Google ouvre ses TPU à PyTorch, avec Meta et Hugging Face à bord
— Business
Google publie TorchTPU en open source et permet à PyTorch de tourner nativement sur ses puces, main dans la main avec Meta et Hugging Face. L'affaire se joue entre ingénieurs d'infrastructure, mais elle pèsera sur le coût et la disponibilité des outils génératifs que les studios utilisent déjà.
Google vient de lever une barrière technique qui freinait l'usage de ses propres puces. TorchTPU permet d'exécuter directement des programmes écrits avec PyTorch sur les Tensor Processing Units de Google, sans passer par des couches d'adaptation lourdes. Meta a coécrit l'outil, Hugging Face l'intègre déjà dans ses bibliothèques, et des moteurs comme vLLM ou SGLang suivent. L'enjeu est simple à formuler : une équipe qui entraîne ou fait tourner un modèle peut désormais choisir entre processeur classique, carte graphique et puce Google sans réécrire son projet à chaque changement.
Aucun directeur artistique ne touchera cet outil. Les mains sur le clavier sont celles des équipes qui entraînent et déploient des modèles, chez les fournisseurs de services d'IA générative. Mais la bibliothèque Diffusers, utilisée pour générer des images et d'autres contenus visuels, fait partie des briques qui bénéficient directement de cette intégration. Les modèles de génération d'images que les créatifs manipulent chaque jour dans leurs outils préférés reposent sur ce type de socle logiciel, invisible depuis l'interface.
Google avance l'exemple d'un déploiement passé de 1,47 à 5,97 milliards de réponses générées par jour sur un même parc de puces, une multiplication par plus de quatre du débit disponible pour un budget matériel identique. C'est ce genre de gain qui, répété chez les fournisseurs de services d'image et de vidéo, finit par se traduire en tarifs d'abonnement plus bas ou en files d'attente plus courtes pour l'utilisateur final.
Cette promesse de portabilité reste conditionnée aux modèles réellement pris en charge et à des performances que Google lui-même ne garantit pas identiques à celles obtenues sur carte graphique. Un studio qui dépend d'un service d'IA générative ne verra rien changer dans l'immédiat à son interface de travail.
L'intérêt de la manœuvre tient à la concurrence qu'elle relance entre fournisseurs de calcul. Plus les grands éditeurs de modèles d'image et de vidéo peuvent répartir leurs charges entre plusieurs types de puces, moins ils dépendent d'un seul fournisseur et de ses prix. Cette bataille d'infrastructure, menée loin des studios, finira par déterminer combien coûtera demain une génération d'image ou une minute de vidéo synthétique, et à quelle vitesse elle arrivera.