer en ouvrant davantage ses architectures ou en facilitant l’exécution sur du matériel concurrent, du moins pas assez vite. Si Nvidia réduit les coûts de portage, l’argument anti-verrouillage perd une partie de sa force.
Dans les faits, Nvidia a déjà des incitations à maintenir une forte adhérence développeur, car c’est ce qui protège ses marges et sa position dans les achats d’infrastructure. Le risque pour Qualcomm est de devoir gagner sur plusieurs fronts en même temps, maturité des outils, performances, support, partenariats cloud, tout en évitant une guerre de standards où le leader dicte encore le rythme.
Autre obstacle, convaincre les grandes entreprises de bouger. Les équipes MLOps privilégient la stabilité et les chemins éprouvés. Le bénéfice doit être mesurable, coûts d’exécution, consommation énergétique, disponibilité des accélérateurs, ou capacité à déployer sur des parcs hétérogènes sans multiplier les versions. Sans gains concrets, l’adoption reste lente, même avec une technologie solide.
Pourquoi le data center devient le ring, et ce que Qualcomm peut vraiment gagner
Le rachat s’inscrit dans une course où le data center est devenu le centre de gravité de l’IA. Qualcomm veut élargir son exposition au-delà du smartphone, et l’argument de démocratisation du déploiement, faire tourner l’IA sur différents matériels, parle aux acheteurs qui subissent des contraintes de capacité et de budget.
Ce que Qualcomm peut gagner à court terme, c’est une place dans les discussions d’architecture. Si Modular permet de réduire les frictions, Qualcomm peut pousser ses propres puces, mais aussi devenir pertinent dans des environnements multi-fournisseurs. C’est un angle moins frontal qu’un duel de GPU, mais potentiellement plus réaliste, car il vise la couche logicielle qui décide souvent du choix final.
Comparatif rapide, le choc des approches se lit bien dans une grille simple, sans prétendre résumer toute la complexité des stacks IA.
| Élément | Nvidia (CUDA) | Qualcomm + Modular (Mojo/MAX) |
|---|---|---|
| Atout central | Écosystème CUDA mature, optimisations profondes | Portabilité visée, couche d’exécution hétérogène |
| Frein au changement | Coût de réécriture et habitudes développeurs | Maturité et adoption à prouver en production |
| Terrain prioritaire | GPU data center, chaîne logicielle intégrée | CPU/GPU/NPU, déploiement multi-cibles |
| Horizon | Avantage installé depuis plus de 10 ans | Jeu d’exécution sur plusieurs années |
La question n’est pas seulement de battre CUDA, mais de rendre crédible une alternative pour des entreprises qui veulent éviter une dépendance totale. Si Qualcomm transforme Modular en produit industriel, documenté et supporté, il peut prendre des parts sur le choix des plateformes, même sans détrôner Nvidia sur la performance brute.
Source :
- Quartz
