Faits fondamentaux en contradiction avec le krach des semi-conducteurs ! Les résultats de UMC (UMC.US) explosent et la société augmente ses dépenses d'investissement, les commandes IA passent des GPU aux procédés matures
Mercredi, United Microelectronics Corporation (UMC) a annoncé que son conseil d'administration avait approuvé un plan d'expansion, qui comprend l'augmentation de la capacité de salle blanche dans son usine de Singapour ainsi que la construction d'une nouvelle usine de fabrication de plaquettes dans son parc phare situé à Tainan, à Taïwan, afin de répondre à la demande croissante alimentée par l'intelligence artificielle.
FrenchPlanet Finance APP apprend que le géant du secteur des puces, UMC (UMC.US), originaire de Taïwan, a publié mercredi son rapport de résultats, révélant que son conseil d'administration a approuvé un plan d'expansion de capacité, comprenant l'augmentation de la capacité de salle blanche du grand site de fabrication de plaquettes à Singapour, ainsi que la construction d'une nouvelle usine de plaquettes dans le parc industriel phare de Tainan à Taïwan, afin de répondre autant que possible à la demande croissante de capacité de production de semi-conducteurs alimentée par la demande en puissance de calcul AI. Les derniers résultats d'UMC et ses perspectives sont un avantage fondamental majeur pour la chaîne de valeur de l'industrie de la puissance de calcul AI actuellement affectée, sapant fortement l'hypothèse pessimiste selon laquelle « la demande infrastructurelle pour la puissance de calcul AI aurait atteint un sommet », car les solides résultats d'UMC indiquent une diffusion des commandes, passant des puces AI à la pointe de la technologie vers les puces périphériques sur des nœuds de fabrication plus matures comme la chaîne d'énergie.
Cependant, pour certains analystes plus pessimistes quant au marché des semi-conducteurs, les résultats d'UMC ne dissipent pas immédiatement les inquiétudes du marché concernant une forte exposition au levier, des positions trop encombrées, des valorisations élevées, le financement cyclique, le retour sur capital investi et la montée des concurrents chinois.
L'indice Philadelphia Semiconductor a chuté d'environ 25% par rapport à son sommet du 22 juin, entrant en territoire de marché baissier technique ; le 28 juillet, SMH (ETF semi-conducteurs US) a chuté d'environ 3,6%, tandis que Samsung Electronics et SK Hynix en Corée du Sud ont respectivement plongé de 13,4% et 14,7%. Les actions de semi-conducteurs liées à l’intelligence artificielle en Asie et aux États-Unis ont à nouveau enregistré une forte baisse mercredi. Le marché boursier coréen a déclenché deux fois consécutives un mécanisme de coupure, avec l’indice de référence KOSPI plongeant de plus de 12% en séance mercredi, passant sous la barre des 5300 points, ce qui représente une baisse cumulative de plus de 43% depuis son récent sommet historique.

Le PDG d’UMC, Shih Wang, a déclaré dans le communiqué financier : « La capacité de salle blanche et le plan d’expansion de capacité seront exécutés par étapes, permettant à UMC de déployer de manière flexible sa capacité tout en maintenant la discipline des dépenses en capital pour répondre à la demande d’infrastructures de puissance de calcul AI de nos clients. Ainsi, le budget de dépenses en capital pour 2026 sera significativement relevé à 2 milliards de dollars US. » En outre, le conseil d’administration d’UMC a approuvé un budget de dépenses en capital de près de 5 milliards de dollars US pour 2026 et 2027.
Shih Wang a indiqué que le plan d’expansion de la capacité reflète les attentes de la société concernant la croissance du secteur au cours des cinq prochaines années. Selon lui, cette croissance sera principalement tirée par les connexions optiques à haute vitesse et les produits d’alimentation destinés aux centres de données AI, l’électrification continue des véhicules, la numérisation et des applications émergentes comme les robots humanoïdes.
