La WWDC ne parle pas de Siri. Elle parle du problème de Jensen Huang.
#Ce que tout le monde a regardé — et ce qu'il fallait regarder
Le 8 juin 2026, Apple a ouvert sa WWDC, sa conférence annuelle pour les développeurs. L'annonce vedette : Siri AI, une reconstruction complète de l'assistant vocal, capable de tenir une vraie conversation, de piocher du contexte dans tes mails et tes photos, et d'agir à travers les apps. La presse a passé la semaine à débattre d'une seule question : est-ce que Siri est enfin bon ?
C'est la mauvaise question. La bonne se cache dans un détail d'architecture qu'Apple a montré presque en passant : où tournent les requêtes. Et la réponse à cette question concerne moins Apple que l'homme le plus écouté de la tech en ce moment : Jensen Huang, le PDG de Nvidia, l'entreprise qui vend les puces sur lesquelles repose toute l'économie de l'IA.
Cet article décortique ce que la WWDC révèle vraiment : un plan d'architecture qui, s'il se généralise, change la quantité de matériel Nvidia dont le monde a besoin pour faire tourner l'IA au quotidien.
#Les faits, posés à plat
Commençons par ce qu'Apple a effectivement annoncé, d'après la keynote et les reportings qui ont suivi.
Le nouveau Siri repose sur un partenariat avec Google : le modèle le plus lourd est une version sur mesure d'environ 1 200 milliards de paramètres, dérivée de la technologie Gemini, hébergée sur Google Cloud — sur des serveurs équipés de GPU Nvidia Blackwell B200. Mais ce modèle géant n'est que le dernier recours d'un système à trois étages.
#Le routage à trois étages, expliqué
Avant d'aller plus loin, définissons le terme central de cet article.
L'inférence désigne le fait de faire tourner un modèle d'IA déjà entraîné pour répondre à une requête. C'est différent de l'entraînement, qui consiste à construire le modèle. L'entraînement se fait une fois, sur d'énormes clusters de GPU. L'inférence, elle, se produit à chaque question posée — des milliards de fois par jour. C'est là que se joue le coût réel de l'IA grand public.
Apple route chaque requête Siri vers l'un de trois niveaux, du moins cher au plus cher :
| Niveau | Où ça tourne | Quelles puces | Qui paie l'inférence |
|---|---|---|---|
| Tâches simples | Sur l'appareil (iPhone, Mac) | Apple Silicon — déjà payé par le client | Personne : coût marginal nul |
| Requêtes moyennes | Private Cloud Compute d'Apple | Serveurs Apple Silicon | Apple, sur ses propres puces |
| Raisonnement lourd | Google Cloud (modèle dérivé de Gemini) | GPU Nvidia Blackwell B200 | Apple paie Google, qui exploite du Nvidia |
Lis bien la colonne « quelles puces ». Sur les trois étages, Nvidia n'apparaît que dans le dernier — celui qu'Apple cherche précisément à solliciter le moins possible. Les deux premiers tournent sur Apple Silicon, les puces qu'Apple conçoit elle-même. Et le Private Cloud Compute, le cloud privé d'Apple pensé pour traiter les requêtes trop grosses pour le téléphone sans exposer les données, tourne lui aussi sur des serveurs maison.
Autrement dit : Apple a construit un entonnoir dont l'objectif est de capter un maximum de requêtes avant qu'elles n'atteignent un GPU Nvidia.
#Pourquoi c'est le problème de Jensen Huang
Pour comprendre l'enjeu, il faut introduire une deuxième notion : la distillation.
La distillation consiste à utiliser un grand modèle (coûteux, hébergé en datacenter) pour entraîner un petit modèle qui imite ses réponses sur un périmètre donné. Le petit modèle est moins polyvalent, mais il est assez bon pour la majorité des cas — et assez léger pour tourner sur la puce d'un téléphone.
C'est exactement ce qu'Apple a fait. Ses modèles embarqués ont été construits avec l'aide de la technologie Gemini, par distillation et entraînement — mais le résultat tourne sur l'appareil, sans Gemini ni datacenter. AppleInsider l'a confirmé après la keynote : les modèles de fondation embarqués d'Apple ne contiennent pas une goutte de Gemini à l'exécution.
Voilà le cœur du problème pour Nvidia. Le récit qui soutient sa valorisation dit en substance : chaque requête IA dans le monde finit sur un GPU en datacenter, donc la demande de GPU croît avec l'usage de l'IA. La WWDC vient d'exposer un contre-modèle, déployé par l'entreprise qui met du silicium dans plus d'un milliard de poches :
- Entraîner en datacenter — là, Nvidia encaisse, une fois.
- Distiller vers un petit modèle spécialisé.
- Servir des milliards de requêtes sur l'appareil — là, Nvidia n'encaisse rien, pour toujours.
