InfrastructureLatent Space · 25 juin 2026, 03:14· 2 min de lecture

L'été des meta-harnesses

La semaine du 23 juin 2026 aura marqué un tournant dans l'architecture des systèmes d'IA. OpenAI a officiellement dévoilé Jalapeño, son premier chip custom pour l'inférence de modèles de langage, co-développé avec Broadcom et destiné à alimenter ChatGPT, l'API, Codex et ses futurs produits d'agents. Côté performance, les estimations de la communauté pointent vers une die quasi pleine reticle, environ 216 Go de HBM3E, 7,1 à 7,4 To/s de bande passante et 10 PFLOPS en FP4. Ce qui frappe autant que les chiffres, c'est la vitesse d'exécution : un cycle design-to-tapeout de neuf mois, exceptionnellement court pour un ASIC haute performance, et prétendument accéléré par les propres modèles d'OpenAI. Le même jour, Chris Lattner annonçait le rachat de sa société Modular par Qualcomm, tout en confirmant que le langage Mojo passerait bien en open source. Par ailleurs, Matei Zaharia, CTO de Databricks, a lancé Omnigent, une architecture open source et modulaire visant à standardiser l'orchestration de n'importe quel agent de codage ou de travail cognitif dans un cadre sécurisé et scalable.

Ces annonces illustrent une recomposition profonde des couches d'infrastructure de l'IA. Pour les grands laboratoires, posséder sa propre silicon n'est plus un avantage différenciateur mais une condition de survie économique : maîtriser les chips, les compilateurs, la mémoire et l'ordonnancement permet de s'émanciper de la dépendance aux GPU de marché et de contrôler le rapport performance/watt à grande échelle. Le rachat de Modular par Qualcomm dessine une alternative crédible à l'écosystème NVIDIA/CUDA, jusqu'ici dominant. Côté Omnigent, le signal est différent mais aussi significatif : le fait que des architectures similaires émergent indépendamment dans des centaines d'entreprises AI-native suggère qu'un standard ouvert d'orchestration d'agents finira par s'imposer, à la manière dont MCP a structuré l'intégration des outils.

L'autre fil conducteur de la semaine est l'intégration des agents directement dans les flux de travail d'entreprise. Anthropic a positionné Claude comme un agent "organisationnel" dans Slack, avec sa propre identité, des actions auditables et des accès révocables centralement. Andrej Karpathy a jugé cette évolution sous-estimée, notant qu'il ne s'agit pas d'un simple bot mais d'un harness à l'échelle d'une organisation. Cette vision soulève des questions de sécurité non triviales : Kenton Varda de Cloudflare a plaidé pour une approche par capacités à granularité fine plutôt que des permissions explicites par agent, arguant que le modèle actuel ne passera pas à l'échelle. Le débat est ouvert, et les prochains mois diront quelle philosophie de sécurité s'imposera à mesure que les agents deviennent des collègues à part entière.

Impact France/UE

Les entreprises et développeurs européens bénéficieront d'alternatives crédibles à l'écosystème NVIDIA/CUDA via le rachat de Modular par Qualcomm et d'un standard ouvert d'orchestration d'agents avec Omnigent, réduisant leur dépendance aux fournisseurs américains dominants.

Dans nos dossiers

OpenAI Open weight & Open source CUDA Anthropic

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1Le Big Data

Meta Iris : la puce IA de Meta pour rivaliser avec Nvidia

Meta a dévoilé Iris, une nouvelle puce d'intelligence artificielle destinée à équiper ses centres de données, avec une production industrielle prévue dès septembre 2026. Ce composant constitue la quatrième génération du programme Meta Training and Inference Accelerator (MTIA), lancé par le groupe de Mark Zuckerberg pour développer sa propre famille de processeurs spécialisés. Iris repose sur une architecture en chiplets, qui assemble plusieurs blocs spécialisés au sein d'un même circuit plutôt qu'un design monolithique classique, ce qui facilite les évolutions futures de l'architecture. Sa conception associe plusieurs poids lourds des semi-conducteurs : Broadcom pour l'architecture, TSMC pour la gravure des circuits, et Samsung pour les technologies mémoire. La puce cible en priorité les charges de travail internes de Meta, à savoir les systèmes de recommandation, la personnalisation des contenus diffusés sur Facebook, Instagram et WhatsApp, ainsi que l'exécution des modèles d'IA générative. L'enjeu dépasse la seule performance technique. En développant son propre silicium, Meta cherche avant tout à réduire sa dépendance aux GPU de Nvidia, dont les coûts d'achat restent très élevés et dont la disponibilité reste contrainte par une demande mondiale qui dépasse largement l'offre. Une puce taillée sur mesure permet à Meta d'optimiser spécifiquement les tâches d'inférence, c'est-à-dire l'exécution de modèles déjà entraînés, une phase qui consomme une part croissante des ressources de calcul à mesure que les services d'IA générative se déploient à grande échelle sur les applications du groupe. Pour les utilisateurs de Facebook, Instagram et WhatsApp, cela devrait se traduire à terme par des fonctionnalités d'IA plus rapides et moins coûteuses à exploiter, sans dégradation de la qualité de service liée à des pénuries de composants sur le marché mondial. Cette stratégie s'inscrit dans un mouvement plus large de l'industrie technologique vers l'intégration verticale du matériel et des modèles d'intelligence artificielle. Google a déjà emprunté cette voie avec ses puces TPU, développées en interne pour ses propres besoins de calcul, et Meta se rapproche désormais de cette logique. Longtemps entièrement dépendant des GPU Nvidia pour entraîner et faire tourner ses grands modèles de langage et ses systèmes de recommandation, le groupe formalise avec Iris un virage engagé depuis plusieurs générations de son programme MTIA. En se donnant les moyens de maîtriser à la fois les modèles et les composants qui les font fonctionner, Meta cherche à sécuriser sa capacité de calcul face à une demande mondiale de puces IA qui continue de dépasser l'offre, à l'heure où la course à l'infrastructure oppose les géants technologiques autant sur le terrain du matériel que sur celui des algorithmes.

