Google fait sortir les TPU du cloud

Le TPU quitte son habitat naturel

La stratégie silicium de Google vient de franchir une frontière importante: ses Tensor Processing Units ne sont plus seulement présentées comme des puces accessibles dans Google Cloud, mais comme une infrastructure pouvant être installée en dehors de ce cloud. Le premier terrain d’essai visible est la Corée du Sud, où des responsables de Google Korea ont discuté d’une coopération autour des TPU avec Ha Jung-woo, vice-président permanent du National AI Strategy Committee, lors d’une réunion tenue le 9 septembre et rapportée par Seoul Economic Daily le 22 septembre [1]. Ruth Sun, responsable de Google Cloud Korea, faisait partie des responsables cités dans ces échanges consacrés à une coopération nationale autour des TPU [1].

Cette évolution compte parce que les TPU étaient jusqu’ici perçues comme un avantage essentiellement cloud: des accélérateurs conçus par Google pour ses propres services, pour l’entraînement et l’inférence de Gemini, puis pour certains clients de Google Cloud. Seoul Economic Daily rapporte que Google a modifié cette année sa stratégie commerciale autour des TPU, passant d’une logique d’usage interne et de location dans le cloud à une fourniture de TPU pour des centres de données externes, hors Google Cloud Platform [2]. Autrement dit, la TPU n’est plus seulement un actif captif du cloud; elle devient une brique potentielle d’infrastructure nationale.

C’est le cœur de cette affaire. Google aurait indiqué aux responsables coréens que les TPU pouvaient être fournies non seulement à distance via Google Cloud, mais aussi installées sur des serveurs construits directement par les utilisateurs, donc en mode on-premises [1]. Pour les gouvernements, les universités, les instituts de recherche et les organisations réglementées, cette possibilité change la nature du choix: il ne s’agit plus seulement de louer du calcul, mais de décider où résident les puces, les données et les opérations.

La Corée du Sud comme banc d’essai

La Corée du Sud est un terrain particulièrement logique pour cette offensive. Selon Seoul Economic Daily, Google souhaite fournir une infrastructure d’IA basée sur les TPU aux universités et aux instituts de recherche coréens, tout en construisant un partenariat plus large autour du développement technologique et de l’exploitation de données liées à l’IA physique, notamment dans la robotique et la conduite autonome [1]. Google aurait également présenté des plans d’investissement dans l’écosystème coréen de l’IA et de formation des talents [1].

L’enjeu financier et industriel est considérable. Seoul Economic Daily indique que, dans le cadre de trois grands projets, la Corée vise 550 000 milliards de wons d’investissements privés pour construire 8,4 gigawatts de centres de données IA d’ici 2029, tandis que S&P Global Ratings projette environ 1 200 000 milliards de wons de construction de centres de données en Corée d’ici 2035 [2]. À ce rythme, le pays deviendrait le deuxième marché de centres de données de la zone Asie-Pacifique après la Chine [2].

Google arrive cependant sur un terrain déjà très disputé. Jensen Huang, le patron de Nvidia, s’est rendu deux fois en Corée, en octobre dernier puis en juin, pour discuter de coopérations, tandis que Lisa Su, la dirigeante d’AMD, s’y est rendue en mars et qu’AMD poursuit des projets d’infrastructure IA ouverte combinant CPU, GPU et NPU développés localement [2]. Nvidia et AMD ont aussi décidé d’établir des centres de recherche en IA en Corée, selon Seoul Economic Daily [2]. La percée des TPU s’inscrit donc dans une bataille où le calcul, la politique industrielle et l’accès aux talents sont déjà liés.

Un défi pour Nvidia, pas un remplacement immédiat

La lecture évidente est celle d’un défi lancé à Nvidia. Mais ce n’est pas une histoire de substitution instantanée. Yahoo Finance a décrit l’initiative de Google comme un test: ses puces maison peuvent-elles devenir une infrastructure nationale plutôt qu’un simple avantage de cloud [3]? La nuance est essentielle. La puissance de Nvidia ne vient pas seulement de ses GPU; elle repose aussi sur CUDA, les réseaux, les bibliothèques, les outils de développement, les intégrateurs et une familiarité accumulée pendant des années.

L’argument de Google repose sur une autre promesse. Selon Seoul Economic Daily, Google met en avant les coûts et l’efficacité, les TPU pouvant réduire les coûts d’infrastructure IA jusqu’à 50% par rapport aux GPU, même si les gains dépendront évidemment des charges de travail, des logiciels et du taux d’utilisation [1]. Un autre article du même média rappelle que les TPU sont des circuits intégrés spécialisés, optimisés pour certains calculs, alors que les GPU sont des puces plus généralistes pour l’IA [2]. Il rapporte aussi que la dernière TPU v8 offrirait environ trois fois la performance d’entraînement par unité d’énergie de la génération précédente et environ 1,8 fois la performance en inférence [2].

