Oracle et Google préparent l’arrivée des TPU sur Oracle Cloud Infrastructure à partir de 2027, un déploiement qui implique une adaptation logicielle importante. Microsoft, de son côté, réduit ses allocations chez Oracle et ne renouvelle pas son contrat lié à Bing IA. Cette recomposition met en avant la segmentation des charges entre entraînement et inférence et un recentrage sur l’efficacité énergétique.
TPU attendus en 2027 et amortissement de 18 à 24 mois
Les processeurs TPU doivent arriver sur l’infrastructure d’Oracle en 2027, avec un déploiement échelonné sur plusieurs exercices fiscaux. Pour absorber les coûts humains liés à la migration logicielle, un amortissement de 18 à 24 mois d’exploitation continue est jugé nécessaire. La mise en service donnera lieu à des benchmarks de débit en production en 2027, qui permettront de vérifier si les économies d’énergie obtenues compensent l’effort d’adaptation du code. Une fois les systèmes en place, il pourrait devenir possible de router automatiquement chaque charge de travail vers la puce la plus économe en énergie.
Migration hors CUDA et coût d’intégration logicielle
Exécuter des modèles sur TPU en quittant l’écosystème CUDA impose une refonte logicielle vers les compilateurs OpenXLA, les bibliothèques JAX ou l’interface PyTorch/LAX. Cette migration nécessite des compétences spécialisées et représente un investissement d’ingénierie initial important pour les équipes habituées à l’environnement Nvidia. En outre, il faut désormais prévoir des ressources matérielles séparées pour les phases d’entraînement et d’inférence. La collaboration technique entre Google Cloud et Oracle met l’accent sur l’optimisation du rendement énergétique par opération de calcul plutôt que sur la seule augmentation de la puissance brute.
Désengagement de Microsoft et réemploi de GPU plus anciens
Microsoft procède à une diminution progressive de ses locations de serveurs auprès d’Oracle Cloud Infrastructure et ne prolonge pas le contrat pluriannuel établi en 2023 pour gérer les pics d’activité de Bing IA. Cette mesure a provoqué une chute immédiate de 4 % du cours d’Oracle, sur fond de baisse générale de l’indice des semi-conducteurs. Les machines concernées étaient équipées de processeurs Nvidia antérieurs, basés sur l’architecture Ampere, qui ne satisfont plus aux besoins de débit des modèles actuels tout en conservant leur efficacité énergétique. En 2023, la rareté des accélérateurs avait poussé à réserver toute capacité de calcul disponible, y compris auprès de sociétés concurrentes. Microsoft a éteint progressivement ces groupes de serveurs loués chez Oracle au fil des derniers mois. Les modèles de fondation à large contexte et les agents autonomes requièrent une utilisation intensive de la bande passante de la mémoire HBM, ce qui entraîne des saturations internes sur les générations précédentes, avec pour conséquence une hausse de la latence par requête et de la consommation d’énergie. Malgré ce contexte, certains contrats ont été prolongés en septembre pour des puces âgées de quatre ans, assortis d’une majoration de 20 % par rapport à leur prix d’origine. Deux types d’utilisation se démarquent : les hyperscalers ramènent les tâches d’entraînement complexes dans leurs propres data centers dotés de silicium dernier cri, tandis que des sociétés disposant de budgets plus restreints utilisent ces équipements déjà amortis pour le fine-tuning et les traitements batch non soumis à des contraintes de temps réel.
Vous suivez la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Accord Oracle–Google : TPU v8t/v8i et exigences d’infrastructure
L’annonce de l’arrivée des processeurs Google TPU dans le catalogue Oracle a eu lieu le 27 octobre 2026 lors de l’événement Oracle AI World à Las Vegas. Les TPU, qui sont des ASIC optimisés pour le calcul matriciel, s’appuient sur des matrices systoliques et des connexions inter-puces propriétaires, permettant ainsi des transferts de données à très grande vitesse sans encombrer les bus système classiques. Pour la huitième génération, la TPU 8t est dédiée à l’apprentissage distribué, tandis que la TPU 8i cible l’inférence itérative. Leur déploiement chez Oracle requiert une alimentation électrique à forte densité, un système de refroidissement liquide pour les baies, ainsi qu’un réseau sans perte assuré par l’infrastructure OCI en RoCE v2. Cette alliance technologique entre Google Cloud et Oracle offre une solution alternative aux GPU haut de gamme, dont les coûts d’acquisition et les délais de disponibilité pèsent sur les budgets d’exploitation.
Choix d’architectures : H100, TPU et A100 selon l’usage
Les GPU Nvidia récents de série H100 sont destinés à l’entraînement de pointe et aux modèles denses, avec une efficacité énergétique élevée mais une forte dissipation thermique, et s’appuient sur le standard logiciel CUDA. Les TPU v8t et v8i sur OCI conviennent aux modèles Mixture of Experts et aux agents autonomes, avec une optimisation au token par watt et un écosystème OpenXLA et JAX. Les GPU Nvidia amortis de série A100 sont adaptés au réglage fin et à l’inférence différée par lots, avec un rendement modéré sur les grands modèles.
