D'après un article de The Information, Google développe une nouvelle puce serveur conçue pour accroître considérablement l'efficacité de ses modèles d'IA Gemini. Cette puce, baptisée en interne « Frozen v2 », ne devrait pas entrer en production avant 2028, mais sa simple existence a déjà provoqué des remous sur les marchés financiers et relancé le débat sur les entreprises les mieux placées pour dominer l'ère émergente de l'IA.
Le rapport estime que Frozen v2 offrirait une efficacité six à dix fois supérieure à celle des processeurs actuels des serveurs de Google, mesurée en jetons par watt. Il s'agirait d'un gain de performance extraordinaire pour une seule génération de matériel, ce qui laisse penser que Google subit une forte pression pour réduire les coûts d'exploitation de ses modèles d'IA à grande échelle.
Google n'a pas commenté officiellement les détails du rapport, mais a transmis à TechCrunch la déclaration suivante : « Nos équipes innovent constamment en proposant de nouvelles approches qui offrent d'excellentes performances et une grande efficacité à nos utilisateurs et clients. Tous ces projets ne sont pas encore concrétisés, mais cette innovation s'inscrit dans nos efforts continus pour concevoir et construire des systèmes entièrement nouveaux. »
Que devrait faire la nouvelle puce ?
Le rapport ne détaille pas les spécificités de Frozen v2, si ce n'est une distinction majeure : sa capacité à produire beaucoup plus de jetons par watt que tout ce que Google a conçu jusqu'à présent. Tous les processeurs modernes doivent trouver un équilibre entre performances brutes et consommation d'énergie, et l'efficacité énergétique devient un enjeu primordial à mesure que les puces sont poussées à leurs limites par des charges de travail toujours plus importantes et complexes.
Une puce capable de générer jusqu'à dix fois plus de puissance tout en consommant la même quantité d'énergie aurait des conséquences majeures pour les opérations de Google. Elle permettrait soit de réduire drastiquement les factures énergétiques de l'entreprise, soit de traiter dix fois plus de requêtes Gemini pour un même budget. Ces deux résultats seraient cruciaux pour Google, compte tenu de son ambition de placer Gemini au cœur de son moteur de recherche, de sa suite bureautique Workspace, de son système d'exploitation mobile Android et de son infrastructure de cloud public.
Google n'en est pas à son coup d'essai en matière de conception d'accélérateurs d'IA. L'entreprise développe depuis plusieurs années des puces spécialisées pour son usage interne et en commercialise des variantes auprès de ses clients cloud sous l'appellation TPU (Tensor Processing Units). Frozen v2 semble être la dernière évolution de cette technologie, spécifiquement axée sur l'optimisation de l'énergie fournie à ses puces.
Pourquoi l'efficacité est devenue le principal champ de bataille
Pendant des années, le secteur de l'IA a été le théâtre d'un débat public intense visant à déterminer quelle entreprise avait conçu le meilleur modèle de base possible. Ce débat s'est depuis déplacé vers la question de savoir quelles organisations pouvaient optimiser l'exécution de leurs modèles, un changement judicieux d'un point de vue commercial. L'entraînement et l'exploitation de grands modèles de langage sont extrêmement coûteux, et toute réduction significative des coûts peut avoir des retombées économiques considérables.
L'efficacité est rapidement devenue un argument de vente pour de nombreuses entreprises d'IA, les dépenses consacrées aux modèles prenant des allures de bulle spéculative, à l'instar du marché des cryptomonnaies. Les investisseurs s'impatientent face aux entreprises qui continuent d'investir massivement dans l'entraînement de modèles toujours plus vastes et complexes sans perspective claire de retour sur investissement. Parallèlement, une puce promettant d'optimiser considérablement les opérations d'IA d'une entreprise constitue un moyen simple de démontrer que celle-ci a trouvé une solution pour réduire ses frais généraux.
Un autre facteur a également contribué à cette recherche d'efficacité : la volonté de s'affranchir de Nvidia, qui domine depuis longtemps le marché des GPU et annonce régulièrement des hausses de prix considérables pour ses puces dédiées à l'IA. Le développement de puces sur mesure devient rapidement indispensable pour toute entreprise souhaitant ne plus dépendre des décisions d'autres acteurs en matière d'IA. Google, Microsoft et Meta ont tous investi massivement dans des accélérateurs spécialisés pour réduire cet avantage concurrentiel, ce qui a permis à des entreprises comme Broadcom et AMD d'accéder aux positions de leader mondial qu'elles occupent aujourd'hui.