Mais l’avantage de Nvidia reste solide. Yahoo Finance souligne qu’un gouvernement peut vouloir diversifier ses fournisseurs tout en conservant les GPU lorsque les coûts de migration, la maturité logicielle ou la disponibilité des développeurs rendent Nvidia plus rassurant [3]. C’est le défi central pour Google: prouver non seulement que les TPU sont efficaces, mais qu’elles peuvent être exploitées de manière productive par des clients externes, dans des environnements que Google ne contrôle pas entièrement.

L’IA souveraine change la logique d’achat

Le contexte de fond est la souveraineté. Les États veulent disposer de calcul domestique pour soutenir leurs entreprises d’IA, mais aussi pour éviter que les données sensibles, les usages publics et les applications industrielles stratégiques ne dépendent entièrement d’un hyperscaler étranger ou d’un fournisseur unique de matériel. En Corée, Seoul Economic Daily rapporte que la réduction de la dépendance à un seul fournisseur de GPU reste un défi constant dans la construction de l’infrastructure IA nationale [1].

C’est précisément cette contrainte qui ouvre une fenêtre à Google. Un déploiement de TPU en Corée n’aurait pas besoin d’évincer Nvidia pour être significatif. Il pourrait instaurer un modèle dans lequel les clusters nationaux sont répartis entre plusieurs architectures: Nvidia pour la compatibilité logicielle la plus large, AMD pour certains déploiements ouverts ou hybrides, et les TPU de Google pour des charges de travail choisies où l’efficacité énergétique, le coût ou l’intégration avec la pile IA de Google sont décisifs. Yahoo Finance formule le même point stratégique: si les acheteurs souverains exigent des secondes sources, Nvidia peut continuer de croître tout en perdant une partie des dépenses additionnelles [3].

Le calendrier aide aussi Google. Seoul Economic Daily cite un responsable du secteur selon lequel le délai de livraison des GPU Nvidia peut atteindre 30 semaines, un goulot d’étranglement que Google chercherait à exploiter par des démarches commerciales plus agressives [2]. Dans un programme national, le délai d’accès au calcul n’est pas un détail logistique: il influence les calendriers de recherche, les appels d’offres publics, les budgets et la compétitivité industrielle.

De différenciateur cloud à fournisseur d’infrastructure

Cette évolution transforme aussi l’identité de Google dans l’infrastructure IA. Jusqu’ici, les TPU servaient à différencier Google Cloud, à réduire les coûts internes et à soutenir le développement des modèles de l’entreprise. Les exporter au-delà de son cloud donne plus de liberté aux clients, mais impose à Google de supporter du matériel dans des environnements moins contrôlés. En échange, l’entreprise accède à un marché bien plus vaste que celui des clients prêts à exécuter toutes leurs charges dans Google Cloud.

Seoul Economic Daily rapporte que la demande externe se matérialise déjà: Anthropic prévoirait de faire passer son déploiement de TPU de 1 gigawatt cette année à 5 gigawatts l’an prochain, tandis que Morgan Stanley estime les ventes directes de TPU de Google à 84 milliards de dollars en 2027 et 108 milliards en 2028 [2]. Si ces projections se concrétisent, les TPU ne seront plus seulement un outil de marge pour Google Cloud, mais une activité d’infrastructure IA à part entière.

La grande question est donc l’écosystème. Nvidia vend une promesse de continuité: les développeurs, les logiciels et les intégrateurs savent déjà travailler avec ses plateformes. Google vend une promesse d’intégration verticale: puces, modèles, cloud, sécurité et recherche IA réunis dans une même maison. La Corée lui offre l’occasion de démontrer que cette force full-stack peut être exportée dans une infrastructure souveraine sans obliger les clients à abandonner le contrôle opérationnel.

Ce qu’il faut retenir

La sortie des TPU hors du cloud est une escalade importante dans la course aux accélérateurs IA. Elle donne aux gouvernements et aux organisations réglementées une autre voie pour construire du calcul domestique, conteste le rôle par défaut de Nvidia dans l’IA souveraine et transforme Google en fournisseur d’infrastructure plus large que son seul cloud. Les discussions coréennes ne signifient pas que Nvidia est mis à l’écart. Elles indiquent plutôt que la prochaine phase des achats publics et stratégiques d’IA pourrait être multi-architecture par conception.

La TPU a officiellement quitté son point d’apparition dans le cloud. Reste à Google à prouver qu’elle peut survivre, s’étendre et gagner en dehors des murs qui l’ont créée.

Sources des dernières 72 heures

1. [1]Google Explores Supplying AI Chips to Korea22 sept. 2026, 08:50 UTC
2. [2]Google Is Taking Its AI Chips Outside the Cloud. Nvidia Just Got a New Sovereign-AI Rival22 sept. 2026, 22:05 UTC
3. [3]Google Offers TPUs to Korea First, Challenging Nvidia's GPU Grip22 sept. 2026, 09:00 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.