Par BIT Capital 

D’un marché de produits de base à un élément stratégique de l’infrastructure de l’IA : pourquoi la mémoire flash NAND fait actuellement l’objet d’une réévaluation.

Rares sont les segments de l’industrie des semi-conducteurs qui ont été considérés aussi longtemps comme peu attractifs que le marché de la mémoire flash NAND. Un exemple typique d’activité de base : des produits interchangeables, des cycles brutaux, des surcapacités chroniques, une érosion structurelle des prix. En 2023 encore, le secteur traversait l’une des phases de ralentissement les plus sévères de son histoire, marquée par des pertes, des réductions de production et une pression à la consolidation chez la quasi-totalité des fabricants. Et aujourd’hui, quelques trimestres plus tard, c’est tout le contraire : des capacités de production entièrement réservées jusqu’en 2027, des hausses de prix à deux chiffres par trimestre et des hyperscalers qui signent des contrats d’achat à long terme, comme on n’en voit habituellement que sur le marché des GPU. La conséquence économique peut être illustrée par un simple exemple de calcul : une puce d’IA moderne – par exemple un GPU de centre de données de Nvidia – coûte plusieurs dizaines de milliers de dollars ; un cluster composé de ces puces peut rapidement atteindre plusieurs milliards. Si la mémoire ne parvient pas à fournir les données assez rapidement, cet investissement reste inutilisé. La puce la plus chère au monde attend le disque dur le plus lent du centre de données. Pour les hyperscalers, il est donc tout simplement rationnel de se tourner massivement vers la mémoire flash, même à des prix nettement plus élevés. C’est exactement ce qui se passe actuellement : les SSD haute capacité supplantent le disque dur dans des parties de plus en plus importantes de l’infrastructure des centres de données.

Coûts de veille d’un centre de données dédié à l’IA sans équipement NAND

Source : BIT Capital Research, juin 2026 ; analyse indicative basée sur des hypothèses ; les coûts réels peuvent varier en fonction du taux d’utilisation, de la configuration matérielle, du mode de financement et du modèle d’amortissement.

Mise en cache : la mémoire flash comme levier d’efficacité pour l’inférence

À cela s’ajoute un autre levier d’efficacité, techniquement sophistiqué mais d’une importance capitale sur le plan économique : la mise en cache. Lors d’une requête, les systèmes d’IA modernes calculent d’énormes quantités de résultats intermédiaires. Une partie de ces résultats est stockée dans ce qu’on appelle le cache KV – en termes simples, la mémoire de travail à court terme d’un modèle linguistique. Plus le contexte est long, plus le nombre de documents intégrés est élevé et plus les requêtes similaires sont fréquentes, plus il devient intéressant de réutiliser efficacement les informations déjà calculées plutôt que de les faire générer à chaque fois par des GPU coûteux.

C’est précisément là que la mémoire flash rapide prend toute son importance. Alors que la mémoire la plus rare et la plus coûteuse est directement rattachée au GPU, certaines parties de ce contexte de travail peuvent de plus en plus être transférées vers des SSD NAND moins onéreux, où elles peuvent être réutilisées pour des requêtes ultérieures. Ce qui, d’un point de vue technique, semble n’être qu’un détail de l’architecture du modèle s’inscrit en réalité dans une démarche plus large d’optimisation de l’efficacité : les fournisseurs d’IA ne se contentent plus d’optimiser la taille maximale des modèles, mais se concentrent de plus en plus sur le coût par requête, la latence, le débit et l’utilisation de l’infrastructure. Le fait que les fournisseurs d’API distinguent d’ores et déjà les entrées nouvelles de celles mises en cache, et qu’ils facturent parfois les accès au cache à un prix nettement inférieur, illustre bien cette évolution : les informations réutilisables deviennent un bien économique à part entière.

High Bandwidth Flash : la mémoire NAND se rapproche des cœurs de calcul

Parallèlement, une évolution technologique susceptible d’élargir considérablement le champ d’application de la NAND est en cours : la mémoire flash à haut débit (HBF). Dans ce cadre, les puces flash sont empilées – selon un principe similaire à celui de la HBM – et connectées directement au processeur d’IA. Pour la première fois, la mémoire Flash quitte ainsi la périphérie pour s’installer à proximité immédiate du cœur de calcul, avec une capacité plusieurs fois supérieure à celle de la HBM pour un coût par gigaoctet bien inférieur. Pour l’inférence de grands modèles, dont les besoins en mémoire augmentent plus rapidement que toute autre ressource dans le centre de données, cela représente un changement architectural potentiel et, pour l’industrie de la NAND, l’opportunité de passer du statut de fournisseur de produits de base à celui de composant stratégique de l’infrastructure d’IA. La NAND n’est plus seulement le lieu où les données sont stockées de manière permanente. Dans les systèmes d’IA modernes, la mémoire flash rapide devient de plus en plus une couche d’infrastructure productive qui contribue à une utilisation plus efficace des ressources GPU coûteuses. SanDisk tire également profit de cette évolution. L’entreprise figure parmi les principaux fournisseurs mondiaux de solutions de mémoire flash NAND et de stockage d’entreprise, ce qui lui permet de se positionner au cœur de la chaîne de valeur de l’IA. Nous expliquons en détail, dans la section « Inside the Portfolio », pourquoi nous considérons que les évolutions technologiques et structurelles à long terme et quel rôle SanDisk y joue.

Retrouvez l’ensemble de nos articles Business