Google n'est pas seul dans cette course
Les efforts de Google pour créer de meilleurs accélérateurs pour ses modèles Gemini s'inscrivent dans une tendance beaucoup plus large. En juin, OpenAI a annoncé avoir commencé à travailler sur ses propres puces personnalisées, qu'elle prévoit d'utiliser avec son modèle GPT-5. L'entreprise s'est associée au fabricant de puces Broadcom pour développer un processeur dédié à l'inférence, nom de code Jalapeño. Anthropic aurait également uni ses forces à celles de Samsung pour poursuivre une stratégie similaire. Chacune de ces entreprises suit globalement la même voie : réduire sa dépendance aux fournisseurs externes, diminuer ses coûts et s'assurer de conserver un contrôle maximal sur les puces qui sous-tendent ses opérations d'IA.
Au fond, tout est question de coûts et de maîtrise. Ces trois entreprises subissent la pression de la réduction des coûts, alors que des milliards de dollars ont été investis dans l'industrie de l'IA, et elles se tournent toutes vers les puces sur mesure pour y parvenir. Même des gains d'efficacité relativement modestes peuvent avoir des retombées considérables, car les améliorations dans ce domaine se traduisent souvent par une baisse significative des coûts énergétiques lorsque ces gains sont appliqués à des millions de requêtes d'IA.
Cette course à la suprématie dans le secteur des semi-conducteurs a engendré une véritable frénésie de recrutement des meilleurs talents, débauchés des concurrents. C'est une raison supplémentaire pour laquelle Google, Microsoft et Anthropic misent tant sur leurs accélérateurs internes. Chaque grande entreprise d'IA entrée dans la danse a dû investir massivement dans du nouveau matériel pour répondre aux exigences de ses modèles, ce qui a exacerbé la concurrence pour attirer les ingénieurs les plus qualifiés.
L'argent derrière la puce
Les dépenses de Google en intelligence artificielle suscitent un vif intérêt chez les investisseurs, l'entreprise ayant fait de nombreuses déclarations publiques concernant ses investissements colossaux dans ce domaine. Plus tôt cette année, Google a annoncé prévoir de consacrer entre 180 et 190 milliards de dollars au développement de son infrastructure d'IA.
Ces chiffres ont semé le trouble chez les investisseurs d'Alphabet, qui s'interrogent désormais sur la rentabilité réelle de l'entreprise dans le domaine de l'IA avant que ses coûts ne deviennent incontrôlables. L'annonce de The Information concernant la nouvelle puce plus performante de Google semble en avoir rassuré certains, puisque le cours de l'action Alphabet a progressé d'environ 3 % suite à cette publication et juste avant la parution des résultats de l'entreprise.
Les investisseurs semblent croire que l'annonce de Google est le signe que l'entreprise sera en mesure de réduire significativement ses coûts dans un avenir proche, même si la production des nouveaux processeurs pour serveurs ne devrait pas débuter avant plusieurs années. Un porte-parole de Google l'a d'ailleurs confirmé en réponse à une question sur ce sujet, soulignant que les efforts déployés pour améliorer l'efficacité de ses puces s'inscrivent dans l'engagement plus large de l'entreprise à créer des systèmes mieux optimisés pour les charges de travail qu'ils gèrent. L'entreprise a clairement pris conscience de la valeur de cette approche et a déployé des efforts considérables pour qu'elle demeure une priorité dans les années à venir.
Ce que cela pourrait signifier pour les utilisateurs quotidiens de Gemini
Dans l'immédiat, il est peu probable que ces évolutions aient un impact majeur sur la plupart des utilisateurs de Gemini. Les nouvelles puces ne sont pas encore disponibles et toute modification du système serait presque certainement progressive. Cela dit, l'attention accrue portée par Google à l'efficacité énergétique des semi-conducteurs pourrait indirectement profiter aux consommateurs à long terme.
Avant toute chose, une efficacité accrue se traduit généralement par une baisse des coûts pour la plupart des entreprises. Si Google parvient à réduire ses dépenses en utilisant du matériel plus performant, cela pourrait se traduire par une diminution des prix de certains de ses services les plus populaires. L'entreprise pourrait également ainsi intégrer certaines de ces fonctionnalités à d'autres produits ou les proposer de manière plus systématique, selon la façon dont les changements seront mis en œuvre.
