,

Les TPU de Google arrivent sur Oracle Cloud. Cela change-t-il le problème de la dépendance à un fournisseur cloud pour l’IA ?

Google et Oracle prévoient d’apporter les TPU à OCI en 2027. Ce que cela implique pour le choix d’accélérateurs, la portabilité des applications et la dépendance au cloud.

Lire en : English · తెలుగు · हिन्दी · Français · Español

Se connecter pour enregistrer

Illustration conceptuelle de matériel Google Cloud TPU relié aux services d’Oracle Cloud Infrastructure et aux données d’entreprise.

Le partenariat de Google avec Oracle pourrait permettre aux entreprises d’utiliser les TPU sans passer à Google Cloud. Mais le fait de disposer du même accélérateur d’IA sur plusieurs clouds facilite-t-il le déplacement des applications de l’un à l’autre ?

Imaginez une entreprise qui exécute ses applications métier et ses bases de données sur Oracle Cloud Infrastructure (OCI).

Elle développe un assistant d’IA pour aider ses employés à trouver des informations, à répondre à des questions métier et à accomplir des tâches courantes. Ses charges de travail d’IA actuelles s’exécutent sur des GPU NVIDIA, mais l’équipe technique souhaite évaluer d’autres accélérateurs, dont les Tensor Processing Units (TPU) de Google.

Jusqu’ici, accéder aux services TPU de Google dans le cloud a généralement impliqué d’utiliser Google Cloud. Pour une entreprise déjà engagée sur OCI, cela pourrait signifier introduire un autre environnement cloud uniquement pour utiliser un autre type de processeur d’IA.

L’équipe devrait prendre en compte la connectivité, l’accès aux données, la supervision, la sécurité et les coûts d’exploitation dans les deux environnements.

Et si l’entreprise pouvait utiliser les TPU de Google directement dans OCI ?

Le 27 octobre 2026, Oracle et Google ont annoncé leur intention d’apporter les TPU à Oracle Cloud Infrastructure, à partir de l’année civile 2027.

Cela pourrait offrir aux organisations une autre manière de choisir leur matériel d’IA sans nécessairement changer de fournisseur cloud principal.

Mais cela soulève aussi une question plus importante que l’annonce elle-même.

Si le même accélérateur d’IA devient disponible chez différents fournisseurs cloud, cela réduit-il la dépendance à un fournisseur cloud (lock-in), ou cela ne fait-il que déplacer les dépendances ?

Pourquoi l’accord avec Oracle compte au-delà d’une simple option matérielle de plus

Dans notre précédent article de TechiesJournal, Les TPU de Google peuvent-ils réduire la dépendance de l’IA à NVIDIA ?, nous avons examiné comment des accélérateurs alternatifs et une meilleure prise en charge logicielle pourraient réduire la dépendance à l’écosystème de NVIDIA.

C’est une partie du problème d’infrastructure.

Une organisation peut vouloir accéder à différents processeurs pour comparer les performances, la disponibilité et les coûts d’exploitation. Mais choisir un autre accélérateur peut aussi introduire des dépendances envers ses outils logiciels et les environnements cloud pris en charge.

L’accord avec Oracle ajoute une dimension supplémentaire.

Google a conçu les TPU pour les charges de travail d’apprentissage automatique et en propose l’accès dans le cloud via Google Cloud. Le déploiement prévu sur OCI ferait d’Oracle le premier fournisseur cloud hyperscale, hors Google, à proposer ces processeurs.

Cela change la relation potentielle entre l’entreprise qui fournit l’accélérateur et celle qui exploite l’infrastructure cloud environnante.

Google peut étendre la portée de ses systèmes TPU au-delà de Google Cloud, tandis qu’Oracle peut ajouter une autre architecture d’accélérateur à son portefeuille d’infrastructures existant.

Pour les entreprises clientes, l’intérêt immédiat est le choix.

Une entreprise qui dépend déjà d’OCI pourrait à terme évaluer les processeurs d’IA spécialisés de Google sans mettre en place un déploiement Google Cloud entièrement distinct uniquement pour la capacité de calcul TPU.

Cependant, l’annonce établit une offre future, et non un modèle de déploiement client abouti.

Oracle et Google indiquent que la capacité TPU commencera à apparaître dans OCI en 2027 (année civile), avec une expansion prévue sur plusieurs années. Oracle a aussi décrit l’ambition d’atteindre un déploiement de TPU à l’échelle du gigawatt sur cette période.

