Google défie Nvidia dans la course aux puces d'IA : atouts et obstacles

Quand on parle du marché des accélérateurs d'IA, la discussion se résume traditionnellement à un seul nom : Nvidia. L'entreprise de Jensen Huang contrôle l'écrasante majorité de ce segment, et ses poursuivants les plus proches sont généralement AMD et, avec de fortes réserves, Intel. Mais dans ce rapport de forces établi, un autre acteur apparaît de plus en plus nettement, longtemps tenu pour un non-concurrent direct dans le métier des puces. Google, qui développe ses propres processeurs TPU depuis presque dix ans, affiche des ambitions qui poussent les analystes à redessiner la carte concurrentielle.

L'histoire des TPU a commencé en 2016, lorsque Google a présenté la première génération de son processeur tensoriel, une puce spécialisée conçue exclusivement pour les tâches d'apprentissage automatique. À l'époque, il s'agissait d'un outil interne destiné à optimiser l'infrastructure du groupe : recherche, systèmes de recommandation, traduction. Mais à chaque nouvelle génération de TPU, Google a progressivement relevé les performances et élargi le champ d'application. La puce de sixième génération, Trillium, est déjà présentée non plus comme une simple solution interne, mais comme un produit à part entière pour les clients de Google Cloud, capable de rivaliser avec les accélérateurs haut de gamme de Nvidia pour l'entraînement et l'inférence de grands modèles de langage.

L'avantage clé de Google dans cette course est l'intégration verticale. Le groupe conçoit le matériel, développe des frameworks logiciels comme JAX et TensorFlow, gère l'infrastructure cloud et crée ses propres modèles de la famille Gemini, entraînés précisément sur des TPU. C'est une boucle fermée où chaque élément est optimisé pour les autres. Nvidia, malgré toute sa puissance, doit évoluer dans un écosystème plus fragmenté, où le matériel, le logiciel et les applications finales sont conçus par des entreprises différentes. L'intégration verticale de Google rappelle l'approche d'Apple avec ses puces de la série M, et l'on a vu à quel point cette stratégie s'est révélée efficace dans l'univers des ordinateurs personnels.

Pourtant, entre le potentiel et la domination réelle, il y a un gouffre, et les analystes ne se lassent pas de le rappeler. Le principal obstacle est l'écosystème CUDA. La plateforme logicielle de Nvidia, bâtie en plus de quinze ans, est devenue le standard de fait de l'industrie.

Des millions de développeurs, des milliers de bibliothèques, d'innombrables pipelines optimisés sont liés à CUDA si étroitement que, pour la plupart des entreprises, passer à une autre plateforme représente un coût colossal en temps et en ressources. Google propose ses propres outils, mais leur portée n'a rien de comparable avec l'écosystème de Nvidia. Même PyTorch, le framework le plus populaire dans la communauté de la recherche, a historiquement été optimisé avant tout pour les GPU de Nvidia.

Une autre question de fond se pose : Google est-il réellement prêt à ouvrir les TPU au marché élargi ? Jusqu'à présent, ces puces ne sont accessibles que via Google Cloud. Impossible d'acheter un TPU pour l'installer dans son propre centre de données, comme on le fait avec les accélérateurs de Nvidia ou d'AMD. Pour de nombreux grands clients, comme les banques, les opérateurs télécoms ou les administrations, la dépendance à un seul fournisseur cloud est inacceptable. Tant que Google n'aura pas réglé ce problème, le TPU restera un produit puissant mais de niche, cantonné à un seul écosystème.

Il ne faut pourtant pas sous-estimer la force de frappe financière d'Alphabet. Le groupe investit des dizaines de milliards de dollars dans l'infrastructure d'IA, et une part importante de ces sommes sert au développement de ses propres puces. Alors que la demande d'accélérateurs d'IA dépasse de très loin l'offre et que la dépendance à un fournisseur unique, Nvidia, inquiète de plus en plus les grands acteurs, les alternatives deviennent stratégiquement nécessaires.

Amazon avec ses puces Trainium, Microsoft avec le projet Maia, Meta* avec ses propres développements : toutes les grandes entreprises technologiques vont dans la même direction. Mais c'est Google qui est allé le plus loin, car il a commencé plus tôt et dispose déjà d'un produit mature sur plusieurs générations.

La concurrence sur le marché des puces d'IA entre dans une nouvelle phase, où la bataille se joue non seulement sur les téraflops et l'efficacité énergétique, mais aussi sur la conquête des développeurs, des écosystèmes et de l'indépendance stratégique des clients. Google détient un ensemble unique d'atouts pour ce combat, mais transformer le potentiel en parts de marché est une tâche d'un tout autre ordre. Nvidia ne se contente pas de vendre des puces : elle vend l'assurance que tout fonctionnera.

Et tant que Google ne pourra pas offrir un niveau de confiance équivalent en dehors de son propre cloud, parler de concurrence à part entière est prématuré. Reste que le simple fait que cette discussion soit devenue possible en dit déjà long.

*Meta a été reconnue organisation extrémiste et est interdite en Russie.