Lors de la conférence téléphonique sur les résultats, Shih Wang a déclaré : « Cette tendance de croissance industrielle, conjuguée à notre entrée dans le domaine du conditionnement avancé, comme l’empilement logique et mémoire ainsi que la photonique sur silicium, accélérera la croissance du marché accessible par UMC. » L'entreprise prévoit que son chiffre d’affaires lié à l’AI atteindra environ 300 millions de dollars US cette année, et franchira la barre du milliard de dollars US dans trois ans.
Contrairement à TSMC (TSM.US), le plus grand fabricant mondial de puces et de plaquettes, UMC se concentre principalement sur des nœuds de fabrication de puces plus matures (de 14nm à 28nm et des technologies encore plus matures), tandis que TSMC accélère l’expansion de sa capacité en technologies avancées à 3nm, investissant massivement dans les technologies à 2nm voire 1nm pour répondre à la demande massive en ressources de puissance de calcul AI.
La division du travail entre UMC et TSMC, les deux géants taïwanais de la fabrication de puces, est fondamentalement différente. TSMC fabrique directement les accélérateurs AI (soit presque toutes les puces AI au niveau mondial), les CPU et autres puces de calcul majeures sur des nœuds à la pointe (2nm, 3nm, 5nm), et propose des capacités avancées de conditionnement telles que CoWoS ; au deuxième trimestre, UMC n’a généré aucun chiffre d’affaires pour les technologies inférieures à 14nm, avec une concentration sur les nœuds à 22/28nm et des processus de fabrication matures et spécialisés.
UMC n'est pas le fabricant principal des puces brutes AI GPU phares de Nvidia, mais se focalise sur des éléments cruciaux pour les clusters de serveurs AI et systèmes AI périphériques, tels que les IC de gestion d’alimentation, les puces BCD, les microcontrôleurs, les capteurs, les puces de connexion réseau et RF, les contrôleurs HDD et flash/DRAM, les puces de photonique sur silicium, les interconnexions ainsi que l’arrière du conditionnement avancé 2.5D/3D.
Du point de vue de l’investissement dans la chaîne de valeur de la puissance de calcul AI, UMC ne représente pas le « remplacement par procédé avancé de TSMC », mais la réévaluation de la valeur des procédés matures lors de la diffusion de la puissance de calcul AI des processeurs centraux vers les centres de données – alimentation, contrôle, stockage haute performance et communications optiques/interconnect.
La demande AI déborde vers les procédés matures : UMC augmente ses dépenses en capital, double son expansion de capacité pour s’emparer de l’augmentation de la demande en puissance de calcul AI
Pour les derniers résultats trimestriels publiés, grâce à une forte demande AI, UMC a enregistré un chiffre d’affaires d’environ 68,73 milliards de nouveaux dollars taïwanais (2,12 milliards de dollars US) au deuxième trimestre, en hausse de 17% sur un an ; le bénéfice net a atteint un record avec une progression de 374,7% à 42,26 milliards de nouveaux dollars taïwanais.
L’expansion explosive de la demande en puissance de calcul AI pour l’inférence a fait bondir la valorisation et les attentes fondamentales d’UMC, dont le cours a grimpé de 120% depuis le début de l’année, surclassant largement l’indice pondéré de Taïwan qui a progressé de 38,24%. Le titre a chuté de 9,69% à la clôture avant la publication des résultats mercredi. L’ADR US d’UMC (UMC.US) est également en phase de correction en raison de la chute du secteur global de la puissance de calcul AI et des semi-conducteurs, avec une baisse de plus de 35% en juillet, mais le gain depuis le début de l’année reste à 125%.
La qualité opérationnelle centrale d’UMC s’est nettement améliorée au deuxième trimestre : chiffre d’affaires de 68,733 milliards de nouveaux dollars taïwanais (+17% sur un an), marge brute de 22,323 milliards (+32,3%), bénéfice d’exploitation de 14,950 milliards (+38,2%), marge d’exploitation passant de 18,4% à 21,8%, la marge brute de 28,7% à 32,5%.
