Google accélère et ajoute deux nouveaux TPU à son portefeuille, 8tx et 8i Max, conçus pour l’ère des agents IA

La firme de Mountain View élargit son portefeuille de TPU de huitième génération avec le lancement des TPU 8tx et TPU 8i Max aux côtés des TPU 8t et 8i. Elle explique avoir retravaillé notamment l’organisation des capacités de calcul, du réseau et du stockage autour de la puce afin de répondre rapidement aux besoins émergents de ses clients et aux cas d’usage liés à l’agentique.

En avril 2026, Google dévoilait deux TPU de huitième génération, aux architectures distinctes pour répondre aux besoins croissants de l’IA agentique. Le premier TPU, 8t, est optimisé pour l’entraînement de modèles massifs, tandis que le TPU 8i cible l’inférence et le raisonnement à faible latence. Une spécialisation qui tranche avec l’approche de Nvidia et Amazon, qui misent davantage sur des architectures polyvalentes. Google revendique jusqu’à 2,7 fois plus de performances d’entraînement et une amélioration de 80% du rapport prix-performance en inférence par rapport à la génération précédente.

Aujourd’hui, le géant ajoute deux versions supplémentaires à son portefeuille avec l’intention de répondre au mieux aux besoins de ses clients en applications d’IA agentique. L’un, le TPU 8i Max, est conçu pour les fenêtres de contexte massives et la densité de calcul la plus élevée par rack, et le TPU 8tx se destine quant à lui à l’inférence sécurisée et confidentielle, explique Amin Vahdat, directeur technique et vice-président senior chargé de l’IA et de l’infrastructure chez Google.

8 générations de TPU plus tard, quatre versions présentées la même année

« Nous avons conçu nos premiers TPU il y a plus de dix ans, en réponse à des besoins internes, notamment en matière de reconnaissance vocale et de traduction linguistique. Huit générations de TPU plus tard, les cas d’usage ont explosé et couvrent désormais tous les domaines », commente Amin Vahdat. Pour le géant du cloud et de l’IA, c’est une première que de présenter quatre systèmes TPU au cours d’une même année.

Les deux nouvelles itérations doivent ainsi répondre à des demandes de plus en plus spécifiques formulées par les clients de Google. « Associés à nos récentes annonces concernant PyTorch, ils visent à rendre les TPU plus facilement accessibles à tous les développeurs et à tous les clients de Google Cloud », précise Amin Vahdat.

L’innovation autour des TPU

Revenons en détail sur ces deux systèmes.

Le TPU 8tx cible les entreprises et administrations aux besoins de sécurité élevés. Basé sur le même silicium que le TPU 8t et associé à des processeurs AMD personnalisés, il intègre le calcul confidentiel directement au niveau du hardware, protégeant les données sensibles et les poids des modèles même pendant leur traitement.

Optimisé pour l’inférence sécurisée, il permet également de finer-tuner des modèles sur des données privées et d’entraîner des agents par apprentissage par renforcement, sans déplacer les données entre plusieurs clusters. Il promet jusqu’à deux fois moins de latence que le TPU 8t, avec une pénalité de performance quasi nulle.

Le TPU 8i Max s’attaque quant à lui au goulot d’étranglement qu’est la mémoire, notamment pour les agents capables de traiter des contextes massifs. Il réunit deux puces TPU 8i dans un même boîtier, doublant par rapport à ce dernier la puissance de calcul, la SRAM et la bande passante HBM.

Cette architecture permet de maintenir les processeurs alimentés en données pour éviter les ralentissements sur les workloads volumineux. Elle offre également une densité de calcul supérieure, avec deux fois plus de silicium dans un encombrement de rack inchangé.

Faciliter l’adoption des derniers TPU

Pour faciliter l’adoption de son hardware par les quelques 100 clients qu’il compte, incluant laboratoires de pointe, des sociétés de trading, des distributeurs, des universités et bien d’autres, Google explique avoir, le mois dernier, publié TorchTPU en open source. Ainsi, le code PyTorch et les modèles Hugging Face peuvent désormais fonctionner nativement sur les TPU, aux côtés de backends TPU prêts à l’emploi pour les principaux moteurs d’inférence open source, comme vLLM et SGLang.

Pour rendre l’optimisation matérielle plus simple, la firme a également prévu que sa suite d’agents TPU open source, actuellement en preview, s’intègre directement à des outils de programmation comme Claude Code, Cursor et Google Antigravity, l’idée étant d’automatiser l’intégration des TPU en quelques minutes à partir d’instructions en langage naturel.

Source : usine-digitale.fr