Au 16 novembre 2026, les deux entreprises n’ont pas établi de tarification client vérifiable publiquement, de régions initiales, de détails de provisionnement ni d’engagements de niveau de service complets pour l’offre prévue.

L’annonce d’Oracle comporte elle-même une déclaration prospective avertissant que les plans et les attentes peuvent changer.

Pour les architectes, cette distinction compte : une capacité annoncée peut influencer une feuille de route technologique, mais elle ne peut pas encore remplacer un service de production disponible.

Comment les TPU de Google s’intégreraient à l’infrastructure d’Oracle

Le partenariat est intéressant sur le plan technique parce qu’il réunit différentes parties d’un système de calcul pour l’IA.

Un accélérateur ne fonctionne pas de façon isolée. Il a besoin de communications à haut débit, d’un accès aux données, de réseau, de refroidissement, d’alimentation électrique et de logiciels capables de coordonner le calcul entre les processeurs.

Les systèmes TPU de Google comprennent des technologies spécialisées pour la communication entre accélérateurs.

L’Inter-Chip Interconnect (ICI) permet la communication entre les puces TPU, tandis que l’Optical Circuit Switching (OCS) aide à gérer les chemins de communication dans les grands systèmes TPU.

Cela devient particulièrement important pendant l’entraînement de grands modèles d’IA. Des milliers de processeurs peuvent devoir échanger des informations de façon répétée, et une communication lente peut laisser des ressources de calcul coûteuses en attente de données.

L’explication technique du partenariat donnée par Google décrit comment ICI et OCS s’inscrivent dans son approche, à l’échelle du système, de la communication entre accélérateurs et de la résilience.

Oracle fournit l’infrastructure cloud environnante.

OCI fournira l’alimentation électrique, le refroidissement et le réseau du centre de données, Oracle Acceleron constituant le socle réseau qui relie la capacité TPU aux autres ressources OCI.

Google décrit précisément l’isolation par SmartNIC d’Acceleron, la High Performance Fabric et le Zero Trust Packet Routing comme des technologies destinées à prendre en charge ces connexions.

Ces responsabilités s’exercent à des niveaux différents.

Les technologies de communication TPU de Google relient et coordonnent les accélérateurs au sein du système TPU. L’infrastructure d’Oracle relie cette capacité de calcul à l’environnement cloud plus large, notamment le stockage, les bases de données et les applications.

Le résultat n’est pas simplement un processeur Google installé dans un serveur ordinaire.

C’est une intégration prévue des systèmes de calcul d’IA spécialisés de Google avec l’infrastructure de centres de données et de réseau cloud d’Oracle.

Malgré cela, les deux entreprises n’ont pas publié tous les détails dont un architecte d’entreprise aurait besoin pour déployer et exploiter le service.

Le modèle exact de provisionnement pour les clients, les interfaces de gestion, les intégrations de supervision et les limites d’exploitation devront être évalués lorsqu’Oracle rendra l’offre disponible.

Suivre une requête d’IA d’entreprise à travers l’architecture envisagée

Prenons l’entreprise fictive présentée plus haut.

Ses employés utilisent un assistant d’IA interne pour récupérer des informations approuvées dans des bases de données métier.

L’assistant doit répondre rapidement, respecter les permissions d’accès et éviter d’exposer des informations confidentielles.

Supposons que l’entreprise finisse par exécuter ses charges de travail d’inférence d’IA sur des TPU de Google hébergés dans OCI.

Une requête pourrait suivre le chemin illustratif suivant.

D’abord, l’employé soumet une question.

Une application exécutée sur OCI reçoit la requête, authentifie l’employé et détermine à quelles informations métier il est autorisé à accéder.

Ensuite, l’application récupère les informations pertinentes.

L’application interroge la base de données Oracle ou le service de recherche approprié en s’appuyant sur des contrôles d’accès établis.

Seules les informations auxquelles l’employé est autorisé à accéder devraient être mises à la disposition de la charge de travail d’IA.

Le modèle d’IA traite ensuite la requête.

L’application envoie les données d’entrée pertinentes à un modèle exécuté sur de la capacité de calcul TPU. Le TPU effectue les calculs numériques nécessaires pour générer la réponse du modèle.

Pour un grand modèle réparti sur plusieurs puces TPU, les technologies d’interconnexion TPU de Google peuvent intervenir pour coordonner le calcul à l’intérieur du système d’accélérateurs.

L’infrastructure réseau d’Oracle assure la connectivité entre la capacité TPU et les services OCI environnants.

Enfin, l’application renvoie la réponse.

