Meta prévoit la production en septembre de sa propre puce Iris, fabriquée par TSMC, afin de réduire sa dépendance à Nvidia.

Un mémo interne de Meta obtenu par Reuters indique que la puce IA auto-développée, nom de code « Iris », devrait entrer en production en septembre 2026. Co-conçue par Broadcom et fabriquée par TSMC, il s'agit de la quatrième génération de la série MTIA, dédiée aux tâches d'inférence IA de Facebook et Instagram.

(Contexte précédent : Meta dépense plusieurs milliards de dollars pour lier Amazon AWS ! Achète des centaines de milliers de puces Graviton5 pour contrer le monopole de la puissance de calcul IA de NVIDIA) (Contexte complémentaire : OpenAI s'associe à Broadcom pour lancer sa première puce IA « Jalapeño », atteignant son objectif en 9 mois pour défier l'hégémonie de Nvidia)

Table des matières

Toggle

• Pourquoi ne pas continuer à acheter chez NVIDIA ?
• Qu'est-ce qu'Iris exactement ?
• Course à la puissance de calcul : le pari de 7 GW à 14 GW

Un mémo interne de Meta obtenu par Reuters révèle que le géant des réseaux sociaux prévoit de rapatrier le cœur de son empire IA des mains de NVIDIA vers les siennes. Le mémo mentionne un calendrier précis : septembre 2026, la puce auto-développée nom de code « Iris » entrera officiellement en production. D'un côté, les GPU génériques vendus par NVIDIA et AMD depuis dix ans ; de l'autre, une puce sur mesure pour Facebook et Instagram. Meta choisit les deux en parallèle.

Pourquoi ne pas continuer à acheter chez NVIDIA ?

La réponse se trouve dans la propre franchise de Meta : déployer les dernières générations de GPU sur son infrastructure à grande échelle est « extrêmement difficile ». Les puces de NVIDIA sont des modèles génériques conçus pour tous les clients du monde. Meta veut des modèles sur mesure parfaitement adaptés à ses propres centres de données, ce qui permet d'économiser non seulement les coûts d'achat, mais aussi les coûts cachés de planification et de refroidissement.

Lorsque l'échelle de puissance de calcul devient suffisamment grande, la perte d'efficacité des modèles génériques est amplifiée à l'infini, et la personnalisation devient une option rentable.

Selon les informations, ce parcours de développement interne a duré cinq ans, avec des obstacles en cours de route. Le projet MTIA (Meta Training and Inference Accelerator), la série d'accélérateurs de formation et d'inférence de Meta, a souvent connu des difficultés et pris du retard par rapport aux attentes extérieures.

En mars de cette année, Meta a présenté pour la première fois Iris et trois autres processeurs IA, une première étape après cinq ans de travail. L'achat externe et le développement interne n'ont jamais été un choix exclusif. Meta déclare que les puces auto-développées servent à « compléter » et non à remplacer les achats auprès de NVIDIA et AMD. Après tout, les recommandations, traductions et modérations de contenu quotidiennes sur les plateformes sociales sont d'une ampleur telle qu'aucune puce ne peut à elle seule gérer toutes les tâches.

Qu'est-ce qu'Iris exactement ?

Iris est la quatrième génération de la série MTIA, co-conçue par Meta et le géant de la conception de puces Broadcom, et devrait être fabriquée par TSMC.

Sa mission est centrée sur l'« inférence », c'est-à-dire permettre aux modèles IA déjà entraînés de répondre réellement aux questions, de générer des recommandations et de juger du contenu au quotidien, plutôt que de former à partir de zéro les modèles les plus avancés.

En d'autres termes, la formation consiste à investir massivement pour créer un cerveau, tandis que l'inférence fait travailler ce cerveau chaque jour. Le premier est un investissement ponctuel astronomique, le second est une facture quotidienne qui ne cesse de croître. Les recommandations « Vous pourriez aimer », les traductions automatiques et la détection de contenu inapproprié sur les fils d'actualité de Facebook et Instagram sont toutes soutenues par ce type de calcul d'inférence.

Le mémo indique qu'Iris a passé avec succès la phase de test d'environ six semaines, sans défaut majeur. C'est un vent favorable rare pour un projet qui a connu des difficultés, et cela a permis à Meta d'inscrire directement le calendrier de production en masse dans son mémo interne.

Course à la puissance de calcul : le pari de 7 GW à 14 GW

Par ailleurs, Meta prévoit de déployer environ 7 GW d'infrastructure de calcul cette année, et de doubler ce chiffre à 14 GW d'ici 2027. Les dépenses en infrastructure IA cette année devraient atteindre environ 145 milliards de dollars. Plus agressif encore : Meta prévoit de lancer un nouveau processeur IA tous les six mois d'ici 2027, bien plus rapide que le rythme standard d'un par an dans l'industrie.

Les puces auto-développées ne sont pas une exception réservée à Meta. OpenAI a déjà collaboré avec Broadcom pour lancer sa propre puce, Google possède ses TPU, Anthropic serait en pourparlers avec Samsung pour des puces personnalisées, et même DeepSeek développe sa propre puce d'inférence.

La défense de NVIDIA n'a jamais été de ne pas pouvoir fabriquer de meilleures puces, mais que tout le monde doit lui en acheter. Mais lorsque Meta, OpenAI et Google commencent tous à remplacer l'option « acheter des puces » par « fabriquer soi-même », les règles du jeu sont en train d'être réécrites en douceur, même si personne n'a encore misé toutes ses cartes.