Acheter une autre famille de processeurs ne signifie pas abandonner la précédente. Le projet d’acquisition de puces Google prêté à OpenAI illustre cette nuance : derrière la concurrence entre marques se pose une question industrielle, celle de la capacité de calcul disponible pour entraîner et faire fonctionner des modèles d’intelligence artificielle.
Le 28 octobre 2026, Clubic a relayé une information de The Information selon laquelle OpenAI envisagerait d’acheter des TPU de Google. Cette information décrit un projet rapporté par la presse. Elle ne permet pas de présenter un contrat signé, une livraison ou un remplacement des GPU Nvidia comme des faits établis.
Un projet d’achat, pas encore une installation documentée
Une dépêche Reuters du 27 octobre reprend la même origine journalistique. Elle indique que les conditions financières et les autres détails n’ont pas été rendus publics ; à ce moment-là, OpenAI avait refusé de commenter et Google n’avait pas répondu immédiatement à l’agence.
Cette pluralité d’articles ne constitue donc pas plusieurs confirmations indépendantes de l’achat. Les textes renvoient à une information initiale. Pour le lecteur, cette distinction compte : une négociation possible ne renseigne ni sur le nombre de puces, ni sur leur génération, ni sur le calendrier auquel elles pourraient devenir utilisables.
L’enjeu peut néanmoins être expliqué sans transformer le conditionnel en certitude. Il faut pour cela distinguer trois choses : la nature des processeurs, la manière d’y accéder et l’organisation des logiciels qui les utilisent.
Ce que désigne une TPU
TPU signifie « Tensor Processing Unit ». Dans sa documentation technique, Google décrit ces composants comme des circuits spécialisés pour accélérer les calculs d’apprentissage automatique. Ils sont notamment conçus pour les grandes opérations matricielles, ces calculs sur des tableaux de nombres très présents dans les réseaux de neurones.
Le fournisseur précise aussi que le code destiné à ces processeurs passe par le compilateur XLA. Le matériel n’est donc pas une pièce interchangeable dont le seul nom suffirait à prédire le résultat. Le programme, sa structure et les opérations demandées participent à la performance obtenue.
Google distingue d’ailleurs les situations adaptées aux TPU de celles où des GPU ou des processeurs classiques peuvent convenir davantage. Sa documentation cite des limites liées, entre autres, à certaines opérations personnalisées ou aux besoins de calcul en haute précision. La spécialisation constitue un avantage pour des tâches adaptées ; elle n’établit pas une supériorité universelle.
Louer du calcul et acheter des puces, deux décisions différentes
Une entreprise peut utiliser un accélérateur sans en devenir propriétaire, en accédant à une infrastructure cloud. Acheter du matériel renvoie à une autre organisation : il faut déterminer où il sera installé, qui l’exploitera et comment il sera intégré au reste du système.
Le projet rapporté concernant OpenAI ne fournit pas les éléments nécessaires pour décrire cette organisation. Il serait donc prématuré de dessiner une nouvelle carte de ses centres de données ou d’annoncer une économie précise par requête.
Prenons une comparaison économique purement illustrative. Une équipe peut louer une capacité lorsqu’elle en a besoin, ou investir dans une infrastructure qu’elle prévoit d’utiliser durablement. Dans le second cas, le prix du composant ne raconte pas toute l’histoire : une ressource inutilisée une partie du temps peut modifier le calcul. Dans le premier, la souplesse d’accès ne dit rien, à elle seule, du coût sur plusieurs années. Ces questions servent à lire le dossier ; elles ne constituent pas des chiffres connus du projet OpenAI–Google.
La diversification ne commence pas avec cette information
Un élément public apporte un contexte plus solide. Le communiqué commun d’AMD et OpenAI du 6 octobre 2025 annonçait un accord pluriannuel portant sur six gigawatts d’infrastructures équipées de GPU AMD, répartis sur plusieurs générations.
Le calendrier annoncé prévoyait un premier déploiement d’un gigawatt avec la série Instinct MI450 à partir du second semestre 2026. Ce document atteste l’annonce et son périmètre ; il ne constitue pas une preuve que l’ensemble des installations est aujourd’hui terminé. Les six gigawatts ne sont pas non plus un nombre de puces ou une mesure directe du nombre de réponses que ChatGPT pourrait produire.
Ce précédent permet de replacer l’hypothèse TPU dans une démarche déjà documentée de recours à plusieurs technologies. Il ne confirme pas l’achat à Google. Il évite surtout de raconter chaque fournisseur supplémentaire comme un basculement exclusif d’un camp vers un autre.
Les questions qui permettront de juger la suite
Si une annonce officielle intervient, quatre informations seront particulièrement utiles. Quelle génération de composants est concernée ? Le programme vise-t-il l’entraînement, l’exécution des modèles ou les deux ? À quel horizon la capacité sera-t-elle réellement disponible ? Quels résultats seront mesurés sur les logiciels effectivement utilisés ?
Il faudra aussi distinguer capacité commandée, matériel livré et service opérationnel. Ces étapes peuvent toutes faire l’objet d’annonces, mais elles ne décrivent pas le même niveau d’avancement.
Pour l’utilisateur final, changer de fournisseur de calcul ne garantit directement ni une baisse du prix de l’abonnement ni une meilleure réponse du modèle. Ce sont d’autres résultats, à vérifier séparément. Le dossier OpenAI–Google est donc intéressant comme signal de diversification possible, à condition de suivre les preuves d’exécution plutôt que d’y voir déjà le verdict d’une guerre des puces.
Photographie d’illustration : des équipements de serveurs ; elle ne représente pas une installation TPU d’OpenAI.