UEUne moindre dépendance de Meta aux GPU Nvidia pourrait légèrement détendre l'offre mondiale de puces IA, ce qui profiterait indirectement aux acteurs du cloud et de l'IA en France et en UE.

InfrastructureActu

1 source

2AI News

HP et l'art de l'IA et des données pour les entreprises

À quelques jours du salon AI & Big Data Expo, prévu les 18 et 19 mai au McEnery Convention Center de San Jose, Jérôme Gabryszewski, responsable du développement commercial IA et Data Science chez HP, a accordé une interview à Artificial Intelligence News pour évoquer les défis concrets que rencontrent les grandes entreprises dans leur adoption de l'intelligence artificielle. Le constat est sans appel : malgré un accès abondant à leurs propres données, la plupart des organisations peinent à en tirer parti. La première embûche n'est pas technique : c'est la dette organisationnelle et architecturale. Avant d'automatiser quoi que ce soit, les entreprises doivent réconcilier des données éparpillées entre départements, des schémas incohérents et des systèmes legacy jamais conçus pour l'interopérabilité. Le travail de gouvernance précède toujours le déploiement technique. Sur la question des modèles en apprentissage continu, Gabryszewski recommande d'appliquer les mêmes exigences qu'un déploiement logiciel classique : aucune mise à jour en production sans validation formelle. La dérive conceptuelle est surveillée via des pipelines MLOps avec détection automatique, et la contamination des données d'entraînement est traitée comme un problème de traçabilité autant que de sécurité. Les entreprises qui maîtrisent ces risques ne sont pas forcément les plus avancées techniquement, mais celles qui ont intégré la gouvernance IA dans leur cadre de gestion des risques avant de passer à l'échelle. Ce positionnement a des implications concrètes pour des milliers d'équipes data qui cherchent à réduire leur dépendance au cloud sans sacrifier la puissance de calcul. La question du local versus cloud est au cœur des arbitrages actuels : chaque inférence envoyée dans le cloud représente un coût, une latence et une exposition potentielle de données sensibles. Disposer d'une infrastructure locale capable de faire tourner des modèles de grande taille change fondamentalement l'équation économique et réglementaire, notamment pour les secteurs soumis à des contraintes strictes comme la finance, la santé ou la défense. HP s'appuie sur quinze ans de développement de sa gamme professionnelle Z pour positionner son matériel comme épine dorsale de ce cycle IA autonome. Le ZBook Ultra et le Z2 Mini couvrent les usages mobiles et compacts, mais c'est le ZGX Nano qui attire l'attention : un supercalculateur IA de 15x15 cm, équipé du superpuce NVIDIA GB10 Grace Blackwell, 128 Go de mémoire unifiée et 1 000 TOPS de performance FP4, capable de faire tourner localement des modèles jusqu'à 200 milliards de paramètres. En interconnectant deux unités, on atteint 405 milliards de paramètres, sans cloud, sans datacenter, sans file d'attente. L'appareil est livré préconfiguré avec la pile logicielle NVIDIA DGX et le HP ZGX Toolkit, permettant aux équipes d'être opérationnelles en quelques minutes. HP vise ainsi le segment des équipes IA qui ont besoin de puissance souveraine et immédiate, à l'heure où la course aux modèles toujours plus grands redistribue les cartes du marché des workstations professionnelles.

InfrastructureActu

1 source

3Le Big Data

Google aurait limité l’usage de Gemini par Meta, mais pourquoi ?

