Google vient de poser deux nouvelles pièces sur l’échiquier mondial des puces d’intelligence artificielle. Avec les TPU 8tx et TPU 8i Max, le groupe ne promet pas seulement davantage de puissance : il veut résoudre deux problèmes devenus critiques pour les entreprises, la protection des données sensibles et la mémoire nécessaire aux agents capables de travailler sur des volumes gigantesques d’information. Derrière les noms techniques, l’annonce intensifie une bataille stratégique face à Nvidia pour contrôler l’infrastructure de la prochaine vague de l’IA.
Présentés le 9 novembre par Google Cloud, les deux systèmes complètent les TPU 8t et 8i annoncés plus tôt en 2026. Pour la première fois, Google affirme avoir introduit quatre systèmes TPU au sein d’une même génération en une année. Reuters décrit cette expansion comme une nouvelle étape dans la contestation de la domination de Nvidia, alors que la demande mondiale de calcul pour l’IA continue de progresser.
Deux systèmes conçus pour les nouveaux points faibles de l’IA
Le TPU 8tx cible d’abord les organisations qui ne peuvent pas exposer leurs données ou leurs modèles. Google le destine à l’inférence confidentielle, c’est-à-dire à l’exécution de modèles dans un environnement où les informations restent isolées au niveau matériel. Les secteurs réglementés, les administrations, la santé, la finance ou la défense sont les premiers marchés évidents.
Le système associe le silicium TPU 8t à des processeurs AMD EPYC de cinquième génération. L’objectif est de protéger les données et les poids des modèles pendant les calculs, pas seulement lorsqu’ils sont stockés ou transmis. Cette nuance est décisive : une entreprise peut chiffrer une base de données, mais elle doit généralement la rendre accessible au moment où un modèle l’analyse. Le calcul confidentiel cherche à réduire cette zone d’exposition.
Le TPU 8i Max répond à une autre limite, celle de la mémoire. Google rassemble deux puces TPU 8i dans un même module et annonce ainsi le double de capacité de calcul, le double de mémoire SRAM et le double de bande passante HBM par rapport au 8i. Le système conserve le même encombrement dans le rack, ce qui doit augmenter la densité de calcul sans exiger deux fois plus d’espace.
Pourquoi les agents IA changent les besoins des centres de données
Les modèles conversationnels classiques traitent souvent une requête, produisent une réponse puis attendent. Les agents autonomes ont un comportement plus exigeant. Ils peuvent lire un vaste dépôt de code, consulter des bases de données, appeler plusieurs outils, comparer des documents et reprendre une tâche après une interruption. Chaque étape augmente la quantité de contexte à conserver et à déplacer entre les composants du système.
Google affirme que le 8i Max est conçu pour les fenêtres de contexte massives et les groupes d’agents travaillant simultanément. Un modèle qui analyse des heures de vidéo ou des millions de lignes de code risque de perdre du temps non parce que le processeur manque d’opérations par seconde, mais parce que les données ne circulent pas assez vite. C’est ce que l’industrie appelle le « mur de la mémoire ».
Cette évolution déplace la compétition. Les fabricants ne sont plus jugés uniquement sur la puissance théorique d’une puce. La bande passante mémoire, la consommation électrique, le réseau entre accélérateurs, la sécurité, la densité par rack et la facilité d’utiliser les logiciels existants deviennent tout aussi importantes. Le gagnant ne vendra pas forcément le composant le plus rapide, mais la plateforme la plus efficace pour une charge de travail précise.
Nvidia reste le géant, mais Google élargit son terrain
Nvidia demeure la référence du marché grâce à ses GPU, à son écosystème logiciel CUDA et à son implantation chez les grands fournisseurs de cloud. Google ne prétend pas remplacer tous les GPU par une seule puce. Sa stratégie consiste plutôt à proposer plusieurs accélérateurs spécialisés pour l’entraînement, le raisonnement en temps réel, la confidentialité et les très grands contextes.
Cette spécialisation peut devenir un avantage économique. Une entreprise n’a pas nécessairement besoin de payer pour une architecture universelle si un système conçu pour sa tâche offre un meilleur rapport entre coût, vitesse et énergie. Google affirme que ses TPU comptent désormais près de 100 clients, parmi lesquels des laboratoires de pointe, des universités, des commerçants et des sociétés financières.
