Caijing 2026-11-10 07:54:22 Écouter l'actualité
Auteur : Liu Xiaojie ; Éditeur : Ning Jiayan
Google accélère le rythme d'itération de ses puces IA. Le 9 novembre, heure locale, Google a annoncé le lancement de deux nouveaux TPU (Tensor Processing Units) : le TPU 8tx et le TPU 8i Max, respectivement dédiés à l'inférence sécurisée et confidentielle et au traitement de contextes extrêmement longs.

Il s'agit de la deuxième mise à jour du portefeuille de TPU par Google cette année, et la première fois qu'il lance quatre TPU en une seule année. Contrairement aux précédentes mises à jour qui se concentraient principalement sur l'amélioration des performances de calcul, Google met désormais l'accent sur les besoins générés par les agents d'IA ; le blog affirme que les nouveaux TPU sont « conçus spécifiquement pour l'ère des agents ».
Parmi ceux-ci, le TPU 8tx se distingue par une sécurité des données au niveau matériel, permettant d'exécuter et d'entraîner des modèles d'IA tout en traitant des données sensibles ; le TPU 8i Max, quant à lui, double la puissance de calcul, la capacité mémoire et la bande passante mémoire par rapport au TPU 8i grâce à une conception à deux puces, afin de prendre en charge des contextes de plusieurs millions de tokens.
À l'ouverture des marchés américains le 9 novembre, Google (GOOGL.US) a progressé de près de 4 %, puis la hausse s'est atténuée ; à la clôture, Google a augmenté de 1,18 % à 288,15 dollars par action, pour une capitalisation boursière de 3,54 billions de dollars.
Lors de la conférence Google Cloud Next en avril de cette année, Google a lancé deux TPU de huitième génération : le TPU 8t dédié à l'entraînement de grands modèles et le TPU 8i optimisé pour l'inférence en temps réel. Les deux nouveaux TPU présentés aujourd'hui sont encore mieux adaptés aux problèmes spécifiques des applications d'IA entreprises.
Les données d'entreprise sont généralement chiffrées lors de leur stockage et de leur transmission réseau, mais lors du traitement réel sur un ordinateur, elles doivent souvent être déchiffrées, ce qui présente un risque de sécurité potentiel. Selon Google, le TPU 8tx intègre directement les capacités de sécurité au niveau matériel, permettant de protéger les données sensibles et les poids du modèle même pendant le calcul. Cette fonctionnalité est particulièrement adaptée aux clients exigeant un haut niveau de sécurité des données, tels que les institutions financières et les administrations publiques.
L'autre produit, le TPU 8i Max, résout le problème du mur de mémoire dans l'industrie de l'IA. À mesure que les agents d'IA passent de réponses simples à l'exécution de tâches complexes, l'efficacité de calcul est davantage limitée par la capacité de la mémoire à fournir des données au processeur en temps voulu. Pour résoudre ce problème, Google a intégré deux puces TPU 8i dans un même package, doublant ainsi sa puissance de calcul et sa bande passante HBM. Google indique que cette conception s'adresse principalement aux besoins en fenêtres de contexte très larges et en calcul à haute densité.
La commercialisation des TPU de Google s'accélère. Amin Vahdat, vice-président senior et chef technologue de Google, a déclaré que les TPU sont devenus une activité à croissance rapide, comptant actuellement près de 100 clients, notamment des laboratoires d'IA de pointe, des sociétés de trading, des détaillants et des universités.
Par le passé, le modèle économique des TPU de Google consistait principalement à fournir des services de puissance de calcul aux clients externes via Google Cloud. En avril de cette année, Google a annoncé pour la première fois qu'il vendrait directement des systèmes TPU à certains clients, leur permettant de les déployer dans leurs propres centres de données.
Au deuxième trimestre, Google a indiqué avoir achevé les premières livraisons. Dans son dernier rapport financier du troisième trimestre, Google a ajouté que les ventes de TPU constituent l'une des principales sources de croissance des revenus du cloud, avec une croissance significative des revenus associés prévue pour 2027.
Google est également l’un des plus grands clients de TPU dans le domaine des grands modèles. En octobre 2025, l’entreprise de grands modèles Anthropic a annoncé l’élargissement de son partenariat avec Google Cloud, prévoyant l’utilisation de jusqu’à un million de TPU, pour un accord d’une valeur de plusieurs centaines de milliards de dollars. En avril de cette année, Anthropic a à nouveau annoncé un élargissement de son partenariat avec Google et Broadcom, ajoutant plusieurs gigawatts de puissance de calcul TPU de prochaine génération.
OpenAI envisage également d'acheter des TPU de Google. Fin octobre, il a été rapporté qu'OpenAI prévoyait d'acquérir des puces AI de Google afin de réduire sa dépendance aux GPU NVIDIA. De plus, le site web d'OpenAI recrute actuellement des ingénieurs en compilateur TPU chargés d'optimiser les performances de ses modèles de pointe sur TPU. Toutefois, ce projet d'achat n'a pas encore été officiellement confirmé.
À la fin d'octobre, Google a également annoncé un partenariat avec Oracle, prévoyant de proposer via les services cloud d'Oracle une puissance de calcul TPU à partir de 2027. Oracle deviendra le premier fournisseur de cloud à grande échelle autre que Google à offrir des TPU.
Bien que NVIDIA conserve une position importante sur le marché des ressources de calcul pour l’IA, Google tente de défier NVIDIA en élargissant son espace de marché grâce à davantage de produits et de canaux de distribution.
Cependant, pour concurrencer NVIDIA, Google ne peut pas se contenter de performances matérielles. L'un des principaux atouts de NVIDIA est son écosystème logiciel CUDA, accumulé sur le long terme. CUDA est une plateforme de calcul parallèle et un modèle de programmation développés par NVIDIA, et constituent la base essentielle pour de nombreux développeurs d'IA utilisant des GPU. Si une entreprise souhaite passer à une autre plateforme de puces, elle doit souvent assumer des coûts supplémentaires liés à l'adaptation et à la migration logicielles.
Google tente également de résoudre ce problème. Dans cette publication, Google met en avant les progrès ouverts de l'écosystème logiciel TPU. Le mois dernier, Google a open-sourcé TorchTPU, permettant aux codes PyTorch et aux modèles Hugging Face de s'exécuter directement sur les TPU sans nécessiter de réécriture du code. Par ailleurs, Google offre une prise en charge TPU pour les principaux frameworks d'inférence open source, dans le but de réduire les barrières à l'utilisation des TPU pour les développeurs par divers moyens.
La concurrence sur les puces AI est multidimensionnelle, incluant l'écosystème logiciel et matériel, la flexibilité de déploiement et le coût de calcul global. Il faudra encore que le marché et le temps valident si Google pourra remporter davantage de commandes.
Cependant, un autre avantage pour lequel Google est largement apprécié est son « AI stack complet » : il est à la fois concepteur de puces AI, développeur de grands modèles et fournisseur de services cloud, capable de combiner le développement de puces, de logiciels et de modèles.
Dans ce billet de blog, Google mentionne que les modèles Gemini entraînés sur TPU contribuent également à accélérer le développement des prochaines générations de TPU. « L'équipe utilise le système d'apprentissage par renforcement AlphaChip ainsi que les modèles Gemini pour aider à la conception de la disposition des puces, réduisant certaines tâches qui prenaient plusieurs semaines à quelques heures seulement. » La coopération entre logiciel et matériel constitue un avantage concurrentiel différenciant que Google cherche à établir.
Auteur de l'article