Selon le Financial Times, Google a demandé à Meta de réduire sa consommation de ressources liées à son modèle Gemini dès le mois de mars 2026, après avoir atteint les limites de sa capacité de calcul. Meta ne sollicitait pas Gemini pour de simples expérimentations : l'entreprise s'appuyait déjà sur le modèle de Google pour des opérations critiques, notamment le développement logiciel interne, les chatbots publicitaires, le service client et la détection de contenus frauduleux. Ce recours massif à une IA externe s'explique par des performances supérieures à celles des solutions maison de Meta sur plusieurs cas d'usage stratégiques, ce qui a entraîné une montée en charge que Google n'a finalement pas pu absorber sans friction. Cet épisode illustre une réalité que l'on tend à oublier face aux annonces triomphales des géants de la tech : les infrastructures physiques restent le véritable goulot d'étranglement de l'industrie de l'IA. Construire des centres de données prend des années, et la demande en puissance de calcul croît plus vite que les capacités mondiales de production. Pour Meta, la situation est d'autant plus inconfortable que l'entreprise ne dispose d'aucun service cloud grand public qui lui permettrait d'amortir ses besoins en mutualisant les ressources. Résultat : l'un des groupes les plus capitalisés au monde se retrouve dépendant de son concurrent direct pour faire tourner des fonctions commerciales essentielles, une vulnérabilité stratégique considérable. Le paradoxe va plus loin encore : Google lui-même n'est pas à l'abri de ces tensions sur les ressources. La firme de Mountain View loue désormais des serveurs auprès de SpaceX pour environ un milliard de dollars par mois afin d'alimenter ses propres services. Meta a annoncé prévoir 600 milliards de dollars d'investissements dans ses infrastructures, mais ces capacités mettront des années à sortir de terre. En attendant, toute l'industrie se retrouve dans une situation absurde où les acteurs les plus puissants se disputent les mêmes ressources rares. Les analystes pointent régulièrement l'écart grandissant entre les investissements colossaux consentis et des revenus liés à l'IA encore marginaux, tandis que le prix des tokens continue d'augmenter. Cette pénurie de calcul n'est pas un accident conjoncturel : c'est la contrainte structurelle qui va redessiner les rapports de force entre les grands acteurs de l'IA dans les prochaines années.

InfrastructureOpinion

1 source

4Le Big Data

Que cache le grand partenariat entre Meta et Amazon autour des puces CPU ?

Le 24 avril 2026, Meta Platforms a officialisé un accord de plusieurs milliards de dollars avec Amazon Web Services portant sur l'accès à des dizaines de millions de cœurs de puces Graviton sur une durée estimée entre trois et cinq ans. Les puces concernées sont les Graviton5, gravées en 3 nanomètres, conçues en interne par Amazon via Annapurna Labs sur architecture Arm. Meta devient ainsi l'un des cinq plus grands clients de cette gamme de processeurs. Selon Nafea Bshara, vice-présidente d'AWS, le critère décisif pour Meta a été le rapport performance/prix, dans un contexte où les coûts d'infrastructure liés à l'IA atteignent des niveaux inédits. L'accord marque une rupture avec la logique purement GPU qui dominait les décisions d'infrastructure depuis deux ans et confirme un rééquilibrage profond des architectures de calcul à grande échelle. Ce retour des CPU au premier plan n'est pas un hasard. L'essor des agents IA, ces systèmes capables d'exécuter des tâches complexes de manière autonome, génère des besoins de calcul différents de ceux de l'entraînement des grands modèles. Les CPU jouent un rôle central dans les phases dites de post-entraînement, où les modèles sont ajustés pour des usages spécifiques, ainsi que dans la gestion de l'orchestration en amont et en aval des GPU. Loin de les remplacer, ils les complètent en optimisant l'ensemble de la chaîne de traitement. Pour Meta, qui déploie Meta AI à des centaines de millions d'utilisateurs et développe activement des expériences agentiques, la capacité à absorber des volumes massifs d'inférences à coût maîtrisé est devenue un avantage compétitif direct. Cet accord s'inscrit dans une stratégie d'infrastructure délibérément diversifiée. Meta multiplie les partenariats avec Nvidia, AMD et Arm Holdings, refusant toute dépendance à une architecture unique. La collaboration avec Amazon remonte à 2016, mais bascule ici vers un engagement sur une technologie CPU spécifique, ce qui est inédit dans leur relation. Sur le plan géographique, la majorité des déploiements sera réalisée aux États-Unis, dans un contexte de souveraineté technologique et de sécurisation des chaînes d'approvisionnement devenues des enjeux stratégiques. Du côté d'Amazon, valider Meta comme client de référence renforce la crédibilité des Graviton face aux solutions concurrentes et soutient une intégration verticale plus large : AWS vient d'annoncer 5 milliards de dollars supplémentaires investis dans Anthropic, qui utilisera elle aussi ces mêmes puces maison.

InfrastructureOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic