Google complète sa gamme TPU 8e génération : TPU 8tx et TPU 8i Max

TPU 8tx et 8i Max : Google complète sa gamme de la 8e génération — et accélère la guerre du silicium IA

🔎 Quatre systèmes TPU en un an : Google change de rythme

Le 9 novembre 2026, Google a annoncé deux nouveaux systèmes de sa huitième génération de TPU : le TPU 8tx, orienté inférence confidentielle, et le TPU 8i Max, conçu pour les contextes massifs. Une annonce passée presque inaperçue du grand public, mais qui dit beaucoup de la stratégie actuelle de Mountain View.

Le détail qui compte vraiment : il s'agit du quatrième système TPU de la 8e génération lancé en un an. Une première pour Google, historiquement habitué à un rythme d'une génération tous les deux ou trois ans. Cette cadence, documentée sur le blog officiel de Google, n'est pas un hasard : elle répond directement à la pression de Nvidia sur le marché des accélérateurs d'inférence.

Le marché a réagi. Selon Quartz, relayant Bloomberg, l'action Alphabet a gagné environ 2 % à l'annonce — un signal modeste mais révélateur : les investisseurs commencent à intégrer les TPU comme un actif stratégique, pas comme un projet interne.

L'essentiel

• TPU 8tx : inférence confidentielle avec chiffrement au niveau matériel. Basé sur le même silicium que le TPU 8t, couplé à des CPU AMD EPYC de 5e génération et au réseau Boardfly, avec jusqu'à 2x de réduction de latence par rapport au 8t. Cible : secteur public et industries réglementées.
• TPU 8i Max : deux puces 8i sur un même package, doublant compute, SRAM et HBM. Pensé pour les contextes massifs — Gemini fonctionne aujourd'hui avec 1M tokens de contexte. Disponibilité prévue l'an prochain, selon SiliconANGLE.
• Quatrième système TPU de la 8e génération en un an — une première dans l'histoire de la gamme, démarrée avec les 8t et 8i présentés à Cloud Next en avril.
• Nuance importante : selon DataCenterDynamics, Google parle de « TPU systems » plutôt que de nouvelles puces — il s'agit de reconfigurations du compute, du réseau, du stockage et du packaging autour des mêmes dies 8t et 8i.
• Amin Vahdat résume la logique : « un accélérateur dédié pour chaque étape du cycle de vie agentique ».

La gamme TPU de 8e génération en un coup d'œil

Tarifs non publiés à ce jour (novembre 2026, vérifiez sur cloud.google.com).

Deux puces, deux marchés : quelle est la logique de Google ?

Réponse directe : Google ne sort pas de puces génériques, il segmente son silicium par cas d'usage — la confidentialité d'un côté, le long contexte de l'autre.

C'est le point le plus intéressant de cette annonce, et le plus sous-estimé. Pendant des années, les TPU ont été un monolithe : une puce, des pods, une offre Cloud. La 8e génération rompt avec ce modèle. Amin Vahdat, VP chez Google, parle explicitement d'« un accélérateur dédié pour chaque étape du cycle de vie agentique » — formation, inférence, inférence sensible, inférence longue.

Cette fragmentation est une réponse directe à la manière dont la charge de travail IA a évolué. En 2024, une requête typique tenait dans quelques milliers de tokens. En 2026, les agents enchaînent des dizaines d'appels d'outils, des documents entiers, des historiques de conversation complets. La mémoire — HBM et SRAM — est devenue le goulot d'étranglement numéro 1 de l'inférence.

D'où le choix tactique de Google : plutôt que de dessiner une puce 9e génération, réutiliser les dies éprouvés des 8t et 8i et les repackage. C'est moins glamour, mais c'est plus rapide à industrialiser — et ça explique la cadence record.

