Meta lancera la production de ses propres puces IA en septembre 2026 pour réduire sa dépendance à Nvidia
Meta prévoit de lancer la production de sa propre puce pour les systèmes d'intelligence artificielle dès septembre 2026, rapporte Reuters, qui cite une note interne de l'entreprise. Cette initiative s'inscrit dans une stratégie visant à porter ses capacités de calcul à 14 gigawatts d'ici 2027 et à réduire sa dépendance aux puces Nvidia.
Traité par IA depuis 3DNews AI ; édité par Hamidun News
Meta Platforms (reconnue comme organisation extrémiste, ses activités sont interdites sur le territoire russe) compte lancer la production de sa propre puce pour les systèmes d'intelligence artificielle dès septembre 2026, rapporte Reuters, qui cite une note interne de l'entreprise.
Pourquoi Meta veut ses propres puces
Comme la plupart des grands acteurs de la tech, l'entreprise dépend depuis des années presque entièrement des GPU de Nvidia pour entraîner et faire tourner ses modèles d'IA. Une puce maison doit réduire cette dépendance et donner à Meta davantage de contrôle sur le coût et la disponibilité de la puissance de calcul, qui reste le principal goulot d'étranglement de toute l'industrie de l'IA. Meta avait présenté ses premières puces de la gamme MTIA (Meta Training and Inference Accelerator) dès 2023, mais les utilisait surtout pour des tâches d'inférence, et non pour entraîner des modèles véritablement massifs.
- La production de la puce maison doit démarrer en septembre 2026
- Objectif : réduire la dépendance aux puces Nvidia
- L'entreprise entend porter ses capacités de calcul à 14 GW d'ici 2027
- Source de l'information : une note interne de Meta dont Reuters a eu connaissance
De quelle puissance Meta a-t-elle besoin ?
Les 14 gigawatts de capacité de calcul que l'entreprise compte obtenir l'an prochain représentent un ordre de grandeur de plus que la consommation de la plupart des data centers existants : à titre de comparaison, un seul gigawatt peut alimenter en électricité des centaines de milliers de foyers. Une telle échelle s'explique par les investissements continus de Meta dans l'entraînement de modèles Llama toujours plus grands et dans l'infrastructure de ses propres produits d'IA au sein de Facebook (réseau social interdit en Russie) et d'Instagram (service interdit en Russie). La hausse de la consommation énergétique des data centers des entreprises d'IA se fait déjà sentir au-delà du secteur technologique : bâtir de nouvelles capacités exige non seulement des puces, mais aussi des contrats d'approvisionnement en électricité à long terme, y compris des accords avec des centrales nucléaires et à gaz.
Pourquoi est-ce un enjeu stratégique pour toute l'industrie ?
La demande de puces Nvidia dépasse tellement l'offre que les plus gros acheteurs font la queue depuis des années pour être livrés et doivent accepter les prix fixés par Nvidia elle-même : l'entreprise est de fait devenue le principal goulot d'étranglement de toute l'industrie de l'IA. L'arrivée de puces maison chez les grands clients n'évince pas complètement Nvidia du marché : l'entraînement des plus grands modèles exige toujours des GPU haut de gamme, tandis que les développements internes couvrent plus souvent des tâches plus spécifiques comme l'inférence, c'est-à-dire les réponses des modèles aux requêtes des utilisateurs, exécutées des milliards de fois par jour et moins coûteuses sur du matériel spécialisé.
Ce que cela signifie
Les puces IA maison permettent aux géants de la tech de moins dépendre de Nvidia et de sa politique tarifaire : Google avec ses TPU et Amazon avec ses puces Trainium suivent déjà une voie similaire, et l'arrivée de Meta sur ce terrain intensifie encore la concurrence pour l'approvisionnement en composants et en capacités de data centers. Pour Nvidia, c'est le signe que même ses plus gros clients cherchent à diversifier leurs fournisseurs de calcul ; pour le marché dans son ensemble, que la course au silicium IA maison devient la norme pour tous les géants du secteur, et non plus l'exception.
- 1 nov. 2026La couche de protection MoneyGate n'a laissé passer aucune des 42 demandes frauduleuses adressées à des IA locales
- 31 oct. 2026La passerelle LLM open source KTMS 1.0 branche ses propres GPU au cloud et résiste aux pannes
- 31 oct. 2026LTX-2.5, 22 milliards de paramètres, tourne sur une RTX 3080 de 10 Go, mais met 5 minutes par plan
- 29 oct. 2026T-Tech met au point LIMe, une méthode qui réduit de 15% le coût de calcul de l'entraînement d'un modèle de langage
Questions clés sur cet article
De quelle puissance Meta a-t-elle besoin ?
Les 14 gigawatts de capacité de calcul que l'entreprise compte obtenir l'an prochain représentent un ordre de grandeur de plus que la consommation de la plupart des data centers existants : à titre de comparaison, un seul gigawatt peut alimenter en électricité des centaines de milliers de foyers. Une telle échelle s'explique par les investissements continus de Meta dans l'entraînement de modèles Llama toujours plus grands et dans l'infrastructure de ses propres produits d'IA au sein de Facebook (réseau social interdit en Russie) et d'Instagram (service interdit en Russie).
Pourquoi est-ce un enjeu stratégique pour toute l'industrie ?
La demande de puces Nvidia dépasse tellement l'offre que les plus gros acheteurs font la queue depuis des années pour être livrés et doivent accepter les prix fixés par Nvidia elle-même : l'entreprise est de fait devenue le principal goulot d'étranglement de toute l'industrie de l'IA. L'arrivée de puces maison chez les grands clients n'évince pas complètement Nvidia du marché : l'entraînement des plus grands modèles exige toujours des GPU haut de gamme, tandis que les développements internes couvrent plus souvent des tâches plus spécifiques comme l'inférence, c'est-à-dire l
Pourquoi Meta veut ses propres puces?
Comme la plupart des grands acteurs de la tech, l'entreprise dépend depuis des années presque entièrement des GPU de Nvidia pour entraîner et faire tourner ses modèles d'IA. Une puce maison doit réduire cette dépendance et donner à Meta davantage de contrôle sur le coût et la disponibilité de la puissance de calcul, qui reste le principal goulot d'étranglement de toute l'industrie de l'IA. Meta avait présenté ses premières puces de la gamme MTIA (Meta Training and Inference Accelerator) dès 2023, mais les utilisait surtout pour des tâches d'inférence, et non pour entraîner
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.