En bref

  • Google développerait une puce serveur appelée Frozen v2 qui grave une partie de l'architecture de Gemini dans le silicium.
  • Selon les rapports, les ingénieurs prévoient une efficacité six à dix fois supérieure à celle des TPU actuels et un objectif de déploiement en 2028.
  • Les actions d'Alphabet ont grimpé d'environ 3 % lors de la séance de lundi après l'annonce, avant les résultats du deuxième trimestre 2026 prévus mercredi 22 juillet.

Google construit une puce conçue pour une seule tâche : faire fonctionner Gemini plus rapidement et à moindre coût.

La puce, dont le nom de code est Frozen v2, a été signalée par The Information lundi et donne à Google une réponse potentielle à un problème qu'il ne peut pas résoudre assez rapidement en dépensant de l'argent : il manque de capacité pour répondre à la demande d'IA qu'il a déjà générée.

En mars, Google a dit à Meta qu'il ne pouvait pas fournir le volume de calcul Gemini que Meta souhaitait acheter. Meta a dû demander à ses employés de rationner leur utilisation de l'IA. Google—dépensant jusqu'à 190 milliards de dollars en infrastructure d'IA cette année—refusait des clients parce qu'il n'avait pas assez de serveurs pour les servir.

Alors maintenant, il construit une puce conçue uniquement pour ses modèles d'IA.

Il n'y a pas beaucoup d'informations sur cette nouvelle puce, mais par convention de nommage, ce n'est pas une autre mise à niveau des unités de traitement tensoriel (TPU) de Google—les puces personnalisées que Google construit depuis 2015 qui alimentent Gemini et ses services Cloud pour les développeurs externes.

Ces puces Tensor exécutent n'importe quel modèle d'IA chargé dessus. Frozen v2 fait quelque chose de différent. Selon les rapports, il intègre une partie de l'architecture de Gemini—le plan structurel qui détermine comment le modèle achemine et traite les informations—directement dans le matériel.

En apprentissage automatique, « geler » signifie verrouiller quelque chose en permanence. Ici, ce qui est gelé, c'est l'architecture, pas les poids du modèle (les connaissances réelles que Gemini acquiert par l'entraînement, qui restent mises à jour). En câblant ce plan dans les circuits de la puce, la puce évite les calculs redondants et cesse de faire circuler les données à travers la mémoire à chaque requête. Les ingénieurs prévoient une amélioration de six à dix fois des jetons—les petits morceaux de texte qui composent chaque réponse d'IA—générés par watt d'électricité consommé.

C'est la différence entre Google servant dix requêtes pour le coût énergétique d'une seule.

Si vous utilisez Gemini, Frozen v2 ne changera pas votre ressenti. Mais cela change ce qu'il en coûte pour le faire fonctionner—et un Gemini moins cher à exécuter concurrence plus durement contre OpenAI, Anthropic et les laboratoires chinois qui représentent déjà jusqu'à 45 % de l'utilisation de jetons d'IA des entreprises américaines, principalement parce qu'ils sont 60 à 90 % moins chers. Vous n'aurez peut-être pas une IA moins chère, mais Google sera probablement plus rentable.

Les actions d'Alphabet ont grimpé d'environ 3 % lors de la séance de lundi suite à cette nouvelle, touchant 356 $ en intraday. La société publie ses résultats du deuxième trimestre 2026 mercredi 22 juillet, et la hausse s'est estompée lors de la séance d'aujourd'hui alors que les investisseurs attendent les résultats les plus récents de Google.

C'est un autre effort d'une grande entreprise d'IA pour réduire sa dépendance excessive au matériel de Nvidia pour développer ses produits. Nvidia contrôle environ 85 % du marché des GPU pour l'IA, et chaque grande entreprise technologique veut s'en affranchir.

Le matériel de Nvidia a été initialement conçu pour les jeux vidéo, pas pour les modèles de langage—il fonctionne, mais avec des frais généraux que les puces dédiées n'ont pas. À l'échelle de Google, un écart d'efficacité de 6 à 10 fois n'est pas abstrait. C'est des milliards de dollars. Meta, Amazon, Microsoft et OpenAI ont tous des programmes de silicium personnalisé pour exactement cette raison.

Comme Decrypt l'a rapporté en mars, même AWS—qui s'est engagé à déployer 1 million de GPU Nvidia d'ici 2027—construit simultanément ses propres puces pour réduire cette exposition à long terme.

Frozen v2 est encore exploratoire. Les décisions de conception clés ne sont pas finalisées, Google n'a pas confirmé l'existence du projet, et la puce ne sera pas proposée aux clients externes de Cloud—un matériel câblé pour un modèle ne peut pas exécuter ceux des autres. Le déploiement est visé pour 2028 au plus tôt, selon les rapports.

En attendant, Google paie SpaceX 920 millions de dollars par mois pour louer 110 000 GPU Nvidia dans les centres de données de xAI comme pont.