La production de plaquettes d’UMC a atteint 1,129 million de tranches équivalentes de 12 pouces, +16,8% sur un an, avec un taux d’utilisation de capacité passant de 76% à 85%, reflétant une croissance fondée sur les livraisons réelles, l'utilisation et l'amélioration du mix produits, plutôt que sur de simples fluctuations de prix. À noter, le bénéfice net en hausse de 374,7% à 42,26 milliards de nouveaux dollars taïwanais inclut 30,045 milliards de revenus d’investissement, de sorte que cette augmentation ne peut être entièrement extrapolée en croissance opérationnelle durable ; les indicateurs plus représentatifs sont la progression de 38,2% du bénéfice d’exploitation et le cash-flow libre de 23,97 milliards de nouveaux dollars taïwanais au deuxième trimestre.
Les projections d’UMC sont encore plus significatives pour l’industrie que les chiffres historiques de bénéfices. UMC prévoit pour le troisième trimestre une croissance élevée en chiffres uniques du volume de sorties de plaquettes, un prix moyen stable en dollars US, une marge brute dans le milieu des 30%, un taux d’utilisation supérieur à 90% (contre 85% au deuxième trimestre) ; le budget de dépenses en capital pour 2026 est relevé à 2 milliards de dollars US, soit +25% par rapport aux 1,6 milliard de 2025, dont 90% seront investis dans la capacité 12 pouces, avec une expansion progressive du site de salle blanche P4 de Singapour et de la nouvelle usine de Tainan à Taïwan.
La direction d’UMC souligne en outre que la demande des puces de gestion d’alimentation, capteurs et microcontrôleurs 8 pouces est en forte reprise, le chiffre d’affaires 22nm a représenté 17,5% du chiffre d’affaires trimestriel et a atteint un record, la production de puces photonique sur silicium 12 pouces a été livrée à grande échelle pour la première fois, et la plateforme photonique sera ouverte à davantage de clients en 2027. Cela montre que la demande AI passe des GPU avancés vers les domaines d’alimentation, contrôle, détection, contrôleurs de mémoire, connexion et interconnexion optique – une diffusion complète de la « chaîne de calcul silicium compagnon ».
Preuve fondamentale dans le parcours de chute des puces : TSMC, SK Hynix, Seagate et UMC ensemble attestent que la demande AI ne s’est pas effondrée
En observant les derniers résultats et perspectives d’UMC, TSMC, SK Hynix et Seagate, la conclusion est encore plus claire : la demande physique pour les infrastructures de puissance de calcul AI ne se détériore pas en phase avec la baisse extrême des cours et le dégageement des positions hautement spéculatives.
Le dernier rapport de Citigroup, le géant financier de Wall Street, indique que la course aux armements de l’ère AI est passée de « qui a le modèle le plus intelligent » à « qui peut produire de l’intelligence au moindre coût et la plus grande efficacité sous contraintes physiques » : les modèles ouverts comme Kimi K3 rattrapent rapidement les modèles propriétaires, ce qui accélère la commoditisation des capacités de modèles, mais la taille des paramètres, la longueur du contexte et les inférences en plusieurs étapes gonflent simultanément les besoins en mémoire HBM, en interconnexion GPU rapide, en orchestration des clusters et en accès électrique. L’étude Nvidia souligne également que la mémoire HBM devient souvent la contrainte principale lorsque le modèle s’élargit et la séquence et le batch s’allongent ; selon l’IEA, la croissance de la consommation électrique des data centers AI est nettement supérieure à la demande électrique globale, alors que le cycle de construction du réseau électrique est généralement plus long que celui de déploiement des data centers.
TSMC au deuxième trimestre : chiffre d’affaires +36% sur un an, bénéfice net +77,4%, le calcul haute performance a représenté 66% du chiffre d’affaires, les technologies 7nm et plus avancées représentent 77% du chiffre d’affaires tranches, prévision de chiffre d’affaires au troisième trimestre entre 44,6 et 45,8 milliards de dollars US, relèvement des dépenses en capital annuelles à 60-64 milliards de dollars US et croissance annuelle du chiffre d’affaires en dollars US légèrement supérieure à 40% ; SK Hynix : chiffre d’affaires +257% sur un an, bénéfice d’exploitation +557%, HBM4 commence à être massivement produit et livré, 10 clients ont signé des accords de long terme.
