Taille et Part du Marché du Calcul en Mémoire (CIM) et du Traitement en Mémoire (PIM) - Tendances de Croissance et Prévisions (2026 - 2031)

Tendances et Perspectives du Marché Mondial du Calcul en Mémoire (CIM) et du Traitement en Mémoire (PIM)

Les Charges de Travail IA Atteignent le Mur de la Mémoire

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) est porté par un déséquilibre croissant entre le débit des processeurs et la bande passante mémoire dans les systèmes d'IA. La consommation d'énergie dépend désormais fortement du déplacement des données, et pas seulement du débit arithmétique, ce qui fait de la proximité mémoire une priorité de conception pratique pour l'infrastructure d'IA.^{[1]NVIDIA, "Maximize AI Factory Energy Efficiency Through Full-Stack Inference and Training Optimizations," NVIDIA Developer Blog, nvidia.com} Cela importe surtout dans les grands environnements d'inférence, où les accès répétés à la mémoire peuvent limiter les performances même lorsque la capacité des accélérateurs est disponible. Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) bénéficie donc d'un seuil d'adoption plus bas, car ces architectures n'ont pas besoin de remplacer chaque accélérateur de la pile pour gagner en traction. Elles peuvent plutôt prendre en charge les opérations liées à la mémoire que les architectures conventionnelles gèrent moins efficacement. Cela crée des possibilités de déploiement anticipé dans les serveurs d'IA, les systèmes d'inférence d'entreprise et les futures plateformes à architecture mixte.

L'Analytique Cloud Native Pousse le Calcul Plus Près des Données

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) est également porté par les opérateurs cloud qui cherchent de meilleures performances par watt pour leur infrastructure d'inférence en temps réel. NVIDIA a déclaré que l'optimisation de la pile complète devient centrale pour l'efficacité des usines d'IA, ce qui soutient l'argument en faveur des architectures réduisant le trafic répété à travers l'interface mémoire. Des recherches présentées à l'IEEE ASICON 2025 ont montré qu'une conception hybride DRAM-PIM et SRAM-CIM pour l'inférence de transformateurs a offert une accélération de 1,51x et une réduction d'énergie de 1,24x par rapport à une référence DRAM-PIM uniquement pour Llama2-7B à 28nm. Ce résultat est important car il montre que des technologies de mémoire complémentaires peuvent être mappées à différentes fonctions de modèle plutôt que d'être forcées dans une architecture unique. En juin 2026, Micron et Anthropic ont annoncé un accord stratégique combinant un engagement d'approvisionnement pluriannuel en mémoire et stockage avec un investissement stratégique, montrant que les feuilles de route mémoire sont désormais directement liées à la planification future de l'infrastructure d'IA. Ce type d'alignement soutient une commercialisation plus rapide du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM), car les acheteurs d'infrastructure et les fournisseurs de mémoire partagent des calendriers de déploiement communs.

L'Inférence en Périphérie Valorise Davantage le Calcul Localisé

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) s'étend au-delà de l'infrastructure centralisée à mesure que l'inférence IA se déplace vers des dispositifs soumis à des contraintes strictes de puissance et de surface. Les systèmes en périphérie fonctionnent souvent avec une connectivité limitée et des budgets énergétiques stricts, ce qui rend le calcul local centré sur la mémoire plus attractif que les conceptions d'accélérateurs à usage général. En mars 2026, Microchip Technology a indiqué que Mythic avait sélectionné la technologie memBrain de son unité Silicon Storage Technology pour des unités de traitement analogique de nouvelle génération ciblant 120 TOPS/W. En septembre 2025, l'Université de Tokyo et Nuvoton ont présenté un CiM basé sur ReRAM combinant un stockage multi-niveaux avec une rétention des données de 10 ans, répondant directement à l'une des préoccupations de durabilité de longue date dans les déploiements en périphérie non volatils. Ces développements montrent que le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) ne représente pas une opportunité uniforme en périphérie, car les systèmes automobiles, industriels, robotiques et IoT compacts nécessitent différents substrats mémoire et compromis de précision. Par conséquent, l'adoption commerciale devrait se répandre à travers plusieurs cas d'usage plus petits avant de se consolider en plateformes périphériques plus larges.

