Google discute avec Marvell de puces IA pour l'inférence et réduit sa dépendance à Broadcom

Google prépare la prochaine étape de sa stratégie en matière de puces : l'entreprise discute avec Marvell de la création de deux accélérateurs spécialisés pour l'IA, afin d'élargir sa chaîne de développement au-delà de Broadcom. Si les discussions débouchent sur un accord, Google disposera d'un partenaire supplémentaire pour le silicium sur mesure et renforcera son pari sur une inférence moins chère et massive, et pas seulement sur l'entraînement des grands modèles.

Selon les informations disponibles, les discussions portent sur deux nouvelles puces. La première est une memory processing unit, un composant conçu pour gérer la mémoire et le transfert de données au sein des systèmes d'IA. La seconde est un TPU optimisé spécifiquement pour l'inférence, c'est-à-dire lorsque le modèle est déjà entraîné et doit répondre rapidement aux requêtes des utilisateurs.

C'est un terrain sensible pour Google : plus les requêtes affluent via Gemini, la recherche, la publicité et les services cloud, plus le coût de chaque réponse et la consommation énergétique des centres de données pèsent lourd.

Google ne construit déjà plus seul son écosystème de silicium sur mesure. Broadcom reste depuis longtemps le partenaire clé, et MediaTek figure aussi dans la chaîne de développement. L'arrivée de Marvell comme éventuel troisième partenaire n'est pas qu'un allongement de la liste des sous-traitants. C'est un moyen de répartir les risques, de ne pas dépendre d'un seul fournisseur de composants critiques et de tester en parallèle différentes approches d'ingénierie pour différents types de charges, de l'entraînement à l'exécution des modèles dans les services en production.

Il faut souligner qu'il ne s'agit pour l'instant que de négociations : d'après les informations disponibles, aucun contrat n'est encore signé. Mais ces discussions montrent la direction que prend le marché. Avec l'essor de l'IA générative, les entreprises conçoivent de plus en plus leurs propres puces, car les GPU généralistes restent chers, rares et pas toujours optimaux pour une tâche précise. L'inférence est une cible particulièrement attrayante pour la personnalisation : c'est là que les produits grand public finissent par passer à l'échelle, et que comptent la latence, le prix par requête et des performances prévisibles.

La memory processing unit suscite un intérêt particulier. Dans l'infrastructure d'IA, le goulot d'étranglement n'est souvent pas la puissance de calcul brute, mais la vitesse à laquelle les données parviennent à l'accélérateur. Plus un système gère efficacement la mémoire, moins les unités de calcul restent inactives et mieux on exploite le matériel déjà installé. Ces solutions peuvent donc compter autant que les TPU eux-mêmes : elles améliorent l'équilibre global du système et réduisent les pertes liées au déplacement des données.

Pour Google, c'est une étape particulièrement logique. L'entreprise développe sa gamme de TPU depuis de nombreuses années et sait lier étroitement le matériel à ses logiciels, à ses centres de données et à son infrastructure cloud. Les nouveaux blocs spécialisés pourraient l'aider à calibrer plus précisément sa pile selon les scénarios : l'un pour l'entraînement, l'autre pour servir un très grand nombre de requêtes, un troisième pour les goulots d'étranglement liés à la mémoire. Cette approche apporte généralement non seulement un gain de vitesse, mais aussi un contrôle plus strict des coûts, des délais d'approvisionnement et de la dépendance à l'écosystème externe.

Une autre dimension de cette histoire concerne la position de négociation de Google. Avec plusieurs partenaires de conception, il lui est plus facile de répartir les projets par spécialité et de ne pas lier toute sa feuille de route au rythme d'un seul sous-traitant. Dans un secteur où la sortie d'une nouvelle génération de matériel d'IA influe directement sur la marge du cloud et la vitesse de lancement des produits, cette souplesse devient un atout stratégique. Même sans contrat final, le dialogue avec Marvell montre que Google prépare des alternatives en amont et élargit sa marge de manœuvre.

En pratique, cette nouvelle compte non parce que Google a trouvé un fabricant de puces de plus, mais parce que les plus grandes entreprises d'IA évoluent vers une architecture matérielle plus fragmentée et spécialisée. Ne l'emportera pas celui qui possède simplement le plus d'accélérateurs, mais celui qui répartit le mieux les rôles entre eux. Si l'accord avec Marvell se concrétise, ce sera un signal de plus : la prochaine phase de la course à l'IA se joue non seulement sur les modèles, mais aussi sur l'économie de l'inférence, où chaque watt et chaque milliseconde gagnée se transforment en avantage concurrentiel.