Le mouvement dépasse aussi Google Cloud. Fin octobre, Oracle a annoncé qu’il proposerait des TPU de huitième génération dans son propre cloud à partir de 2027, une ouverture qui réduit la dépendance historique de la technologie à l’écosystème Google. Plus les TPU deviennent accessibles hors du périmètre direct du groupe, plus ils peuvent être considérés comme une alternative industrielle plutôt que comme un outil interne réservé à Gemini.
Le logiciel, véritable verrou de la guerre des puces
La performance matérielle ne suffit pas si les développeurs doivent réécrire leurs applications. C’est pourquoi Google insiste sur l’ouverture de TorchTPU, afin de faire fonctionner plus naturellement les modèles et le code PyTorch sur ses accélérateurs. PyTorch est devenu un standard majeur de la recherche et du développement en IA ; réduire les différences avec l’expérience offerte par les GPU est donc essentiel.
Google met également en avant la compatibilité avec des moteurs d’inférence ouverts comme vLLM et SGLang, ainsi qu’une suite d’agents chargée d’aider les développeurs à diagnostiquer les ralentissements et optimiser les noyaux de calcul. Le message est clair : l’entreprise veut que le passage à un TPU ressemble moins à une migration risquée et davantage à un choix d’infrastructure.
Nvidia conserve ici une avance construite pendant des années. Des milliers de bibliothèques, d’ingénieurs et d’entreprises ont organisé leurs flux autour de CUDA. Mais l’essor de PyTorch, des standards ouverts et des couches d’abstraction donne aux grands clients davantage de moyens pour répartir leurs charges entre plusieurs familles de puces. Cette diversification réduit le risque de dépendre d’un fournisseur unique.
Une bataille mondiale de coûts, d’énergie et de souveraineté
Pour les entreprises européennes, françaises, africaines, asiatiques ou du Moyen-Orient, l’annonce compte au-delà d’un duel entre groupes américains. Le choix d’une infrastructure IA détermine le lieu de traitement des données, les garanties de confidentialité, la facture énergétique et la capacité à changer de fournisseur. Les organisations soumises à des règles strictes regarderont particulièrement les promesses du 8tx.
La densité du 8i Max touche également un problème mondial : les centres de données manquent d’électricité, de terrains disponibles et de connexions au réseau. Doubler certaines ressources dans le même espace peut limiter une partie des besoins immobiliers, mais cela ne supprime pas le coût énergétique de l’IA. Les performances annoncées devront être évaluées sur des usages réels et comparées au coût total de déploiement.
Il faut aussi distinguer l’annonce d’une victoire commerciale. Google présente les caractéristiques et les ambitions de ses nouveaux systèmes, mais les entreprises devront mesurer la disponibilité, les prix, la fiabilité et les gains obtenus face aux GPU et aux autres accélérateurs. Amazon, Microsoft, Meta et plusieurs fabricants développent eux aussi leurs propres puces ou partenariats.
Ce que cette offensive révèle sur la prochaine phase de l’IA
Les TPU 8tx et 8i Max montrent que la prochaine phase ne sera pas seulement une course à la taille des modèles. Elle portera sur leur capacité à travailler longtemps, à utiliser des outils, à manipuler des informations privées et à rester économiquement viables. La sécurité et la mémoire deviennent des arguments commerciaux aussi visibles que la vitesse.
Google dispose d’un avantage particulier : le groupe conçoit des modèles avec DeepMind, exploite un immense cloud, développe ses propres puces et utilise l’IA dans des produits mondiaux. Cette intégration lui permet d’adapter le matériel aux problèmes rencontrés par ses services. Elle soulève aussi une question de concurrence, car les clients peuvent craindre de dépendre d’une chaîne contrôlée de bout en bout par un seul acteur.
Le vrai enjeu est désormais de savoir si Google peut transformer son avance technique en adoption massive. Nvidia n’est pas détrôné, mais le marché se fragmente à mesure que les besoins deviennent plus spécialisés. En doublant son offre TPU en 2026, Google envoie un avertissement crédible : dans l’ère des agents IA, la puissance brute ne suffira plus à conserver la couronne.
Sources
- Google Cloud, annonce officielle des TPU 8tx et TPU 8i Max, 9 novembre 2026.
- Reuters, Google élargit sa gamme de puces IA face à Nvidia, 9 novembre 2026.
- TechCrunch, analyse des deux nouveaux systèmes spécialisés de Google, 10 novembre 2026.
- TechRadar, ouverture des TPU Google au cloud Oracle, 28 octobre 2026.