Le Gemini alimenté par le TPU de Google force OpenAI en code rouge tandis que Nvidia recule

Google vient de déclencher une réinitialisation brutale dans la guerre du matériel d'IA, après que ses puces TPU ont poussé Gemini 3 au-delà de GPT-5 dans des tests indépendants, écrasant à la fois OpenAI et Nvidia en pleine figure en même temps.

Gemini 3 a fonctionné principalement sur les unités de traitement tensoriel (TPU) de Google, et non sur les GPU Nvidia. Après la publication des résultats, Sam Altman a demandé au personnel de recentrer ses efforts sur la correction de ChatGPT et de ses modèles principaux.

Cette décision fait suite à ce qu'OpenAI a qualifié de moment « code rouge » la semaine dernière. Parallèlement, des analystes ont indiqué que Google prévoit de plus que doubler sa production de TPU d'ici 2028, alors que la demande pour ses puces IA internes ne cesse de croître.

Google intensifie la production de puces et se lance dans les ventes externes

Google prévoit désormais d'aller au-delà de l'utilisation exclusive des TPU dans son propre cloud. Un seul contrat récent a envoyé 1 million de TPU à Anthropic, une opération évaluée à plusieurs dizaines de milliards de dollars. Ce contrat unique a secoué les investisseurs de Nvidia.

La crainte est simple : si Google vend davantage de TPU à des entreprises extérieures, Nvidia risque de perdre directement une partie de la demande en centres de données.

Les analystes de SemiAnalysis classent désormais les TPU « à égalité avec Nvidia » tant pour l'entraînement que pour l'exécution de systèmes IA avancés. Morgan Stanley estime que la vente de 500 000 TPU à des acheteurs externes pourrait générer jusqu'à 13 milliards de dollars de revenus pour Google.

La banque prévoit également que TSMC produira 3,2 millions de TPU l'année prochaine, portant ce chiffre à 5 millions en 2027 et 7 millions en 2028. Les analystes estiment que la croissance en 2027 semble désormais plus forte que les prévisions initiales.

Google conçoit ses processeurs principalement avec Broadcom, avec un soutien supplémentaire de MediaTek. L'entreprise affirme que son avantage réside dans un contrôle vertical total sur le matériel, les logiciels et les modèles IA au sein d'un même système. Koray Kavukcuoglu, architecte IA de Google et CTO de DeepMind, a déclaré : « La chose la plus importante est cette approche de la pile complète. Je pense que nous avons une approche unique à cet égard. »

Il a également ajouté que les données de Google, issues de milliards d'utilisateurs, lui offrent une compréhension approfondie du fonctionnement de Gemini à travers des produits tels que Search et les Résumés IA.

Les actions de Nvidia ont baissé le mois dernier après que The Information ait rapporté que Meta avait entamé des discussions avec Google pour l'achat de TPU. Meta a refusé de commenter. Les analystes estiment désormais que Google pourrait conclure des accords d'approvisionnement similaires avec OpenAI, xAI d'Elon Musk ou Safe Superintelligence, avec un potentiel de revenus supplémentaires dépassant les 100 milliards de dollars sur plusieurs années.

Nvidia se défend alors que l'histoire des TPU s'enracine plus profondément

Nvidia a réagi vigoureusement après la vente massive. L'entreprise a affirmé rester « une génération en avance sur l'industrie » et « la seule plateforme capable d'exécuter tous les modèles IA ». Elle a également précisé : « Nous continuons à fournir Google. » Nvidia a ajouté que ses systèmes offrent « de meilleures performances, polyvalence et interopérabilité » que les TPU, qu'elle décrit comme ciblant des frameworks spécifiques.

Parallèlement, les développeurs disposent désormais d'outils facilitant le passage loin du logiciel CUDA de Nvidia. Les outils de codage IA aident désormais à réécrire les charges de travail pour les systèmes TPU plus rapidement qu'auparavant. Cela élimine l'une des défenses de verrouillage les plus solides de Nvidia.

L'histoire du TPU a commencé bien avant le boom de l'IA d'aujourd'hui. En 2013, Jeff Dean, le scientifique en chef de Google, a donné une présentation interne après une percée dans les réseaux neuronaux profonds pour les systèmes de parole. Jonathan Ross, alors ingénieur matériel chez Google, a rappelé le moment. « La première diapositive était une bonne nouvelle, l'apprentissage automatique fonctionne enfin. La diapositive deux disait mauvaise nouvelle, nous ne pouvons pas nous le permettre. » Dean a calculé que si des centaines de millions d'utilisateurs parlaient à Google pendant trois minutes par jour, la capacité des centres de données devrait doubler au coût de dizaines de milliards de dollars.

Ross a commencé à développer le premier TPU en 2013 dans le cadre d'un projet parallèle, alors qu'il était assis près de l'équipe de traitement de la parole. « Nous avons construit cette première puce avec environ 15 personnes », a-t-il déclaré en décembre 2023. Ross dirige désormais l'entreprise de puces IA Groq.

En 2016, AlphaGo a vaincu le champion du monde de Go Lee Sedol, et ce match historique est devenu une étape majeure de l'IA. Depuis lors, les TPU alimentent les systèmes de recherche, de publicité et YouTube de Google depuis des années.

Google mettait à jour ses TPU tous les deux ans, mais ce cycle a été modifié pour devenir annuel il y a 2 ans, en 2023.

Un porte-parole de Google a déclaré que la demande augmente dans les deux domaines. « Google Cloud observe une demande croissante pour nos TPU personnalisés et les GPU Nvidia. Nous continuerons à soutenir les deux », a précisé l'entreprise.