Les Feuilles de Route Mémoire Sub-10nm et à Empilement 3D Améliorent la Faisabilité du CIM

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) bénéficie de feuilles de route de fabrication qui prennent en charge des interconnexions plus denses et une intégration mémoire-logique plus étroite. TSMC a déclaré en juin 2026 que sa feuille de route SoIC évolue vers un pas de liaison puce à puce plus fin et une densité d'E/S plus élevée, ce qui soutient directement les architectures de type chiplet qui placent le calcul plus près de la mémoire. Samsung Semiconductor a également annoncé en mai 2026 qu'il avait expédié des échantillons HBM4E à 12 couches avec une bande passante de 3,6 To/s par pile, une efficacité énergétique améliorée de 16 % et une résistance thermique améliorée de plus de 14 % par rapport à la génération précédente. Ces avancées sont importantes car de nombreuses conceptions CIM et PIM dépendent désormais autant des choix de packaging et d'empilement que de la conception au niveau des transistors. Elles renforcent également l'argument en faveur de plateformes programmables centrées sur la mémoire plutôt que de réseaux à fonction fixe. Il en résulte une base technique plus solide pour que le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) passe de démonstrations limitées à des produits commercialement manufacturables.

Chaînes d'Outils et Support de Compilateur Limités pour l'Adoption du PIM

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) est encore confronté à une contrainte logicielle majeure, car le portage d'applications nécessite des modèles de programmation différents des environnements d'accélérateurs conventionnels. L'ETH Zurich et le groupe de recherche SAFARI ont décrit la nécessité de nouveaux outils, modèles de programmation et support système pour les architectures de traitement en mémoire, ce qui montre que la couche logicielle rattrape encore l'opportunité matérielle. Une étude de compilateur de 2026 du Politecnico di Milano a également révélé que les gains de performance peuvent varier fortement selon la charge de travail et que les portages à usage général peuvent offrir des avantages limités sans une adaptation plus profonde du code. Cela signifie que l'adoption ne se résume pas à l'achat de nouveaux circuits intégrés ; les entreprises ont également besoin de compilateurs, d'API, de couches d'exécution et de flux de mappage validés. Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) pourrait encore croître rapidement dans ces conditions, mais l'échelle commerciale restera plus facile dans des environnements étroitement contrôlés que dans de larges écosystèmes logiciels ouverts. C'est pourquoi la maturité logicielle devient l'une des lignes de démarcation les plus claires entre le matériel prometteur et les plateformes déployables.

Complexité du Rendement, des Tests et du Packaging dans l'Intégration Hétérogène Mémoire-Logique

Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) reste également contraint par la complexité de fabrication. Lorsque la logique, la mémoire et les couches d'interconnexion empilées sont intégrées dans un seul système, la gestion du rendement devient plus difficile que dans la production standard de logique seule ou de DRAM seule. IBM Research a rapporté à l'IEDM 2025 que les dispositifs PCM de type disque pour le calcul analogique en mémoire avaient atteint un faible courant de programmation et une large fenêtre de résistance, tout en traitant la variation de processus et la méthodologie de rendement comme des problèmes d'ingénierie actifs. La mise à jour des échantillons HBM4E de Samsung Semiconductor en mai 2026 a également montré que les produits mémoire avancés combinent désormais une pile mémoire avec une puce de base logique en 4nm, ajoutant une complexité de processus et de qualification à la commercialisation. Ces facteurs peuvent allonger les calendriers de montée en puissance, resserrer l'offre et maintenir des prix premium pendant la phase de croissance initiale. Pour le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM), les progrès de fabrication sont donc aussi importants que les progrès architecturaux.

*Nos prévisions considèrent les impacts des moteurs et des contraintes comme directionnels et non additifs. Les prévisions d'impact reflètent la croissance de référence, les effets de composition et les interactions entre variables.

Analyse des Segments

Par Composant : Le Matériel Domine les Revenus Tandis que le Logiciel Croît le Plus Rapidement

Le matériel CIM et PIM représentait 83,45 % des revenus en 2025, indiquant que les dépenses initiales sur le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) restaient concentrées sur les circuits intégrés et la construction de plateformes. Ce schéma reflète l'intensité capitalistique de la conception de puces, du packaging et de l'intégration mémoire, surtout lorsque la demande provient encore largement des programmes d'infrastructure d'IA et des développeurs de systèmes spécialisés. La prédominance du matériel s'aligne également sur le stade actuel de commercialisation, où les clients valident les architectures de base avant que la standardisation logicielle à grande échelle ne devienne réalisable. Dans le même temps, la répartition des revenus indique un marché qui est encore en train de constituer sa base installée plutôt qu'un marché ayant déjà évolué vers un modèle logiciel récurrent à grande échelle. Cette base installée est importante car elle crée l'empreinte technique sur laquelle les revenus logiciels et de services ultérieurs pourront se développer.

