TPU contre GPU : Google à l'assaut de la couronne NVDA

Pendant dix ans, Google a fabriqué une puce qu'il ne vendait pas; elle tournait dans ses propres bâtiments. Puis Anthropic, le laboratoire derrière Claude, a signé pour un million de TPU dans un accord de plusieurs dizaines de $B. Vingt-six jours plus tard, second geste: $30B de capacité Azure via Microsoft, plus NVDA. Le client le plus courtisé de la course à l'IA garde donc deux portes ouvertes. La question s'écrit seule: qu'est-ce qui retient ce client chez NVDA?

Tout commence avec la recherche vocale en 2013. Les ingénieurs calculent: trois minutes de requêtes vocales par personne et par jour, et les processeurs ordinaires obligeraient Google à doubler ses centres de données. Le TPU naît ainsi: une grille de petits calculateurs où les nombres attendent dans les cellules, les données entrent une fois et passent de cellule en cellule. Le GPU est l'inverse: des milliers de travailleurs souples, chacun tirant ses nombres de la mémoire pendant que les files grandissent. L'image des fourmis est célèbre: les fourmis GPU marchent vers la mare une par une; les fourmis TPU se passent l'eau de proche en proche. L'équipe monte le premier TPU en 15 mois; lors de l'annonce de 2016, il sert déjà la recherche et les matchs d'AlphaGo contre Lee Sedol. La même année, Jensen Huang livre en main propre un système d'IA à OpenAI. Un camp fabrique des puces pour sa propre peine; l'autre vend des systèmes pour celle des autres.

NVDA est l'arbre visible; les racines courent sous terre, et leur nom est CUDA. Répandue depuis 2006, cette couche logicielle a grandi avec PyTorch: des millions de développeurs, des années de pratique accumulée. Changer de puce, c'est des semaines de réécriture et de nouveaux essais. Google a fait pousser ses propres racines, JAX et XLA, où Gemini a été entraîné. Mais la plupart des équipes extérieures parlent PyTorch. En 2026 arrive TorchTPU: les charges PyTorch tournent sur TPU avec peu de changements. Les racines décident de la facilité du déménagement. Un pas parallèle vient de GitHub: un socle TPU unifié pour vLLM fait passer les définitions de modèles JAX et PyTorch par une voie unique. Selon le récit Google, Ironwood marie 42,5 exaflops de calcul FP8 pour l'entraînement comme pour le service.

Quand l'entraînement finit, le vrai service commence: répondre aux utilisateurs. Chaque réponse remet les puces au travail. Le TPU est né pour ce métier, et Ironwood s'y consacre: mémoire plus large, routes plus vites vers elle, liens plus vites entre puces. Mais NVDA ne dort pas: des unités de calcul en grille rejoignent ses GPU, et des baies de 72 se vendent comme un seul système. En novembre 2025, Gemini 3 sort, entraîné sur les seuls TPU; une semaine plus tard, les pourparlers de location TPU de Meta surgissent, et les titres NVDA perdent de la valeur. NVDA fait chose rare et commente un rival: heureux du succès de Google, dit-il, et en avance d'une génération sur le secteur. Un mois plus tard suit l'accord de licence Groq à $20B; son fondateur Jonathan Ross avait lancé l'effort TPU chez Google douze ans plus tôt. Le résumé EconomicTimes note que Ross et son équipe rejoignent NVDA pendant que GroqCloud continue seul.

Le prix à l'heure trompe: un système bon marché qui tourne longtemps coûte plus cher à l'arrivée. Google tient un atout réel: un processeur NVDA vedette coûte environ $6.400 à fabriquer et se vend entre $30K et $40K, une marge que Google s'épargne sur ses propres puces. Mais les économies faites chez Google n'atterrissent pas telles quelles sur la facture du client. Et les 80 % de performance par dollar annoncés comparent le nouveau TPU à son aîné, non à NVDA. Un seul essai compte: même qualité, même vitesse, facture plus basse — sur le modèle du client.

Pourtant, quelque chose a bougé: Google vend désormais des systèmes TPU, pas seulement leur location. Selon le rapport Yahoo, Meta discute pour louer d'abord et faire tourner des TPU dans ses propres bâtiments dès 2027, avec des chiffres en $B sur la table. Le cas Apple prouve l'échelle aussi: son modèle serveur entraîné sur plus de 8.000 TPU. Chez Broadcom, on attend des dizaines de $B de livraisons TPU par an, Anthropic comme plus gros acheteur. Huang répond sec: sans Anthropic, où serait la croissance TPU? Mais les chiffres sont là: la page Yahoo sur le trimestre NVDA affiche $96,2B de revenus dont $89B des centres de données. Pour Google, gagner ne veut pas dire retirer chaque GPU; c'est remporter la prochaine commande et une part du service.

En 2013, les ingénieurs regardaient trois minutes de recherche vocale et bâtissaient la puce qui changeait leur calcul. Aujourd'hui, Google offre aux autres firmes la même chance: changer le leur. Remplacer chaque processeur NVDA est inutile; donner une raison à la prochaine commande suffit. Le verdict tombe sur la facture, pas au laboratoire.