L’application traite la sortie du modèle, applique les validations ou règles métier requises, et renvoie une réponse à l’employé.

Il s’agit d’une architecture d’application illustrative, et non d’une spécification de déploiement publiée par Oracle. Les interfaces exactes de réseau, de sécurité et de service d’inférence pour les TPU sur OCI n’ont pas encore été confirmées.

L’exemple montre néanmoins pourquoi le partenariat pourrait compter.

L’application métier, la base de données d’entreprise et la capacité de calcul d’IA pourraient potentiellement fonctionner dans le même environnement cloud, sans nécessiter un déploiement Google Cloud distinct pour accéder au matériel TPU.

Cela pourrait simplifier certaines conceptions réseau et réduire certains transferts entre clouds.

Mais ces avantages dépendront du déploiement réel.

Si l’application et la capacité TPU se trouvent dans des régions différentes, ou si des données pertinentes résident encore en dehors d’OCI, les délais réseau et les coûts de transfert peuvent rester importants.

De même, héberger des composants dans un seul cloud n’établit pas automatiquement un accès sécurisé. L’identité, les permissions, l’isolation des données, la journalisation et les contrôles opérationnels doivent toujours être conçus et vérifiés.

Une bonne architecture ne se détermine pas simplement par l’endroit où l’accélérateur est installé. Elle se détermine par le comportement de l’ensemble de la charge de travail.

Avoir des TPU sur deux clouds rend-il les charges de travail d’IA portables ?

C’est ici que la distinction entre davantage de choix d’infrastructure et une véritable portabilité devient importante.

Une application peut dépendre de trois couches technologiques différentes.

DépendanceCe que cela signifieCe que l’accord avec OCI change
Matériel accélérateurL’architecture de processeur utilisée pour exécuter les charges de travail d’IAIl est prévu que les TPU deviennent disponibles chez un autre hyperscaler
Logiciels d’IAFrameworks, compilateurs, bibliothèques et outils d’exécution de modèlesLa prise en charge logicielle existante des TPU peut aider, mais la compatibilité doit encore être vérifiée
Services cloudRéseau, identité, stockage, déploiement, supervision et exploitationOCI devient une autre option d’hébergement, mais ses services environnants restent distincts

Ces dépendances sont liées, mais elles ne sont pas interchangeables.

Prenons l’assistant d’IA de l’entreprise.

Son modèle peut être développé avec PyTorch, un framework d’apprentissage automatique très répandu. Le projet TorchTPU de Google vise à prendre en charge l’exécution sur TPU à travers des workflows PyTorch familiers.

Google a annoncé que TorchTPU est disponible en logiciel open source et décrit un écosystème comprenant des outils tels que vLLM, SGLang et Ray.

L’objectif est de faciliter l’adoption des TPU par les développeurs qui utilisent des logiciels d’IA établis.

C’est un progrès significatif.

Cependant, il ne faut pas confondre trois affirmations différentes.

La compatibilité du code des modèles signifie que les développeurs peuvent utiliser des interfaces de programmation familières et potentiellement réutiliser de larges parties de leur code de modèle.

La portabilité des performances signifie qu’une charge de travail continue d’offrir des performances compétitives lorsqu’elle est déplacée vers un autre matériel. Cela peut exiger des réglages, des noyaux (kernels) alternatifs, des approches différentes de gestion de la mémoire ou des modifications de l’exécution du modèle.

La portabilité du déploiement cloud signifie que l’application complète peut passer d’un environnement cloud à un autre tout en conservant la sécurité, le réseau, le stockage, la supervision et le comportement opérationnel dont elle a besoin.

TorchTPU peut améliorer la première. Google présente une portabilité plus large comme un avantage visé de son écosystème logiciel.

Mais ni la prise en charge de frameworks open source ni l’accord avec Oracle ne prouvent que les trois sont obtenues automatiquement.

Par exemple, même si l’entreprise exécute le même code de modèle sur des TPU dans Google Cloud et dans OCI, son application environnante peut encore dépendre du réseau OCI, des bases de données Oracle, de contrôles d’accès propres au fournisseur et de l’automatisation du déploiement.

Déplacer le modèle n’est qu’une partie du déplacement de l’application.

Par conséquent, le partenariat avec Oracle peut réduire une forme de contrainte, la nécessité d’utiliser Google Cloud pour accéder à de la capacité TPU de Google hébergée dans le cloud, sans éliminer les dépendances logicielles ou opérationnelles.