Le segment de la pile logicielle devrait croître à 41,56 % jusqu'en 2031, ce qui en fait le composant à la croissance la plus rapide du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). Cette croissance reflète la demande croissante de compilateurs, d'outils de mappage de modèles, de couches d'abstraction matérielle et de frameworks de déploiement capables de connecter le matériel spécialisé centré sur la mémoire aux charges de travail d'IA en production. La même tendance est visible dans l'activité de recherche, où le support logiciel devient nécessaire pour que les plateformes analogiques et numériques dépassent les configurations de laboratoire.^{[2]IEEE A-SSCC, "A 28 nm 68.6TOPS/W Folded-Differential Switched-Capacitor FIA-Based SRAM CIM Macro With Scalable MAC Sizes for Tiny-ML Inference," IEEE A-SSCC 2025, doi.org} Les services restent plus modestes, mais ils ont une réelle valeur stratégique car de nombreuses entreprises manquent de l'expertise interne nécessaire pour intégrer de nouvelles architectures mémoire dans des systèmes automobiles, industriels et sensibles à la sécurité. Au fil du temps, le secteur du calcul en mémoire (CIM) et du traitement en mémoire (PIM) devrait passer d'un modèle de revenus dominé par le matériel à un modèle d'économie de plateforme plus complet, mais la répartition actuelle montre que les circuits intégrés ancrent encore la demande commerciale.

Par Technologie de Mémoire : La SRAM est en Tête mais la HBM Redéfinit les Priorités de Croissance

Le CIM basé sur SRAM détenait 62,73 % de la part du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) en 2025 dans la catégorie technologie de mémoire, soutenu par une forte compatibilité CMOS et une base de conception numérique plus mature. Cette avance reflète les avantages pratiques de la SRAM pour un fonctionnement déterministe, un comportement de cellule binaire connu et un alignement plus facile avec les procédés semiconducteurs conventionnels. L'IEEE A-SSCC 2025 a rapporté un macro CIM SRAM en 28nm atteignant 68,6 TOPS/W pour l'inférence tiny-ML, soutenant l'argument en faveur de la SRAM dans les applications d'inférence sensibles à l'énergie. Nature a également publié en 2025 le processeur d'IA de calcul en mémoire à mémristeur et SRAM à précision mixte d'IBM, montrant comment les approches hybrides peuvent dépasser les limites des conceptions SRAM pures. Ensemble, ces résultats expliquent pourquoi la SRAM reste la technologie de base dominante sur le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM), même si d'autres substrats gagnent en dynamisme.

Le PIM basé sur HBM devrait croître à 41,73 % jusqu'en 2031, ce qui en fait la technologie de mémoire à la croissance la plus rapide dans la composition de la taille du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). Cette trajectoire de croissance est liée à la demande hyperscale de mémoire à haute densité de bande passante capable de gérer davantage de fonctions de type calcul dans les environnements d'accélérateurs d'IA. L'expédition d'échantillons HBM4E de Samsung Semiconductor en mai 2026, avec une bande passante de 3,6 To/s par pile et une puce de base logique en 4nm, a démontré comment la feuille de route commerciale évolue vers un couplage mémoire-logique plus étroit. D'autres types de mémoire continuent de définir des voies spécialisées : la MRAM prend en charge le stockage en périphérie non volatile, et la ReRAM ou la PCM prend en charge les opérations matricielles analogiques lorsque l'inférence à faible consommation est une priorité. Cela laisse le secteur du calcul en mémoire (CIM) et du traitement en mémoire (PIM) avec un paysage technologique stratifié plutôt qu'un substrat gagnant unique.

Par Application : L'IA et le ML Détiennent la Plus Grande Base Tandis que les Centres de Données se Développent le Plus Rapidement

L'IA et le ML représentaient 48,35 % de la demande applicative en 2025, faisant de ce segment le plus grand contributeur au marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). Cette position reflète là où la plupart des travaux de conception actuels et des dépenses d'infrastructure restent concentrés, car les charges de travail de réseaux neuronaux exposent directement le coût du déplacement répété des poids entre la mémoire et les blocs de calcul. Les architectures centrées sur la mémoire répondent bien à ce besoin car les tâches d'IA à forte intensité matricielle bénéficient souvent d'une surcharge de déplacement réduite et d'une meilleure efficacité énergétique. Par conséquent, l'IA et le ML continuent d'ancrer à la fois la demande commerciale et les feuilles de route techniques sur l'ensemble du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). Cela offre également la voie la plus claire pour que les fournisseurs démontrent des avantages de performance avant de s'étendre à des cas d'usage plus larges.

