Pendant des années, à peu près toute l’intelligence artificielle de pointe tournait sur des puces Nvidia. Ce monopole de fait est en train de se fissurer : Google pousse désormais ses propres processeurs, les TPU (Tensor Processing Units), hors de son propre cloud, et de grands noms de l’IA s’y intéressent sérieusement.
Oracle ouvre la porte aux puces de Google
Oracle Cloud Infrastructure a annoncé qu’elle proposera, à partir de l’année prochaine, des TPU Google à ses clients professionnels. C’est une première : jusqu’ici, ces puces conçues par Google n’étaient disponibles que sur l’infrastructure cloud de Google lui-même. Oracle prévoit aussi d’intégrer des puces d’inférence d’autres fournisseurs comme OpenAI, Cerebras, SambaNova ou Positron AI, dans une logique explicite de diversification plutôt que de rupture avec Nvidia.
Signe que le mouvement dépasse le simple effet d’annonce : OpenAI, pourtant l’un des plus gros clients de Nvidia, chercherait activement des ingénieurs capables d’adapter ses modèles aux TPU. La dépendance à un seul fournisseur de puces, dans un marché où la demande dépasse largement l’offre, devient un vrai risque industriel pour les entreprises d’IA.
Des puces pensées pour l’IA à très grande échelle
Google a présenté sa huitième génération de TPU, déclinée en deux versions : le TPU 8t, taillé pour l’entraînement des modèles, et le TPU 8i, dédié à l’inférence. Ce dernier embarque jusqu’à 384 Mo de mémoire SRAM par unité, ce qui lui permet de faire tourner simultanément un très grand nombre d’agents IA sans perte de vitesse. Du côté entraînement, Google avance un gain concret : certains cycles de développement de modèles, qui prenaient plusieurs mois, pourraient se réduire à quelques semaines.
Meta, de son côté, étudierait un déploiement de ces puces dans ses propres centres de données à partir de 2027. Un indice supplémentaire que le marché des processeurs d’IA ne se résume plus à un face-à-face entre Nvidia et AMD.
Ce que ça change concrètement
Pour les entreprises qui achètent de la puissance de calcul IA, l’enjeu n’est pas idéologique mais très pratique :
- Moins de dépendance à un seul fournisseur en cas de pénurie de composants
- Une pression concurrentielle qui pourrait, à terme, peser sur les prix de la puissance de calcul
- Un choix élargi entre plusieurs architectures selon l’usage (entraînement, inférence, agents IA)
Nvidia reste toutefois loin d’être menacé à court terme : l’entreprise affirme garder une génération d’avance technique, et l’écosystème logiciel CUDA, construit depuis près de vingt ans, reste un avantage difficile à copier. La bascule, si elle a lieu, se jouera sur plusieurs années, pas en quelques mois.
Reste que pour la première fois depuis longtemps, un acteur propose une alternative crédible, testée à grande échelle par des clients extérieurs à son propre cloud. De quoi suivre de près l’évolution du marché des puces pour l’intelligence artificielle, un secteur qui pèse chaque mois davantage sur toute l’informatique mondiale — jusqu’aux infrastructures qui font tourner l’internet au quotidien.
Questions fréquentes
Qu’est-ce qu’un TPU, concrètement ?
Un TPU (Tensor Processing Unit) est un processeur conçu spécifiquement par Google pour les calculs utilisés par l’intelligence artificielle, notamment l’entraînement et l’exécution de modèles de deep learning. À la différence d’une puce généraliste, il est optimisé pour ce seul type d’opérations.
Nvidia va-t-il perdre sa position dominante ?
Pas dans l’immédiat. Nvidia revendique toujours une avance technologique et bénéficie d’un écosystème logiciel très installé. Les TPU gagnent du terrain comme alternative complémentaire, pas comme remplacement généralisé à court terme.
Pourquoi Oracle propose-t-il les puces d’un concurrent cloud ?
Oracle explique ce choix par la tension sur l’approvisionnement en puces IA : face à une demande qui dépasse l’offre, diversifier les architectures disponibles permet de mieux répondre aux besoins de ses clients professionnels.
Sources
Cet article a été rédigé avec l’aide d’une intelligence artificielle. Politique éditoriale