De plus, un système plus performant serait vraisemblablement capable de gérer davantage de requêtes simultanées sans être saturé. Ainsi, Google serait moins susceptible de limiter ses performances lors des pics d'activité et pourrait potentiellement déployer des améliorations de ses systèmes en fonction de la demande. À terme, cela pourrait se traduire par des temps de réponse plus rapides ou la possibilité d'offrir des fonctionnalités plus avancées à un plus grand nombre d'utilisateurs simultanément.
Pour les développeurs et les entreprises qui utilisent Gemini via les API cloud publiques de Google, les gains d'efficacité se répercuteront très certainement à terme sur la grille tarifaire de l'entreprise. Cela permettra aux plus petites entreprises de tirer parti de l'infrastructure d'IA de Google sans avoir à investir des sommes aussi importantes.
The Bigger Picture
Le rapport concernant Frozen v2 n'est que le dernier épisode d'une course effrénée pour construire la meilleure infrastructure d'IA possible. Il confirme également que Google prend cette compétition très au sérieux. En continuant d'investir dans ses propres puces, tout en employant des milliers d'ingénieurs pour concevoir et perfectionner ses modèles, Google a démontré sa volonté de consacrer des ressources considérables à l'amélioration de l'efficacité de ses systèmes et à la réduction de ses coûts d'exploitation.
Cela pourrait s'avérer un atout important pour Alphabet, qui cherche à convaincre les investisseurs que ses investissements massifs dans l'IA commenceront à porter leurs fruits prochainement.
Questions fréquemment posées
Q1 : Qu'est-ce que la puce Frozen v2 de Google ?
Frozen v2 est une nouvelle puce serveur que Google concevrait pour améliorer l'efficacité de ses modèles d'IA Gemini. Sa sortie est prévue pour 2028.
Q2 : Dans quelle mesure Frozen v2 est-il censé être plus efficace ?
Selon The Information, cette puce pourrait être six à dix fois plus efficace que les puces d'IA actuelles de Google, si l'on se base sur le nombre de jetons générés par unité d'énergie.
Q3 : Google a-t-il confirmé le rapport concernant Frozen v2 ?
Google n'a pas confirmé directement l'information, mais ne l'a pas non plus démentie. L'entreprise a indiqué qu'elle expérimente constamment de nouvelles approches matérielles.
Q4 : Pourquoi l'efficacité des puces est-elle si importante pour les entreprises spécialisées dans l'IA ?
L'exécution de modèles d'IA complexes exige une quantité considérable d'électricité et de puissance de calcul. Des puces plus performantes permettent de réduire les coûts d'exploitation et d'offrir aux entreprises la possibilité de servir un plus grand nombre d'utilisateurs avec la même infrastructure.
Q5 : S’agit-il de la première puce d’IA personnalisée de Google ?
Non. Google conçoit depuis des années des puces sur mesure, appelées unités de traitement tensoriel (TPU), qu'elle utilise en interne et qu'elle loue via Google Cloud.
Q6 : D’autres entreprises spécialisées dans l’IA fabriquent-elles également leurs propres puces ?
Oui. OpenAI a récemment annoncé sa première puce personnalisée, conçue avec Broadcom, et Anthropic aurait discuté d'un partenariat avec Samsung dans le domaine des puces.
Q 7 : Pourquoi les entreprises spécialisées en IA cherchent-elles à se détourner de Nvidia ?
Nvidia domine le marché des puces d'IA depuis des années, et de nombreuses entreprises souhaitent un meilleur contrôle de leur matériel et des coûts réduits en concevant des puces adaptées à leurs propres modèles.
Q 8 : Combien Alphabet prévoit-il de dépenser pour l'infrastructure d'IA ?
Alphabet a annoncé son intention de consacrer entre 180 et 190 milliards de dollars au développement de son intelligence artificielle.
Q 9 : Comment les investisseurs ont-ils réagi au rapport Frozen v2 ?
L'action d'Alphabet a progressé d'environ 3 % après la publication du rapport, ce qui laisse penser que les investisseurs considèrent cette puce comme un signe crédible d'une voie plus économique pour réduire les coûts de l'IA.
Q 10 : Frozen v2 va-t-il changer immédiatement le fonctionnement de Gemini pour les utilisateurs réguliers ?
Pas immédiatement. La puce ne sera pas disponible avant plusieurs années, mais elle pourrait à terme permettre des temps de réponse plus rapides, des coûts réduits et un accès plus large aux fonctionnalités avancées de Gemini.