Les centres de données et l'infrastructure d'IA hyperscale devraient croître à 41,83 % jusqu'en 2031, ce qui en fait le domaine d'application à la croissance la plus rapide sur le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). Cela reflète la pression croissante sur les opérateurs pour augmenter le débit d'inférence dans des enveloppes de puissance fixes et des budgets thermiques limités au niveau des baies. La voie de diversification devient également plus claire, car l'IA en périphérie, l'automobile, l'automatisation industrielle, la robotique et l'IoT continuent de stimuler l'adoption de conceptions centrées sur la mémoire pour des cibles de latence et d'énergie variables. BrainChip a annoncé en juin 2026 qu'il avait atteint la disponibilité commerciale et commencé les premières expéditions de production de ses processeurs neuromorphiques Akida AKD1500, démontrant que les architectures événementielles à faible consommation entrent dans des déploiements réels. Renesas a également annoncé en février 2026 que son SoC ADAS R-Car V4H avait été sélectionné pour l'unité de contrôle du nouveau modèle RAV4 de Toyota, fourni par Denso, ce qui soutient le traitement d'IA intensif en mémoire dans les systèmes automobiles en volume.

Analyse Géographique

L'Amérique du Nord détenait 42,77 % de la part du marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) en 2025, ce qui en fait la plus grande base régionale. Cette position est liée à la concentration de l'infrastructure d'IA hyperscale, aux investissements avancés en mémoire et aux liens étroits entre les développeurs de modèles et les fournisseurs de semiconducteurs. En juillet 2026, Micron a annoncé qu'il avait accéléré ses investissements prévus aux États-Unis à plus de 250 milliards USD d'ici 2035 et qu'il avait achevé le premier coulage de béton sur son site de Clay, dans l'État de New York, avec plus d'un trimestre d'avance sur le calendrier. Les opérateurs nord-américains accordent également une plus grande importance aux performances par watt, ce qui renforce l'argument commercial en faveur des architectures réduisant les déplacements répétés à travers l'interface mémoire. Le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) dans cette région bénéficie donc à la fois de la profondeur des capitaux et d'un besoin direct en infrastructure.

L'Asie-Pacifique devrait croître à 42,14 % jusqu'en 2031, ce qui en fait la géographie à la croissance la plus rapide sur le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM). La région combine le leadership en fonderie, les capacités d'emballage avancé, la production de mémoire à haute bande passante et un soutien public actif à la recherche en semiconducteurs. La mise à jour technologique de TSMC en juin 2026 a décrit une feuille de route CoWoS s'étendant à des empreintes d'intégration plus grandes et une voie SoIC vers un empilement de puces plus étroit, les deux étant importants pour les conceptions de mémoire centrées sur les chiplets.^{[3]TSMC, "TSMC Debuts A13 Technology at 2026 North America Technology Symposium," TSMC, tsmc.com} L'expédition d'échantillons HBM4E de Samsung Semiconductor a encore renforcé le rôle central de l'Asie-Pacifique dans l'exécution de la feuille de route commerciale de la mémoire. Le Japon ajoute une dimension automobile et périphérique distincte grâce au soutien de la recherche publique, notamment les travaux CMOS et MRAM à spintronique financés par la NEDO et les recherches de l'Université de Tokyo sur le CiM basé sur ReRAM durable.

L'Europe et le reste du monde restent plus modestes en termes de revenus actuels, mais ils comptent toujours pour le marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) car ils ajoutent d'importantes voies de demande orientées vers l'automobile, l'industrie et la défense. L'activité européenne est concentrée dans l'IA en périphérie, l'électronique automobile et la commercialisation liée à la recherche. Mythic a annoncé en mai 2026 qu'il avait acquis Videantis, une société allemande de propriété intellectuelle de processeurs numériques avec une large pénétration automobile, pour combiner le calcul analogique en mémoire avec le traitement numérique dans une plateforme hybride. Cette démarche offre au marché du calcul en mémoire (CIM) et du traitement en mémoire (PIM) une voie plus claire vers les programmes automobiles et robotiques européens grâce à une empreinte de propriété intellectuelle de processeur existante.