Dans la course à l’intelligence artificielle, Meta ne veut pas seulement acheter des accélérateurs toujours plus puissants : il développe aussi ses propres processeurs pour les tâches qui font fonctionner Facebook, Instagram, WhatsApp et ses services d’IA. En mars 2026, le groupe a présenté quatre générations de MTIA, ses « Meta Training and Inference Accelerators », avec l’ambition de les développer et de les déployer en deux ans. Cette stratégie illustre un mouvement plus large des grandes plateformes : adapter le matériel à leurs usages, sans nécessairement rompre avec les fournisseurs spécialisés.

Des processeurs adaptés à des tâches précises

Une puce n’est pas automatiquement performante pour toutes les applications. Les accélérateurs conçus pour entraîner un très grand modèle peuvent être différents de ceux optimisés pour l’inférence, c’est-à-dire le moment où un modèle déjà entraîné produit une réponse. Meta indique que ses puces MTIA sont employées pour le classement et les recommandations de contenus et de publicités, et prévoit d’étendre leur rôle aux charges de travail d’IA générative. En choisissant les opérations visées dès la conception, une entreprise peut rechercher un meilleur rapport entre performance, consommation d’énergie et coût pour ses propres besoins.

Le calendrier de la société distingue plusieurs étapes. Meta affirme que la MTIA 300 est déjà en production et sert à entraîner les systèmes de classement et de recommandation. La MTIA 400 est conçue pour élargir l’éventail des tâches, tandis que les MTIA 450 et 500 doivent notamment prendre en charge l’inférence générative. Le groupe décrit ces modèles comme une feuille de route, pas comme quatre générations déjà installées à grande échelle dans ses centres de données. Reuters rapportait le 11 mars que la 300 était en usage et que les modèles suivants devaient être déployés par étapes en 2026 et 2027.

L’inférence, nouveau terrain d’optimisation

Un service numérique peut devoir traiter des quantités considérables de requêtes, même lorsqu’il ne réentraîne pas son modèle. La génération de texte, la recommandation d’une vidéo ou l’affichage d’une publicité sont des opérations répétées ; une amélioration modeste du coût par requête peut alors compter à l’échelle d’un grand réseau. Meta explique que ses puces sont pensées pour ses charges de travail et intégrées à une architecture complète. L’entreprise affirme déployer déjà des centaines de milliers de processeurs MTIA pour certaines tâches d’inférence, mais cet indicateur vient de sa propre communication et ne se compare pas directement au nombre de processeurs graphiques achetés.

Le choix de prioriser l’inférence n’est pas propre à Meta. Les modèles commerciaux d’IA sont utilisés par des millions de clients et d’employés, ce qui accroît la demande de réponses rapides, fiables et accessibles à coût maîtrisé. Pour les fournisseurs de puces, la compétition ne se limite donc pas au calcul d’entraînement : la mémoire, les connexions entre processeurs, la gestion de la chaleur et les logiciels déterminent aussi les performances d’un système complet. Meta dit s’appuyer sur des standards logiciels et matériels ouverts, dont PyTorch, vLLM, Triton et l’Open Compute Project, afin que ses puces s’insèrent plus facilement dans son infrastructure.

Construire en interne, mais conserver un portefeuille

Le discours de Meta ne signifie pas que l’entreprise va se passer de NVIDIA, AMD ou d’autres fournisseurs. La société décrit explicitement une approche de portefeuille : acheter des processeurs auprès de plusieurs acteurs tout en plaçant les puces MTIA au cœur d’une partie de son infrastructure. Cette nuance est importante. Les fabricants de puces maison peuvent être compétitifs sur des charges répétitives bien définies, tandis que les accélérateurs généralistes restent utiles pour l’entraînement de pointe, les nouveaux usages et les besoins dont la conception évolue rapidement. L’autonomie recherchée porte sur une part des besoins et du coût, pas sur l’ensemble de la chaîne.

Les marchés suivent ces annonces parce qu’elles peuvent modifier les attentes de commandes adressées aux fournisseurs. Une feuille de route ne prouve toutefois pas une baisse immédiate des achats : les volumes, les taux d’utilisation, les investissements et les résultats réels fourniront des indications plus concrètes.

Une compétition qui touche l’Europe

Pour les entreprises et les laboratoires européens, la multiplication des architectures peut élargir les options de calcul, mais elle augmente également la complexité. Un modèle conçu pour un matériel précis doit être adapté, testé et entretenu sur d’autres plateformes ; la compatibilité logicielle devient donc stratégique. Les fournisseurs européens de serveurs, de systèmes de refroidissement, de composants et de services cloud peuvent bénéficier de dépenses d’infrastructure mondiales, mais la valeur ajoutée et les brevets ne se répartissent pas nécessairement en Europe. Le continent reste dépendant de chaînes mondiales pour les processeurs avancés et les équipements de fabrication, même si ses entreprises peuvent contribuer à leur intégration et à leur efficacité.

L’initiative de Meta montre aussi le poids de la demande des plateformes dans l’évolution des technologies. Lorsqu’un très grand opérateur investit dans des circuits spécialisés et des centres de données, il peut accélérer la mise au point de nouvelles architectures — mais il doit supporter des coûts de conception, de validation et de déploiement. Le critère utile n’est donc pas « puce maison contre puce du commerce » en général : c’est l’adéquation entre une puce, la tâche, les logiciels et l’infrastructure disponible. La feuille de route sera jugée sur sa capacité à tenir ses délais et à servir efficacement des applications à grande échelle, pas seulement sur les annonces de générations successives.

Le coût total derrière la promesse de performance

Meta annonce une cadence de six mois ou moins, rendue possible selon l’entreprise par des conceptions modulaires ; le respect des délais et les coûts réels restent à vérifier. À mesure que l’inférence devient courante, l’efficacité par tâche comptera autant que la puissance brute. Cet article ne constitue pas un conseil financier.

À lire aussi

Sources utiles

Cet article présente des informations générales et ne constitue pas un conseil financier, juridique ou d’investissement personnalisé.