Les TPUs de Google : Une menace pour NVIDIA
En 2013, Jeff Dean, un des responsables de Google, a pris conscience d’une problématique majeure. Si chaque utilisateur d’Android utilisait sa nouvelle fonction de recherche vocale pendant seulement trois minutes par jour, Google devrait doubler le nombre de ses centres de données pour gérer cette charge de travail. Face à cette urgence, l’entreprise a décidé de concevoir ses propres puces.
Naissance des TPU
C’est ainsi qu’est née la Tensor Processing Unit (TPU), un ASIC spécialement conçu pour exécuter les réseaux neuronaux de Google. En 2015, sans que le monde s’en rende compte, ces premières TPU ont commencé à accélérer des services tels que Google Maps, Google Photos et Google Translate. Aujourd’hui, dix ans plus tard, ces TPUs sont devenues une menace inattendue pour NVIDIA, le leader indiscuté du marché.
Les TPUs : Un changement de paradigme
Traditionnellement, les entreprises d’IA se tournaient vers les puces avancées de NVIDIA pour l’entraînement de leurs modèles. Cependant, les temps changent. Deux événements récents marquent une réelle transition. D’abord, le lancement du modèle Claude Opus 4.5 d’Anthropic, qui combine la puissance des TPU de Google avec d’autres technologies. Ensuite, le modèle IA Gemini 3, exclusivement entraîné avec les nouvelles TPUs Ironwood, a fait forte impression.
Performance et efficacité
Les TPUs Ironwood, en leur septième génération, se distinguent par leur efficacité. Elles atteignent jusqu’à 4,614 TFLOPS, un bond extraordinaire par rapport aux 459 TFLOPS des modèles de 2023. En plus, leur performance en FLOPS par watt a doublé par rapport à son prédécesseur, ce qui souligne le sérieux des progrès réalisés par Google.
Une stratégie d’ouverture en 2025
En 2025, Google a radicalement changé de stratégie, permettant l’accès aux TPUs à des tiers. L’accord avec OpenAI et surtout avec Anthropic marque un tournant. Google ne se limite plus à la location de capacités cloud, mais vend aussi son matériel physique. Ce partenariat comprend un million de TPUs, facilitant ainsi l’usage de cette technologie à une plus large échelle.
Compétitivité et coûts réduits
La TPUv7 Ironwood est déjà comparable aux chips de NVIDIA en termes de performance. Cependant, l’avantage réside dans le coût. Le coût total de possession d’un serveur Ironwood est estimé à 44 % inférieur à celui d’un serveur NVIDIA, ce qui permet à Google d’offrir des tarifs attractifs.
L’avenue vers le futur : Réduction de l’écart avec CUDA
Le véritable défi réside dans le logiciel. NVIDIA domine avec CUDA, mais Google commence à combler cet écart en privilégiant le support natif de PyTorch sur ses TPUs. Ce changement facilite la migration des développeurs vers les TPU, leur offrant une expérience comparable à celle des GPU de NVIDIA.
Support pour l’inférence
Google met également l’accent sur le soutien aux écosystèmes d’inférences ouvertes. Les avancées en matière de performances et d’optimisation, en particulier pour les bibliothèques vLLM et SGLang, marquent une volonté de réduire l’avantage de NVIDIA sur le marché.
Conclusion : Une menace réelle pour NVIDIA
Google se positionne fermement comme un rival sérieux pour NVIDIA. Alors que l’entreprise historique doit faire face à cette nouvelle compétition, il est clair que nous assistons à un potentiel changement de leadership sur le marché des puces d’IA. Les prochaines années détermineront comment NVIDIA réagira face à cette menace grandissante.