OpenAI va acheter les puces de Google : la fin du tout-Nvidia

Deux concurrents qui se vendent des armes

L'information est tombée dans la nuit du 27 au 28 octobre 2026 : OpenAI TPU Google, c'est désormais un sujet sérieux. Selon The Information, repris par Bloomberg et l'ensemble de la presse financière, OpenAI prévoit d'acheter directement des TPU — les puces d'intelligence artificielle maison de Google — pour alimenter sa construction d'infrastructure.

Il faut mesurer l'étrangeté de la scène. Gemini contre ChatGPT, c'est la rivalité la plus frontale du secteur. Google a passé deux ans à essayer de reprendre à OpenAI le terrain de l'assistant grand public. Et pendant ce temps, les deux entreprises empilent les accords commerciaux. L'industrie de l'IA ressemble de plus en plus à un oligopole où tout le monde est à la fois client, fournisseur et adversaire du voisin.

Ce que l'on sait précisément

Les faits établis, et ils sont minces :

• OpenAY — pardon, OpenAI — veut passer de la location à l'achat direct de TPU. La nuance est tout sauf cosmétique ;
• l'entreprise teste déjà les TPU en location via Google Cloud depuis juin 2025 ;
• Google a commencé à vendre ses TPU en direct à des clients extérieurs cette année, au lieu de les réserver à son propre cloud ;
• OpenAI a publié des offres d'emploi pour recruter des ingénieurs chargés d'optimiser ses derniers modèles pour les TPU. C'est le détail le plus parlant : on n'embauche pas une équipe de portage pour un test ;
• ni OpenAI ni Google n'a confirmé officiellement.

Ce que l'on ignore : le volume, le prix, la valeur du contrat, le calendrier de livraison. Rien n'a été divulgué. Prudence, donc, sur l'ampleur réelle : entre un pilote de quelques milliers d'unités et un engagement pluriannuel à dix chiffres, il y a un monde.

Les chiffres autour de l'affaire

La Bourse a réagi mollement, ce qui est en soi une information — l'hypothèse était déjà dans les cours :

• Alphabet : +1,19 %
• Broadcom : +4,00 % (le vrai gagnant de la séance)
• Nvidia : +0,90 %
• Amazon : +1,61 %
• Microsoft : -0,24 %

En arrière-plan, l'ordre de grandeur qui écrase tout le reste : Amazon, Microsoft et Alphabet prévoient ensemble jusqu'à 600 milliards de dollars d'investissements dans l'infrastructure IA sur l'année. Les investisseurs, eux, commencent à demander à quel moment cette montagne produira un retour.

Côté OpenAI, le portefeuille de silicium devient franchement chargé : client parmi les plus gros de Nvidia, locataire de TPU chez Google depuis l'an dernier, et concepteur de sa propre puce développée avec Broadcom, dévoilée en juin 2026 et attendue en déploiement d'ici la fin de l'année.

TPU contre GPU : ce qui les sépare

Un GPU Nvidia est un couteau suisse très sophistiqué : il fait du calcul graphique, du calcul scientifique, de l'entraînement de réseaux de neurones, et il le fait bien partout. Son écosystème logiciel, CUDA, est la vraie forteresse — vingt ans de bibliothèques, d'outils et d'habitudes d'ingénieurs.

Un TPU est l'inverse : un circuit conçu par Google, depuis 2015, pour une tâche étroite — les multiplications de matrices qui constituent l'essentiel du travail d'un réseau de neurones. Moins polyvalent, mais plus efficace par watt et par dollar sur ce créneau précis.

Les TPU ont gagné en crédibilité ces deux dernières années comme alternative compétitive en coût aux processeurs de Nvidia, avec des contrats signés par des clients extérieurs — dont Anthropic, concurrent direct d'OpenAI. Là encore : tout le monde achète chez tout le monde.

L'inférence, le vrai nerf de la guerre

On parle beaucoup d'entraînement. L'argent se joue ailleurs. Entraîner un modèle, c'est une dépense ponctuelle et colossale. Le faire tourner pour des centaines de millions d'utilisateurs chaque jour, c'est une dépense permanente qui grandit avec le succès — l'inférence.

C'est précisément là que les TPU brillent : exécuter un modèle déjà entraîné, à grande échelle, pour moins cher. Et c'est précisément le problème d'OpenAI. L'usage explose, les puces manquent, les coûts de calcul montent plus vite que les revenus. Chaque centime gagné par requête se multiplie par un volume astronomique.

Diversifier le silicium répond à trois besoins en même temps :

• faire baisser le coût unitaire de l'inférence ;
• échapper à la pénurie, en ne dépendant plus d'un carnet de commandes unique ;
• reprendre un pouvoir de négociation face à un fournisseur qui fixe ses prix en situation de quasi-monopole.

Les zones d'ombre

Trois réserves sérieuses.

La dépendance se déplace, elle ne disparaît pas. Troquer Nvidia contre Google, c'est confier une partie de sa chaîne d'approvisionnement à un concurrent qui vend le produit rival de ChatGPT. Sur le papier, c'est une position inconfortable. Google décide des volumes, des générations, des priorités d'allocation.

Le coût de portage est réel. Sortir de CUDA n'est pas gratuit : il faut réécrire, recompiler, revalider. Les offres d'emploi d'OpenAI le disent en creux.

Et l'information reste une fuite. Pas de confirmation, pas de chiffres, deux entreprises silencieuses. Dans un secteur où chaque rumeur de partenariat fait bouger des centaines de milliards de capitalisation, le scepticisme est de rigueur jusqu'au communiqué.

Ce qu'il faut surveiller maintenant

Trois signaux diront si l'affaire est structurelle ou anecdotique.

D'abord, la puce Broadcom d'OpenAI : si elle entre vraiment en production d'ici fin 2026, l'achat de TPU devient une étape de transition, le temps que le silicium maison monte en charge. Ensuite, la politique commerciale de Google : vendre des TPU à son concurrent le plus direct suppose d'avoir tranché entre deux stratégies — vendre du matériel à tout le monde, ou garder son avantage de calcul pour Gemini. Enfin, les marges de Nvidia. Tant qu'elles tiennent, le monopole tient.

Ce qui change dès aujourd'hui, c'est le récit. Pendant trois ans, « acheter de l'IA » voulait dire « acheter du Nvidia ». Ce raccourci vient de se fissurer, et il s'est fissuré depuis l'intérieur du club — pas sous les coups d'un nouvel entrant, mais parce que les plus gros clients de Nvidia ont décidé de fabriquer et de s'acheter leurs propres puces.