Le modèle d’intelligence artificielle Gemini 3 d’Alphabet a détrôné ChatGPT, devenant le système le plus performant du marché, un revirement inattendu qui redéfinit les équilibres dans la course à l’IA. Cette avancée marque un tournant après une année de domination des modèles développés par OpenAI.
L’intelligence artificielle est omniprésente dans l’actualité, avec le lancement constant de nouveaux modèles, des partenariats inédits et des produits innovants. Alors que ChatGPT approche de son troisième anniversaire, le paysage de l’IA est devenu complexe, où les acteurs majeurs s’affrontent sur de multiples fronts. Alphabet (NASDAQ: GOOGL) défie Nvidia (NASDAQ: NVDA) sur le marché des puces, tandis que Gemini rivalise directement avec ChatGPT en tant que modèle linguistique.
Au cœur de cette compétition technologique se trouve une question fondamentale : quelle infrastructure est la plus performante ? Pour comprendre, il faut distinguer les différents types de processeurs.
Depuis les débuts de l’informatique moderne, le processeur (CPU) est le cerveau central de tout ordinateur. Il est polyvalent, mais pas optimisé pour les calculs répétitifs. Dans les années 1990, l’essor des jeux vidéo, nécessitant le traitement simultané de milliers de pixels, a conduit au développement des unités de traitement graphique (GPU). Un GPU est constitué de milliers de cœurs plus petits, travaillant en parallèle, ce qui permet de colorer tous les pixels simultanément, contrairement au processeur qui les traite un par un.
Avec l’avènement de l’IA moderne, les GPU se sont révélés particulièrement adaptés à l’entraînement des réseaux de neurones, grâce à leur capacité à effectuer des calculs matriciels massifs. Nvidia a rapidement pris le contrôle de ce marché en adaptant ses GPU pour les centres de données.
Cependant, les GPU restaient des puces à usage général. En 2015, Google a introduit le Tensor Processing Unit (TPU), une puce spécifiquement conçue pour les opérations des réseaux de neurones. Il s’agit d’un circuit intégré spécifique à une application (ASIC), optimisé pour une tâche particulière, offrant une rentabilité, une efficacité énergétique et un débit supérieurs. Un troisième type de puce, la Neural Processing Unit (NPU), est dédiée au traitement de l’IA en temps réel sur des appareils comme les smartphones, privilégiant l’efficacité énergétique. Elle n’est pas conçue pour l’entraînement de modèles complexes, mais excelle dans des applications telles que la reconnaissance d’images et vocale.
Malgré les avantages des TPU, leur adoption a été freinée par l’histoire. Au moment de leur invention, l’écosystème de l’apprentissage automatique était déjà solidement ancré dans les GPU Nvidia et, surtout, dans CUDA, la plateforme de programmation propriétaire de Nvidia lancée en 2007. CUDA a permis aux développeurs d’exploiter la puissance parallèle des GPU, créant un cercle vertueux d’outils, de bibliothèques et d’investissements.
Google a mis du temps à rattraper son retard. Les TPU étaient puissants, mais moins flexibles que les GPU et Google ne les vendait pas directement, obligeant les utilisateurs à s’entraîner sur Google Cloud. Les GPU Nvidia, en revanche, étaient largement disponibles sur Amazon (NASDAQ: AMZN), Microsoft, Oracle et dans les centres de données universitaires.
Néanmoins, la performance supérieure des TPU et le désir de réduire la dépendance à Nvidia ont incité des acteurs comme Anthropic à investir massivement dans les puces de Google. Anthropic utilisera désormais les GPU de Nvidia, les puces Trainium d’Amazon et les TPU de Google. Meta serait également en négociations avec Alphabet pour investir des milliards de dollars dans les TPU d’ici 2027. OpenAI a également conclu un accord avec Broadcom pour développer ses propres ASIC à partir de 2026.
Cette évolution a conduit à la formation de deux blocs concurrents. D’un côté, le « complexe Google », composé d’Alphabet et de fournisseurs d’infrastructures tels que Broadcom (NASDAQ: AVGO), Celestica (NYSE: CLS), Lumentum (NASDAQ: LITE) et TTM Technologies (NASDAQ: TTMI). De l’autre, le « complexe OpenAI », centré sur OpenAI et soutenu par Microsoft (NASDAQ: MSFT), Nvidia, Oracle (NYSE: ORCL), SoftBank et CoreWeave (NASDAQ: CWEI).
Microsoft fournit le financement et l’infrastructure cloud Azure à OpenAI, tandis que Nvidia et AMD fournissent les GPU. CoreWeave, soutenu par Nvidia, loue des clusters GPU à OpenAI. Oracle héberge les charges de travail d’OpenAI sur son propre cloud. Récemment, les marchés ont pénalisé les entreprises associées au complexe OpenAI, tandis que les relations avec Google ont été mieux accueillies. SoftBank a chuté de près de 40 % en novembre, tandis qu’Oracle a progressé après son accord avec OpenAI.
HSBC estime qu’OpenAI pourrait accumuler près de 500 milliards de dollars de pertes d’exploitation d’ici 2030, soulevant des questions sur sa viabilité financière.
En contraste, le complexe Google se caractérise par une gestion rigoureuse des dépenses, une infrastructure interne solide et des marges stables. Alphabet a généré 151,4 milliards de dollars de flux de trésorerie d’exploitation l’année dernière, lui permettant de financer ses investissements, de rembourser sa dette et de récompenser ses actionnaires.
Cette solidité financière a permis à Alphabet de lancer Gemini 3, qui s’est rapidement imposé comme le modèle le plus performant du marché. Marc Benioff, PDG de Salesforce, a déclaré : « J’utilise ChatGPT tous les jours depuis trois ans. Deux heures sur Gemini 3, je n’y retournerai pas. »
Le lancement de Gemini 3 a provoqué une « crise » au sein d’OpenAI, avec un mémo « code rouge » envoyé par Sam Altman reconnaissant la menace croissante de Google et d’Anthropic. Le trafic vers ChatGPT a diminué de près de 6 % dans les semaines qui ont suivi le lancement de Gemini 3.
Nvidia reste un acteur dominant, et ses nouvelles architectures, Blackwell et Rubin, pourraient renforcer sa position en 2026. Cependant, les principaux fournisseurs de cloud développent leurs propres puces, les marges se resserrent et les investisseurs se méfient de l’endettement et des valorisations élevées de l’écosystème OpenAI. L’avantage durable de Nvidia réside dans son logiciel CUDA et sa domination dans l’entraînement des modèles.
Il ne s’agit pas d’un jeu à somme nulle, mais d’un marché en expansion qui peut accueillir plusieurs gagnants. À l’heure actuelle, deux pôles se forment : Alphabet, avec sa pile technologique intégrée et rentable, et Nvidia, avec son écosystème de formation et de logiciels inégalé.
Pour aller plus loin