Pourquoi ça ressemble à une stratégie Apple

Il y a une filiation évidente avec ce que Apple fait depuis des années : un die de base, décliné en variantes (Pro, Max, Ultra) selon le nombre d'unités fonctionnelles regroupées dans un package. Le TPU 8i Max — deux dies 8i, compute et mémoire doublés — suit exactement cette grille de lecture. Le nom « Max » n'est pas un hasard.

TPU 8tx : le chiffrement au niveau silicium, sérieux ou marketing ?

Réponse directe : c'est la première fois qu'un accélérateur IA grand volume intègre la confidentialité au niveau matériel, et c'est un ciblage explicite du secteur public et réglementé.

Le TPU 8tx repose sur le même silicium que le 8t — Google ne le cache pas — mais l'entoure d'une architecture différente :

• Chiffrement au niveau matériel : les données restent chiffrées pendant le calcul, pas seulement au repos et en transit. C'est le principe du confidential computing, que Google poussait déjà sur ses CPU avec Confidential VM.
• CPU AMD EPYC de 5e génération : un choix notable, AMD plutôt qu'Intel, cohérent avec la densification des serveurs.
• Réseau Boardfly : la couche d'interconnexion du système.
• Jusqu'à 2x de latence réduite vs 8t : le chiffrement coûte normalement cher en performance ; Google affirme l'avoir compensé, voire inversé la courbe.

Le marché visé est sans ambiguïté : Quartz cite le secteur public et les industries réglementées — santé, finance, défense. C'est un marché où Nvidia est structurellement moins avancé sur le confidential computing, et où les acheteurs ne regardent pas uniquement le prix par token, mais la conformité.

Mon avis, sans pipoter : la vraie innovation n'est pas technique mais commerciale. La confidentialité matérielle existe ailleurs, mais personne ne l'avait packagée comme un produit d'inférence IA destiné aux institutions. Si Google réussit à faire de 8tx le standard des charges de travail réglementées, il s'ouvre un segment que le H100 ne couvre pas frontalement.

TPU 8i Max : quand le long contexte devient une contrainte matérielle

Réponse directe : le 8i Max est conçu pour résoudre le problème le plus cher de l'inférence moderne — la mémoire — en doublant compute, SRAM et HBM dans un seul package.

Selon SiliconANGLE, le 8i Max a été développé aux côtés des contextes massifs de Gemini (1M tokens). Ce n'est pas une coïncidence : c'est une co-conception logicielle/matérielle assumée.

Le raisonnement économique est simple. En inférence long-contexte, le coût est dominé par la bande passante mémoire : chaque token généré doit relire l'intégralité du KV-cache. Doubler le HBM par package, c'est doubler la capacité de contexte traitable par socket — et donc diviser par deux le nombre de machines nécessaires pour un contexte donné. C'est aussi une densité supérieure par rack, ce qui réduit le coût d'infrastructure par token servi.

Les cas d'usage cités par Google via Quartz sont parlants : découverte de médicaments, mathématiques, code. Autrement dit, les domaines où le contexte n'est pas un luxe mais la matière première.

Point de vigilance : la disponibilité n'est prévue que l'an prochain. Annoncer un produit à douze mois dans le silicium, c'est jouer la transparence — et prendre le risque que la concurrence ne bouge entre-temps.

Quatre systèmes en un an : une cadence record, mais des puces ?

Réponse directe : oui, la cadence est record. Non, il ne s'agit pas de quatre puces distinctes — et c'est là toute la subtilité.

Le point le plus important de cette annonce est aussi le plus facile à mal relire. Comme le souligne DataCenterDynamics, Google ne parle pas de « puces » mais de « TPU systems » : des reconfigurations du compute, du réseau, du stockage et du packaging autour des dies 8t et 8i existants.

Les deux 8t et 8i originaux, présentés à Cloud Next en avril 2026, affichaient déjà des gains substantiels par rapport à la génération précédente : jusqu'à 2.7x en training et 80% de mieux en price-performance en inférence, selon le blog de Vahdat sur Google Cloud. Les deux nouveaux systèmes ne remplacent pas ces puces : ils en étendent la couverture fonctionnelle.

