Réponse officielle de NVIDIA : Félicitations à Google pour ses progrès en matière d’IA, tout en soulignant sa propre position de leader. Les progrès fulgurants de Google en intelligence artificielle (notamment le modèle Gemini 3 et l'optimisation des puces TPU) ont relancé le débat sur la domination de NVIDIA. NVIDIA a réagi sur un ton à la fois positif et confiant, faisant ouvertement l'éloge de son concurrent tout en réaffirmant les avantages inégalés de sa plateforme GPU. Un hommage à Google : NVIDIA commence par exprimer sa « satisfaite », reconnaissant les « avancées majeures » de Google en matière d’IA et soulignant la collaboration continue entre les deux entreprises – NVIDIA continuant de fournir du matériel à Google. Cela témoigne de la maturité stratégique de NVIDIA : éviter une concurrence à somme nulle et se positionner comme un partenaire de l’écosystème pour ne pas être perçu comme un « monopole ». Le principal atout de NVIDIA réside dans son positionnement « une génération en avance ». Sa plateforme GPU est la seule solution capable d'exécuter tous les modèles d'IA et de les déployer partout où le calcul est effectué. À l'inverse, les ASIC (circuits intégrés spécifiques à une application, tels que les TPU de Google), bien qu'optimisés pour des frameworks ou des tâches d'IA spécifiques, manquent de polyvalence. Comparaison des performances : NVIDIA met en avant le leadership global de ses produits en matière de performances, de polyvalence et de fongibilité. Si les ASIC sont efficaces, ils sont conçus pour des usages spécifiques et sont sensibles aux évolutions des modèles ou des frameworks, ce qui limite leur flexibilité. Ce point est crucial pour l’entraînement et l’inférence en IA, notamment avec la diversification actuelle des modèles (par exemple, des Transformers aux modèles multimodaux). Mes impressions après lecture : les GPU constituent une architecture plus polyvalente, avec des applications plus larges en termes d’échelle et de finalité. Ils peuvent être utilisés aussi bien par des particuliers que par de grands clusters d’entreprise. Les TPU, quant à eux, sont spécifiquement optimisés par Google au niveau du système, de l’architecture et de la chaîne d’outils, et sont mieux adaptés aux performances des clusters à grande échelle. Cependant, ils ne conviennent pas aux petits utilisateurs. Seules les applications à grande échelle comme DeepMind et Anthropic peuvent démontrer leurs avantages. Il semble donc que les GPU et les TPU ne soient pas en concurrence directe sur le marché du matériel. Les TPU seront proposés au grand public via Google Cloud, ce qui constitue un enjeu de puissance de calcul dans le cloud.