Aux États-Unis, Seagate, géant du stockage HDD, voit son chiffre d’affaires trimestriel passer de 2,444 à 3,629 milliards de dollars US (+48,5%), la marge brute hors GAAP passant de 37,9% à 52,7%, un cash-flow libre de 1,1 milliard de dollars US, et une prévision de chiffre d’affaires de 4,1 milliards de dollars US et un EPS ajusté de 7,30 dollars US pour le trimestre suivant. Les puces avancées AI GPU/TPU/CPU data center, HBM/DRAM/NAND serveur, stockage HDD massif ainsi que les procédés matures et spécialisés sont tous en croissance, validant en croisé la « largeur de la demande de puissance de calcul AI ».
Ainsi, les derniers résultats et perspectives d’UMC sont un avantage fondamental majeur pour la chaîne de valeur de la puissance de calcul AI actuellement affectée, sapant considérablement l’hypothèse pessimiste que la demande infrastructurelle pour la puissance de calcul AI aurait atteint un sommet, puisque les solides résultats d’UMC indiquent une diffusion des commandes, passant des puces AI à la pointe de la technologie vers les puces périphériques sur des nœuds de fabrication plus matures comme la chaîne d’énergie.
Cependant, les derniers résultats des leaders comme UMC dans la chaîne de puissance de calcul AI ne suffisent peut-être pas à eux seuls pour inverser la tendance mondiale de déflation des actions AI. Ils n’éliminent pas immédiatement les inquiétudes du marché concernant les valorisations élevées, le financement cyclique, le retour sur capital investi et la compétition chinoise. La preuve la plus typique est que SK Hynix, même en annonçant un bénéfice record, voit son cours chuter car il n’atteint pas les attentes extrêmes, le KOSPI coréen ayant plongé de 12,6% ; après les résultats supérieurs aux attentes de TSMC, le secteur mondial des puces est resté sous pression. Actuellement, le marché ne traite pas la question « y a-t-il une demande AI », mais plutôt « quelles sont les perspectives de rendement de l’investissement AI et la croissance de la demande en puissance de calcul AI pourra-t-elle durablement couvrir les dépenses en capital AI, le coût de financement sur le marché du crédit, la dépréciation et les valorisations élevées ».
Avertissement : le contenu de cet article reflète uniquement le point de vue de l'auteur et ne représente en aucun cas la plateforme. Cet article n'est pas destiné à servir de référence pour prendre des décisions d'investissement.
Vous pourriez également aimer
Le rendement des obligations américaines à 30 ans atteint son plus haut niveau depuis 2007, tandis que les émissions d'obligations américaines de catégorie investissement en août atteignent un record pour la même période.
Lundi, le rendement des bons du Trésor américain à 30 ans a temporairement dépassé 5,31 %. Les entreprises, cherchant à soutenir la vague d’enthousiasme pour l’intelligence artificielle, ont massivement émis des obligations, aggravant le déséquilibre entre l’offre et la demande sur le marché des obligations à long terme. En août, l’émission de titres de qualité investissement aux États-Unis a atteint 145,2 milliards de dollars, dépassant le record mensuel de 136 milliards de dollars établi en août 2020. Parallèlement, le déficit budgétaire annuel du gouvernement américain, proche de 2000 milliards de dollars, continue d’augmenter l’offre de bons du Trésor.

Est-ce que SanDisk est vraiment aussi lucratif que la DRAM ?

Nvidia investit 1,5 milliard de dollars dans SB Energy, sécurisant 8 GW de puissance de calcul IA, OpenAI deviendra le seul locataire
Nvidia étend sa frontière de concurrence au-delà des GPU et des serveurs, en s'investissant dans les terrains, l'énergie et la construction de centres de données pour l’IA. L'entreprise collabore avec SB Energy pour développer un centre de données IA de très grande envergure de 8GW dans l’Ohio et investit 1,5 milliard de dollars pour garantir le financement de ces infrastructures, avec OpenAI comme seul locataire. Cette initiative montre que Nvidia évolue, passant du rôle de fournisseur de puces à celui d’organisateur d’infrastructures pour l’IA, en sécurisant à l’avance les ressources LPS afin de lier la demande de GPU sur plusieurs générations à venir.
