Nvidia a réglé un litige qui a débuté lorsqu'un ancien employé est arrivé dans l'entreprise avec des secrets commerciaux liés à la conduite autonome qu'il avait dérobés lors de son précédent emploi chez Valeo.
L'accord a été rendu public par un document déposé auprès du tribunal fédéral de San José, où les deux parties ont indiqué au juge avoir réglé leur différend. Le tribunal a alors annulé le procès, initialement prévu le mois suivant.
Aucun terme n'a été divulgué et aucune des parties n'a précisé les points sur lesquels elle s'était entendue, mais le différend est né d'un projet commun pour Mercedes-Benz, où les deux entreprises travaillaient sur des technologies pour des fonctionnalités de conduite avancées.
En 2021, Valeo a indiqué qu'un de ses ingénieurs avait quitté l'entreprise pour rejoindre Nvidia , puis avait intégré les équipes internes de ce fabricant de puces. Lors d'une visioconférence, des employés de Valeo ont repéré leur code source, reproduit à l'identique, sur son écran et ont pris une capture d'écran avant qu'il ne ferme la fenêtre.
Cet événement est devenu le point central d'une plainte déposée par Valeo en 2023, accusant Nvidia d'avoir tiré profit de données qui n'auraient jamais dû quitter ses serveurs.
Le juge renvoie l'affaire après avoir examiné les preuves.
Dans un communiqué, Nvidia a rejeté l'accusation selon laquelle l'entreprise aurait utilisé du code volé pour développer son système d'aide au stationnement. Elle a affirmé avoir annulé toutes les modifications apportées par l'ingénieur Mohammad Moniruzzaman.
Nvidia a déclaré avoir également rompu ses liens avec Mohammad une fois l'affaire confirmée. Mohammad a par la suite été condamné en Allemagne pour violation de secrets commerciaux liés au logiciel de Valeo.
Un juge a examiné le dossier de découverte et a déclaré qu'il y avait suffisamment de preuves « circonstancielles » pour permettre à un jury d'entendre l'affaire.
Cette décision, rendue en août, a permis à Valeo de faire valoir que Nvidia avait tiré profit des fichiersdent. L'affaire a été portée devant la Cour de district des États-Unis pour le district nord de la Californie sous le nom de Valeo Schalter und Sensoren GmbH c. Nvidia Corp., n° 23-cv-05721.
Google mise sur la prise en charge des TPU pour concurrencer Nvidia
Alors que Nvidia mettait fin à son conflit juridique avec Valeo, Google s'apprête à lui ravir la vedette, en développant activement une nouvelle initiative au sein de l'entreprise, baptisée TorchTPU, afin d'améliorer la capacité de ses puces à exécuter PyTorch, le framework logiciel d'IA le plus répandu au monde.
Lors de la réunion du troisième trimestre, le PDG d'Alphabet, Sundar Pichai, a déclaré aux actionnaires que son objectif était de supprimer les obstacles qui incitaient les développeurs à rester fidèles au matériel Nvidia.
Google souhaite que ses unités de traitement tensoriel (TPU) constituent une véritable alternative aux GPU Nvidia, qui dominent encore les installations de centres de données pour les tâches d'apprentissage automatique. Les ventes de TPU alimentent les revenus cloud de Google, et l'entreprise souhaite que les investisseurs constatent un retour sur investissement de son budget IA.
TorchTPU vise à rendre les TPU entièrement compatibles avec les outils déjà utilisés par les développeurs. Certaines équipes chez Google envisagent également de rendre open source certaines parties du logiciel afin d'accélérer son adoption.
PyTorch, largement soutenu par Meta, est au cœur du développement de l'IA moderne. Dans la Silicon Valley, rares sont les ingénieurs qui écrivent des instructions de bas niveau pour les puces de Nvidia, AMD ou Google. Ils s'appuient plutôt sur des frameworks proposant du code prêt à l'emploi.
PyTorch a été lancé en 2016 et s'est développé parallèlement à CUDA, la pile logicielle qui, selon de nombreux analystes, protège Nvidia de ses concurrents.
Les équipes de Nvidia ont consacré des années à optimiser le fonctionnement de PyTorch sur leurs puces. Google, en revanche, a formé ses ingénieurs à Jax, associé à un outil appelé XLA pour améliorer les performances sur les TPU.
Cette approche interne a creusé un fossé entre la façon dont Google conçoit ses systèmes d'IA et la manière dont les clients développent leurs modèles. TorchTPU vise à combler cet écart et à inciter les entreprises à migrer leurs charges de travail hors du matériel Nvidia.
