Le prix des actions de NVIDIA chute de 7 % ! Meta retourne sa veste face aux puces de Google, les trois géants de la technologie entrent en guerre.

Meta prévoit de déployer des unités de traitement Tensor (TPU) de Google dans son propre centre de données d'ici 2027 et pourrait louer la puissance de calcul associée via Google Cloud dès 2026. Cette collaboration est considérée comme une percée majeure de Google sur le marché des puces AI, et après l'annonce, l'action de NVIDIA a chuté de 7% avant de se réduire à 2,6%.

Meta renverse des milliards de dollars pour Google TPU

Selon The Information, Meta est en pourparlers pour déployer les unités de traitement Tensor (TPU) de Google dans son propre centre de données d'ici 2027, et pourrait louer des Puissance de calcul associées via Google Cloud à partir de 2026. Cette collaboration est d'une ampleur incroyable, avec un montant d'acquisition estimé à plusieurs milliards de dollars, ce qui représente une percée majeure pour Google sur le marché des puces AI. Après avoir fourni un million de TPU à Anthropic, Google attire à nouveau l'attention de clients de poids, montrant que sa compétitivité dans le domaine des infrastructures AI est en forte augmentation.

Cette décision a une signification stratégique multiple pour Meta. Tout d'abord, elle reflète le fait que Meta pourrait ne pas vouloir dépendre excessivement du leader du marché des puces, NVIDIA, dont les problèmes de prix élevés et de délais de livraison longs poussent les entreprises à rechercher des alternatives. Les GPU H100 et H200 de NVIDIA sont en forte demande, les délais de commande atteignant souvent plusieurs mois, voire un an, et les prix continuent d'augmenter. Pour Meta, qui a besoin d'élargir rapidement sa Puissance de calcul IA, ce goulet d'étranglement de l'approvisionnement affecte directement l'efficacité de l'entraînement et de l'inférence de son modèle Llama.

Deuxièmement, le TPU de Google, en raison de son architecture spécialisée pour l'IA et de sa capacité à effectuer des ajustements plus profonds pour l'inférence et l'entraînement de grands modèles linguistiques, est devenu une option compétitive. Le TPU est une puce ASIC (circuit intégré spécifique à une application) conçue pour le calcul de l'IA, et il est fortement intégré avec les modèles de sa propre DeepMind (comme Gemini). On pense que le TPU présente des avantages en termes d'efficacité, de capacité de personnalisation et de coût, et ce sont là des raisons clés pour lesquelles les entreprises envisagent de passer de NVIDIA.

Troisièmement, la stratégie multi-fournisseurs est devenue un consensus parmi les géants de la technologie. En raison des prix élevés, de la contraction de l'offre et de la diversification des risques, les entreprises ne souhaitent plus se fier uniquement à NVIDIA. Ainsi, la plupart des entreprises de cloud et celles impliquées dans l'IA commencent à adopter une “stratégie multi-fournisseurs”, en achetant simultanément des GPU, des TPU et d'autres alternatives. Meta a choisi d'utiliser à la fois des GPU NVIDIA et des TPU Google, ce qui permet d'assurer une puissance de calcul suffisante tout en obtenant un meilleur levier lors des négociations de prix.

Le marché réagit rapidement, la capitalisation boursière d'Alphabet approche 4 trillions de dollars, le prix des actions de MediaTek à Taïwan augmente également de 8%, montrant que l'effet de débordement des TPU de Google commence à se former. En tant que partenaire clé dans la chaîne d'approvisionnement des TPU de Google, MediaTek joue un rôle important dans les étapes d'emballage et de test, et les grosses commandes de Meta vont directement stimuler sa croissance des revenus.

NVIDIA chute de 7 % après une forte contre-attaque

（source : Google Finance）

Après la révélation des rumeurs sur Meta, l'action NVIDIA a chuté de 7 % avant de se resserrer à 2,6 %, avec une capitalisation boursière s'évaporant de plus de 200 milliards de dollars en une seule journée. Cependant, l'entreprise a répondu à cela sur X : « Nous sommes ravis de voir le succès de Google, qui a réalisé d'énormes progrès dans le domaine de l'IA, et nous continuons à fournir à Google. » Cette déclaration apparemment polie rappelle en réalité au marché que Google est également un grand client des GPU NVIDIA, et que les deux entreprises ne sont pas totalement en opposition.

NVIDIA a déclaré de manière significative : « Nous sommes toujours en avance d'une génération sur l'ensemble de l'industrie, étant la seule plateforme capable d'exécuter tous les modèles d'IA dans tous les scénarios, offrant des performances, une polyvalence et une substituabilité supérieures à celles des ASIC. » Cette réponse vise directement le cœur des faiblesses du TPU de Google. Bien que les puces ASIC soient plus efficaces pour des tâches spécifiques, elles manquent de flexibilité. Le TPU est principalement optimisé pour le cadre TensorFlow et les modèles propriétaires de Google, et lors de l'exécution d'autres cadres (comme PyTorch) ou de modèles tiers, l'avantage de performance peut diminuer considérablement.

En comparaison, les GPU de NVIDIA utilisent une architecture de calcul général qui prend en charge presque tous les principaux frameworks et modèles d'IA. De la série GPT d'OpenAI, Claude d'Anthropic, Llama de Meta, jusqu'à Stable Diffusion de la communauté open source, la grande majorité des modèles d'IA sont entraînés sur des GPU NVIDIA. Cet avantage de l'écosystème rend difficile pour les développeurs et les entreprises de se dissocier complètement de NVIDIA, même s'ils augmentent leur utilisation des TPU de Google.