Cette approche « system-first » a un avantage caché : elle réduit le risque. Un nouveau die, c'est deux ans de mise au point. Un nouveau packaging et une couche de chiffrement, c'est douze à dix-huit mois. Dans une course où le rythme de publication des modèles s'est effondré, c'est la seule stratégie tenable.

Le front avec Nvidia — et OpenAI dans le viseur

Réponse directe : Google ne cache plus son intention de concurrencer Nvidia frontalement, et la demande d'OpenAI pour ses TPU change la donne.

Quartz le dit sans détour : la concurrence avec Nvidia est frontale. Jusqu'ici, les TPU étaient un avantage interne — c'est sur ce silicium que tournent Search, Gemini et YouTube. La bascule, c'est leur ouverture au marché extérieur, avec des clients comme Midjourney ou Safe Superintelligence.

Le signal le plus fort reste celui-ci : comme nous l'analysons dans notre article sur l'intention d'OpenAI d'acheter des TPU de Google, la rivalité historique du logiciel bascule désormais vers le silicium. Quand le principal client de Nvidia envisage de diversifier chez son concurrent direct, le marché des accélérateurs change de nature.

Dans ce contexte, chaque annonce de système TPU doit être lue comme une pièce d'un puzzle : couvrir tous les cas d'usage, du training massif (8t) à l'inférence sensible (8tx), pour qu'aucun client n'ait de raison de partir ailleurs. C'est aussi pour cela que les clusters hétérogènes — comme celui monté par AMD, Furiosa AI et MangoBoost — sont une réponse intéressante : l'ère du silicium unique est en train de se fermer, des deux côtés.

Et Google regarde déjà plus loin que les datacenters : son projet Suncatcher, qui vise à mettre des TPU en orbite pour exploiter l'énergie solaire à 8x la puissance terrestre, montre que la course au compute ne se jouera pas seulement au sol.

Ce que ça change pour les développeurs (et ce qui ne change pas)

Réponse directe : à court terme, rien pour la majorité des développeurs — mais à moyen terme, la pression sur les prix de l'inférence est réelle.

Soyons honnêtes : vous n'allocerez pas un pod de TPU 8tx demain matin. Ces systèmes visent les charges à très grande échelle, et la disponibilité du 8i Max n'est même pas effective.

Mais l'effet de debordement est bien réel, et il suit une mécanique simple :

1. Google gagne 80% de price-performance en inférence sur sa génération précédente (chiffre d'avril 2026).
2. Cette baisse de coût structurel finit par se répercuter sur les tarifs des API hébergées — Gemini, mais aussi les modèles tiers servis via Google Cloud.
3. La concurrence de Nvidia force tout le monde à s'aligner.

Pour un développeur indépendant ou une petite équipe, la conséquence pratique est immédiate : l'inférence devient une commodité de moins en moins chère. Si votre budget ne permet pas de jouer dans la cour des hyperscalers, les API IA gratuites comme Groq, Google AI Studio ou OpenRouter restent le point d'entrée le plus rationnel — et elles bénéficieront, in fine, de cette baisse des coûts de calcul côté fournisseur.

Pour les équipes qui construisent des agents, la promesse de Vahdat — « un accélérateur pour chaque étape du cycle agentique » — annonce des latences d'outils-calling de plus en plus serrées. Des frameworks open source comme Hermes Agent, que nous avons présenté et installé pas à pas, montrent déjà ce que deviennent les agents quand le coût par token cesse d'être le facteur limitant : on multiplie les appels, les vérifications, les réflexions. Le matériel dictait le design des agents jusqu'ici ; avec 8i Max, c'est le design qui dictera le matériel.

❌ Erreurs courantes

Erreur 1 : lire « deux nouvelles puces » dans les titres

Ce qui ne va pas : beaucoup de relances présentent 8tx et 8i Max comme des puces inédites. C'est factuellement inexact — Google parle lui-même de « TPU systems » construits autour des dies 8t et 8i existants.

