Le système Gemini de Google, alimenté par TPU, met OpenAI en alerte 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 lors de testsdent , écrasant simultanément OpenAI et Nvidia.

Gemini 3 s'exécutait principalement sur les unités de traitement tensoriel de Google, et non sur les GPU de Nvidia. Après la publication des résultats, Sam Altman a demandé à ses équipes de se recentrer sur la correction de ChatGPT et de ses modèles principaux.

Cette décision fait suite à ce qu'OpenAI a qualifié de « situation critique » la semaine dernière. Parallèlement, des analystes ont indiqué que Google prévoyait de plus que doubler sa production de TPU d'ici 2028, face à une demande croissante de puces d'IA développées en interne.

Google étend sa production de puces et se lance dans la vente externe.

Google prévoit désormais d'étendre l'utilisation des TPU au-delà de son propre cloud. Un récent contrat a à lui seul permis d'acquérir un million de TPU pour Anthropic, une opération évaluée à plusieurs dizaines de milliards de dollars. Ce seultraca ébranlé les investisseurs de Nvidia.

Le problème est simple : si Google vend davantage de TPU à des entreprises externes, Nvidia risque de subir une perte directe de demande de la part des centres de données.

Les analystes de SemiAnalysis classent désormais les TPU comme étant au coude à coude avec Nvidia pour l'entraînement et l'exécution de systèmes d'IA avancés. Morgan Stanley estime que chaque tranche de 500 000 TPU vendue 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, un chiffre qui devrait passer à 5 millions en 2027 et à 7 millions en 2028. Les analystes estiment que la croissance en 2027 semble désormais plustronque prévu.

Google conçoit ses processeurs principalement avec Broadcom, avec le soutien de MediaTek. L'entreprise affirme que son avantage concurrentiel réside dans la maîtrise totale du matériel, des logiciels et des modèles d'IA au sein d'un même système. Koray Kavukcuoglu, architecte IA chez Google et directeur technique de DeepMind, a déclaré : « Le plus important, c'est cette approche intégrée. Je pense que nous avons une approche unique à ce niveau. »

Il a également indiqué que les données de Google provenant de milliards d'utilisateurs lui confèrent une connaissance approfondie du fonctionnement de Gemini dans des produits tels que la recherche et les aperçus de l'IA.

L'action Nvidia a chuté le mois dernier après la publication d'un article de The Information révélant que Meta avait entamé des discussions avec Google concernant l'achat de TPU. Meta s'est refusé à tout commentaire. Les analystes estiment désormais que Google pourrait conclure des accords d'approvisionnement similaires avec OpenAI, xAI (la société d'Elon Musk) ou Safe Superintelligence, ce qui pourrait générer des revenus supplémentaires dépassant les 100 milliards de dollars sur plusieurs années.

Nvidia se défend tandis que l'affaire TPU prend une tournure plus inquiétante.

Après la chute du cours de l'action, Nvidia a réagi. L'entreprise a affirmé rester « une génération en avance sur le secteur » et « la seule plateforme capable d'exécuter tous les modèles d'IA ». Elle a également déclaré : « Nous continuons de fournir Google. » Nvidia a ajouté que ses systèmes offrent « des performances, une polyvalence et une fongibilité supérieures » aux TPU, qui, selon elle, ciblent des frameworks spécifiques.

Parallèlement, les développeurs bénéficient désormais d'outils facilitant la transition depuis le logiciel CUDA de Nvidia. Les outils de programmation IA permettent de réécrire plus rapidement les charges de travail pour les systèmes TPU, ce qui supprime l'un destronmécanismes de verrouillage de Nvidia.

L'histoire des TPU a commencé bien avant l'essor actuel de l'IA. En 2013, Jeff Dean, directeur scientifique de Google, a donné une conférence interne suite à une avancée majeure dans le domaine des réseaux neuronaux profonds pour les systèmes vocaux. Jonathan Ross, alors ingénieur matériel chez Google, se souvient de ce moment : « La première diapositive annonçait une bonne nouvelle : l'apprentissage automatique fonctionne enfin. La deuxième, une mauvaise : nous n'avons pas les moyens de nous le permettre. » Dean a calculé que si des centaines de millions d'utilisateurs interagissaient avec Google pendant trois minutes par jour, la capacité des centres de données devrait doubler, pour un coût de plusieurs dizaines de milliards de dollars.

Ross a commencé à développer la première TPU en parallèle de son travail au sein de l'équipe vocale en 2013. « Nous avons construit cette première puce avec une quinzaine de personnes », a-t-il déclaré en décembre 2023. Ross dirige aujourd'hui Groq, une entreprise spécialisée dans les puces d'IA.

En 2016, AlphaGo a vaincu le champion du monde de go, Lee Sedol, et ce match historique a marqué une étape majeure dans le domaine de l'intelligence artificielle. Depuis, les TPU alimentent les systèmes de recherche, de publicité et YouTube de Google.

Auparavant, Google mettait à jour ses TPU tous les deux ans, mais ce cycle est passé à une mise à jour annuelle il y a deux ans, en 2023.

Un porte-parole de Google a indiqué que la demande est en hausse sur les deux fronts. « Google Cloud constate une demande croissante pour ses TPU personnalisés et ses GPU Nvidia. Nous continuerons à prendre en charge les deux », a déclaré l'entreprise.