Il y a quelques semaines, Google a lancé le modèle d'IA Gemini 3, qui a reçu des critiques généralement positives. Ce modèle a été entraîné sur les TPU de l'entreprise, plutôt que sur des GPU NVIDIA, mettant en évidence la montée en puissance de la concurrence des puces. Ce cas prouve l'application réussie des TPU dans l'écosystème interne de Google, mais révèle également ses limites : Gemini 3 peut fonctionner efficacement sur les TPU principalement parce que les ingénieurs de Google ont conçu l'architecture du modèle en tenant compte des caractéristiques des TPU dès le départ. Pour les entreprises utilisant des cadres standard et des modèles open source, le coût de cette personnalisation approfondie pourrait dépasser les économies réalisées sur les puces elles-mêmes.

Trois arguments de réponse d'NVIDIA

Avantages de l'écosystème : Tous les principaux cadres et modèles d'IA sont optimisés pour les GPU NVIDIA, les coûts de conversion sont élevés.

Universalité irremplaçable : le GPU peut exécuter diverses tâches telles que l'entraînement, l'inférence et le rendu graphique, tandis que l'ASIC est limité à des scénarios spécifiques.

Caractère technologique avancé : Le H200 dernier cri et le B100 à venir sont toujours en avance sur leurs concurrents d'une génération en termes de performance.

Le paysage du marché des puces AI passe d'un monopole à une concurrence multipolaire

Les dynamiques tripartites de Google, Meta et NVIDIA montrent que le champ de bataille des puces AI entre dans une nouvelle phase. Alors que la voix du marché des TPU de Google s'amplifie rapidement, les dernières nouvelles indiquent que Meta pourrait devenir son prochain client de plusieurs millions de dollars, lançant un choc dans la chaîne d'approvisionnement des puces AI. Dans un contexte où NVIDIA monopolise depuis longtemps le marché des puces AI, la concurrence entre ces trois acteurs affecte non seulement la mise en place de la puissance de calcul des géants technologiques, mais influence également les marchés boursiers mondiaux, la chaîne d'approvisionnement et l'écosystème des modèles AI.

Cette compétition déterminera l'architecture centrale des infrastructures AI de nouvelle génération. Si NVIDIA continue de maintenir son avantage technologique et de préserver ses barrières écologiques, sa position dominante restera solide. Si Google TPU réussit à pénétrer davantage de clients d'entreprise et prouve son avantage en termes de coût dans des scénarios spécifiques, le marché entrera dans un paysage de concurrence multipolaire. Si des géants technologiques comme Meta adoptent pleinement des puces conçues en interne ou une stratégie multi-fournisseurs, le pouvoir de fixation des prix et la part de marché de NVIDIA pourraient être confrontés à des défis substantiels.

D'après la réaction du prix de l'action de NVIDIA, le marché prend au sérieux l'évaluation de cette menace concurrentielle. Bien que la chute de 7 % se soit resserrée à 2,6 % à la clôture, la fluctuation de 200 milliards de dollars de la capitalisation boursière en une seule journée montre que les investisseurs sont très sensibles aux changements dans le paysage du marché des puces AI. Cette volatilité reflète également l'incroyable augmentation de NVIDIA au cours des dernières années, qui a déjà intégré de nombreuses attentes optimistes dans le prix de l'action, et toute menace concurrentielle potentielle pourrait déclencher des prises de bénéfices.

Cette compétition a également des répercussions profondes sur la chaîne d'approvisionnement. Les GPU d'NVIDIA sont principalement fabriqués par TSMC, tandis que les TPU de Google dépendent également des procédés avancés de TSMC. Peu importe qui l'emporte, TSMC en bénéficiera. Cependant, les fournisseurs des segments en aval tels que l'emballage, les tests, la mémoire et les PCB font face à des risques de redistribution. La hausse de 8 % du prix des actions de MediaTek montre que le marché estime qu'une augmentation des commandes de TPU de Google va créer de nouvelles opportunités pour la chaîne d'approvisionnement des semi-conducteurs à Taïwan.

Pour les développeurs de modèles d'IA, le choix des puces influencera directement la conception et les stratégies d'optimisation des modèles. Si la part de marché des TPU de Google continue d'augmenter, les développeurs pourraient avoir besoin d'optimiser les modèles spécifiquement pour les TPU, ce qui augmentera les coûts de développement mais pourrait également améliorer les performances dans des scénarios spécifiques. Si le marché maintient une structure multi-fournisseurs, les développeurs devront s'assurer que les modèles fonctionnent efficacement sur différentes puces, ce qui pose des exigences plus élevées en matière d'abstraction et de normalisation au niveau des frameworks.

Les choix et déclarations de chaque partie pourraient devenir des variables clés pour redéfinir l'ensemble du marché. Si NVIDIA parvient à creuser l'écart technologique avec ses prochains produits (comme le B100), cela consolidera sa position de leader. Si Google peut prouver la rentabilité de TPU et attirer plus de clients, cela constituera une véritable menace pour le monopole de NVIDIA. La décision finale de Meta deviendra une référence, influençant les stratégies d'acquisition de puissance de calcul des autres géants de la technologie.