L’essentiel
- Google prépare une puce serveur baptisée « Frozen v2 » qui inscrit l’architecture de son modèle Gemini directement dans le silicium.
- Objectif visé : 6 à 10 fois plus de tokens générés par unité d’énergie que ses puces TPU actuelles, pour un déploiement annoncé en 2028.
- L’idée revient à Jeff Dean, scientifique en chef de Google DeepMind ; la puce restera un usage interne, non vendue aux clients cloud.
Comment faire tourner un modèle géant sans y laisser sa marge ? La question hante toute la filière IA, et Google vient d’y opposer une réponse frontale : graver une partie de Gemini dans le métal lui-même. La firme travaille sur une puce serveur baptisée en interne « Frozen v2 », qui embarque l’ossature de son modèle directement dans le circuit. Google n’a ni confirmé ni démenti, se contentant d’évoquer son « approche full stack » qui co-conçoit matériel et logiciel. Mais l’orientation, elle, est limpide.
Graver un modèle dans une puce, ça veut dire quoi ?
Prenons le problème par le début. Un modèle de langage comme Gemini, c’est deux choses : une architecture (le plan du réseau, l’agencement des couches et des connexions) et des poids (les valeurs numériques ajustées pendant l’entraînement, qui décident de chaque réponse). Aujourd’hui, ce plan et ces valeurs vivent dans la mémoire ; la puce, elle, ne fait que les charger et calculer. À chaque requête, elle relit tout, étape par étape.
Frozen v2 fait autre chose. Le nom vient du « gel » des paramètres en apprentissage automatique, cette opération qui verrouille des valeurs pour qu’elles cessent de bouger. Ici, c’est une portion de la structure du modèle qu’on fige dans le circuit lui-même. Concrètement, moins d’étapes de calcul à refaire à chaque appel : des réponses plus rapides et surtout moins gourmandes. Selon des informations de presse, le gain atteindrait 6 à 10 fois plus de tokens (les fragments de texte produits par le modèle) par watt que les TPU actuels, les puces d’IA que Google fabrique en propre.
L’analogie la plus juste vient du minage de cryptomonnaies. On a d’abord miné sur des cartes graphiques, polyvalentes mais énergivores, avant de passer aux puces ASIC, ces circuits taillés pour une seule tâche et imbattables sur celle-ci. Frozen v2 relève de la même logique : une puce spécialisée qui abandonne la souplesse pour l’efficacité brute.
Pourquoi Google a renoncé à figer les poids
L’idée d’origine, plus radicale encore, revient à Jeff Dean, l’un des architectes historiques de l’infrastructure de Google et scientifique en chef de DeepMind. Sa première version voulait graver les poids eux-mêmes dans la puce, les fameuses valeurs qui définissent le comportement du modèle. Impossible à tenir : la puce n’aurait fonctionné qu’avec une seule version de Gemini et serait devenue obsolète au premier modèle suivant. Dans un domaine où les versions se succèdent en quelques mois, on aurait fabriqué du silicium périmé d’avance.
D’où le compromis de Frozen v2 : figer l’architecture, pas les poids. On coule le plan dans le circuit, mais on peut encore charger de nouveaux poids par-dessus. La proportion exacte de structure à câbler en dur n’est d’ailleurs pas tranchée. C’est tout l’enjeu de cette puce présentée comme un galop d’essai, produite en plus petit volume que la ligne TPU classique : trouver le point où la spécialisation paie sans enfermer Google dans un cul-de-sac technique.
Tout se joue sur le coût du token
Reste à comprendre pourquoi une firme aussi outillée que Google se donne ce mal. La réponse tient en un mot : l’inférence, c’est-à-dire le coût de faire répondre le modèle une fois entraîné. Servir des milliards de requêtes consomme une électricité colossale, et cette facture dévore les marges. Dans l’économie de l’IA générative, celui qui optimise le mieux son coût par token décide de sa rentabilité, voire de ses prix.
Une puce qui multiplie par six à dix l’efficacité énergétique change donc l’équation. Elle permettrait à Google de faire tourner des modèles puissants moins cher, et donc de pratiquer des tarifs agressifs face à OpenAI et Anthropic. C’est aussi une manière de desserrer l’étreinte de Nvidia, dont les processeurs dominent le marché et rendent tous les grands acteurs dépendants. Google loue déjà ses TPU à Meta et à ses clients cloud, avec l’ambition affichée de capter 10 % du chiffre d’affaires annuel de Nvidia. Frozen v2, elle, ne vise pas la vente : elle sert à soulager la propre pénurie de capacité de calcul de la maison.
Le mouvement n’a rien d’isolé. En juin, OpenAI a dévoilé sa première puce d’inférence, « Jalapeño ». Peu après, on apprenait qu’Anthropic discutait avec Samsung pour fabriquer la sienne. Chacun cherche à s’affranchir du fournisseur unique et à reprendre la main sur le nerf de la guerre : le matériel.
La contrepartie d’une puce taillée sur mesure
Cette spécialisation a un prix, et il faut le dire net. Une puce qui ne fonctionne que tant que Google conserve la même architecture de modèle est prisonnière de ce choix. Changez de plan en profondeur, et le silicium perd son intérêt. C’est exactement pour ça que Frozen v2 ne deviendra sans doute jamais un produit pour clients externes : personne ne veut acheter du matériel soudé à l’architecture d’un concurrent.
Google fait donc un pari calculé : sacrifier une part de flexibilité contre un avantage de coût qui pourrait, s’il tient ses promesses, peser lourd sur le marché. Le calendrier, 2028, laisse le temps de le mesurer. Les investisseurs, eux, ont déjà tranché : l’action Alphabet a gagné près de 3 % à l’annonce, de quoi rassurer sur les 180 à 190 milliards de dollars d’investissements prévus cette année. Encore faut-il que Gemini reste assez stable pour rentabiliser un silicium taillé à sa mesure.
Mon avis
Je vois dans Frozen v2 un basculement : la course aux modèles cède du terrain à la course aux marges d’inférence. Graver l’architecture dans la puce, c’est parier que Gemini a atteint une maturité architecturale suffisante pour être coulé dans le béton, et ça, c’est un signal bien plus fort que n’importe quel benchmark. Je pense que d’autres suivront cette voie de l’intégration verticale, et que la ligne de fracture des trois prochaines années se jouera moins sur la taille des modèles que sur une question de propriété : qui possède son silicium, et qui reste locataire de Nvidia.