Chaque requête captée par l'étage local est une requête qui ne génère aucun revenu d'inférence pour Nvidia. Et même au troisième étage, la position de Nvidia est indirecte : Apple ne lui achète rien — Apple paie Google, qui loue des Blackwell. Le plus gros constructeur d'appareils du monde vient de démontrer publiquement qu'on peut offrir une expérience IA complète en ne touchant le GPU datacenter qu'en dernier recours.
Si ce schéma — entraîner grand, distiller, servir local — devient le standard de l'IA grand public, la courbe de demande en GPU d'inférence ne suit plus la courbe d'usage de l'IA. Elle s'en décroche. C'est ça, le vrai sujet de la WWDC.
#Le contre-argument : Jensen Huang n'a pas dit son dernier mot
Soyons honnêtes sur les limites de cette thèse, parce qu'elles sont réelles.
D'abord, les chiffres d'ensemble restent favorables à Nvidia. Selon Deloitte, l'inférence représentera environ deux tiers de tout le calcul IA en 2026 (contre un tiers en 2023), et le marché des puces optimisées pour l'inférence dépassera les 50 milliards de dollars. Même si une partie migre vers les appareils, le volume total explose — c'est l'effet rebond classique : plus l'IA devient bon marché, plus on en consomme.
Ensuite, l'entraînement des modèles géants reste une affaire de datacenters, et la distillation elle-même a besoin d'un grand modèle en amont. Le modèle à 1 200 milliards de paramètres qui sert de filet de sécurité à Siri tourne bien sur des B200.
Enfin, Nvidia voit le coup venir. Début juin, à une semaine de la WWDC, Jensen Huang annonçait à GTC une « nouvelle ère du PC » : des puces Nvidia pour faire tourner des modèles d'IA localement, sur les ordinateurs personnels. CNBC résume bien la manœuvre : Nvidia veut gagner à chaque couche de la pile IA, edge compris. La question n'est pas de savoir si l'inférence locale va croître — Nvidia lui-même parie dessus — mais de savoir qui vendra le silicium local. Et sur les téléphones, la réponse aujourd'hui s'appelle Apple Silicon, Snapdragon ou Tensor. Pas Nvidia.
Méfie-toi des lectures binaires « Nvidia est fichu » ou « rien ne change ». Le scénario crédible est entre les deux : la demande datacenter continue de croître portée par l'entraînement et le raisonnement lourd, pendant que l'inférence de masse glisse vers des puces que Nvidia ne vend pas encore. C'est un problème de part de marché future, pas de survie.
#Ce que ça change pour toi, développeur
Ce routage à trois étages n'est pas réservé à Apple. C'est un patron d'architecture que tu peux appliquer dès aujourd'hui dans tes propres projets IA, et qui explique d'ailleurs la stratégie de gamme de tous les fournisseurs de modèles — Anthropic compris.
Le principe : ne paie le gros modèle que quand la requête le mérite.
- Classe la requête d'abord. Une regex, une heuristique ou un tout petit modèle suffit souvent à décider si la demande est triviale ou complexe.
- Traite le simple avec le petit modèle. Chez Anthropic, c'est le rôle de Claude Haiku : rapide, peu coûteux, largement suffisant pour la classification, l'extraction ou les réponses courtes.
- N'escalade vers le gros modèle qu'en dernier recours. Claude Opus pour le raisonnement complexe, comme le modèle Gemini sur mesure pour les requêtes Siri les plus lourdes.
C'est exactement la logique économique d'Apple, transposée à l'échelle d'une application : la majorité du trafic coûte presque rien, et le budget se concentre sur la minorité de requêtes qui en a besoin. Dans la pratique, ce simple routage divise souvent la facture d'inférence par cinq ou dix sans dégrader l'expérience.
#Ce qu'il faut retenir
Récapitulons la logique, étape par étape :
- Le fait brut : à la WWDC du 8 juin 2026, Apple a lancé Siri AI, adossé à un routage à trois étages — appareil, Private Cloud Compute, Google Cloud.
- Le détail qui compte : Nvidia n'est présent qu'au dernier étage, le moins sollicité, et encore — payé par Google, pas par Apple.
- Le mécanisme : la distillation permet d'entraîner grand en datacenter puis de servir des milliards de requêtes localement, sans GPU Nvidia.
- Le problème de Jensen Huang : si ce schéma se généralise, la demande de GPU d'inférence se décroche de la croissance de l'usage IA — d'où la contre-offensive de Nvidia sur les puces PC.
- La leçon pratique : applique le même entonnoir dans tes projets — petit modèle d'abord, escalade vers le gros uniquement quand c'est nécessaire.
La prochaine fois qu'une keynote te montre un assistant qui répond mieux, pose la question que les analystes ont ratée cette semaine : où tourne la requête, et qui encaisse à chaque étage ? C'est là que se joue la vraie bataille de l'IA — pas dans la voix de Siri.
Sources : keynote WWDC 2026 et reportings associés (Tom's Guide, TechRepublic, Business Standard), The Next Web, AppleInsider, CNBC (stratégie PC de Nvidia, juin 2026), prédictions Deloitte TMT 2026, analyse vidéo « WWDC Isn't About Siri. It's Jensen Huang's Problem ».