La solution : raisonnez en systèmes (silicium + interconnexion + packaging + chiffrement), pas en puces. C'est la grille de lecture que Google lui-même impose, et c'est celle qui prédira le mieux les annonces suivantes.

Erreur 2 : croire que le 2x de latence du 8tx s'applique partout

Ce qui ne va pas : le chiffre « jusqu'à 2x de latence réduite » concerne la comparaison 8tx vs 8t, pas un bond générationnel. Et « jusqu'à » signifie qu'il s'agit d'un meilleur cas, pas d'une moyenne.

La solution : attendez les benchmarks indépendants sur vos charges réelles avant de conclure. Les chiffres constructeur en inférence confidentielle sont systématiquement à prendre avec des pincettes, car la configuration de référence est rarement précisée.

Erreur 3 : planifier sur 8i Max dès aujourd'hui

Ce qui ne va pas : le 8i Max n'est pas disponible — SiliconANGLE indique une arrivée l'an prochain. Bâtir une architecture autour d'un produit non livré est une prise de risque inutile.

La solution : gardez le 8i Max comme hypothèse d'architecture, mais dimensionnez vos systèmes actuels sur les 8i disponibles. Réévaluer dans six mois coûte moins cher qu'un engagement prématuré.

❓ Questions fréquentes

Le TPU 8tx remplace-t-il le TPU 8t ?

Non. Le 8tx utilise le même silicium que le 8t, mais y ajoute le chiffrement au niveau matériel, des CPU AMD EPYC de 5e génération et le réseau Boardfly. Le 8t reste positionné sur le training et l'inférence standard ; le 8tx cible les charges nécessitant la confidentialité pendant le calcul, typiquement secteur public et réglementé.

Pourquoi doubler compute, SRAM et HBM dans le 8i Max ?

Parce qu'en inférence long-contexte, la mémoire est le goulot d'étranglement principal : chaque token généré relit le KV-cache complet. Doubler HBM et SRAM dans un même package permet de traiter des contextes massifs — Gemini fonctionne avec 1M tokens — avec une meilleure densité par rack et un coût par token réduit.

Google a-t-il vraiment sorti quatre TPU en un an ?

Oui et non. Quatre systèmes TPU de la 8e génération ont été annoncés en un an — une première. Mais selon DataCenterDynamics, il s'agit de deux dies (8t et 8i) déclinés en quatre systèmes via des reconfigurations de compute, réseau, stockage et packaging. La cadence est réelle, l'innovation se situe dans le système, pas dans le silicium.

Cela threaten-t-il Nvidia ?

À moyen terme, oui, sur des segments précis. Google cible frontalement Nvidia selon Quartz, avec deux angles d'attaque : le confidential computing (8tx) et le long contexte (8i Max), deux zones où la gamme H/B de Nvidia est moins différenciée. Mais Nvidia garde une avance massive sur l'écosystème logiciel (CUDA) et sur la diversité de ses clients.

Quand les TPU 8tx et 8i Max seront-ils disponibles ?

Le 8tx est annoncé le 9 novembre 2026 avec un ciblage immédiat sur le secteur public et réglementé. Le 8i Max est prévu pour l'an prochain, selon SiliconANGLE. Les tarifs ne sont pas publiés à ce stade (novembre 2026, vérifiez sur cloud.google.com).

✅ Conclusion

Avec 8tx et 8i Max, Google ne révolutionne pas le silicium — il industrialise une stratégie de déclinaison par cas d'usage qui, cumulée à une cadence record de quatre systèmes en un an, fait des TPU une menace commerciale de plus en plus concrète pour Nvidia. Si vous voulez voir où cette logique mène quand elle sort des datacenters, lisez notre analysis du projet Suncatcher et des TPU en orbite : la course au compute ne fait que commencer.