C’est une amélioration utile, mais ce n’est pas la même chose que rendre l’infrastructure d’IA indépendante du cloud.

Pourquoi réduire la dépendance à un fournisseur n’est pas toujours le bon objectif

Avant de décider si l’accord résout un problème de dépendance, les entreprises devraient se demander si cette dépendance posait réellement un problème métier significatif au départ.

La portabilité cloud a un coût.

Une organisation peut choisir de concevoir délibérément ses applications autour de technologies prises en charge par plusieurs fournisseurs. Cela peut faciliter une migration future, mais peut aussi exiger des efforts d’ingénierie, des tests et une expertise opérationnelle supplémentaires.

Une autre organisation peut préférer des services étroitement intégrés à un seul cloud, parce qu’ils sont plus faciles à gérer ou mieux adaptés à ses charges de travail.

Aucune des deux approches n’est automatiquement supérieure.

Pour l’entreprise fictive sur OCI, ajouter une plateforme cloud distincte uniquement pour accéder à un autre accélérateur pourrait accroître la complexité opérationnelle.

Si les TPU deviennent disponibles dans OCI, l’organisation pourrait gagner un choix matériel supplémentaire tout en conservant son modèle d’exploitation cloud actuel.

Elle dépendrait toujours d’Oracle pour des services d’infrastructure importants et de la technologie TPU de Google pour l’exécution sur accélérateur.

Ce peut être un compromis raisonnable.

Pour une organisation soumise à des exigences strictes de résilience multicloud, ou qui doit pouvoir déplacer des charges de travail entre fournisseurs, le même arrangement peut ne pas offrir assez d’indépendance.

Le but n’est pas d’éliminer toute technologie spécialisée.

Il s’agit de comprendre si les avantages justifient les dépendances qui en résultent, et si l’organisation peut changer de direction lorsque c’est nécessaire.

Pourquoi Google et Oracle chercheraient à conclure cet arrangement

Le partenariat technique reflète aussi les intérêts commerciaux des deux entreprises.

Pour Google, étendre la disponibilité des TPU au-delà de son propre cloud pourrait accroître l’adoption de son architecture d’accélérateur.

Les organisations déjà engagées sur OCI seraient peut-être plus enclines à évaluer les TPU si elles peuvent les utiliser à côté de leurs applications et de leurs données existantes.

Une base installée plus large pourrait aussi encourager les développeurs de logiciels, les mainteneurs de frameworks et les fournisseurs de plateformes d’IA à améliorer la prise en charge des TPU.

Ce sont des avantages stratégiques plausibles, et non des résultats commerciaux établis de façon indépendante pour le déploiement chez Oracle.

Pour Oracle, l’avantage est une gamme plus large d’options de calcul.

OCI prend déjà en charge plusieurs architectures de calcul. La stratégie d’infrastructure d’octobre 2026 d’Oracle décrit des plans impliquant NVIDIA, AMD, Intel et du matériel d’IA spécialisé supplémentaire.

Ajouter les TPU permettrait à Oracle de proposer une autre option pour les charges de travail d’entraînement et d’inférence.

Des charges de travail différentes peuvent tirer parti d’architectures d’accélérateurs différentes. Un grand entraînement, un chatbot à faible latence et un traitement d’inférence par lots n’ont pas nécessairement les mêmes priorités.

Proposer plusieurs options pourrait aider les clients à choisir l’infrastructure selon leurs besoins, plutôt que d’imposer à chaque charge de travail une architecture unique.

Cependant, le partenariat n’établit pas que les TPU de Google sur OCI seront moins chers, plus rapides ou plus fiables que les alternatives concurrentes.

Il ne démontre pas non plus que les clients réduiront leurs dépenses en NVIDIA.

Pour affirmer cela, les entreprises auraient besoin de charges de travail comparables exécutées sur une infrastructure disponible, avec des performances mesurées et des coûts complets.

L’opportunité commerciale est crédible. Son ampleur reste non démontrée.

Que doit évaluer un architecte avant de décider ?

Revenons à notre assistant d’IA d’entreprise.

L’organisation veut des réponses fiables, des temps de réponse acceptables, une forte protection des données et des coûts d’exploitation prévisibles.

Sa décision devrait partir de ces exigences, et non de la disponibilité d’un nouveau processeur.

Lorsque les TPU sur OCI seront disponibles, une évaluation utile comparerait l’application complète à son déploiement existant.

ÉvaluationQuestion à laquelle répondre
Compatibilité du modèleLe modèle s’exécute-t-il correctement avec les bibliothèques logicielles et les outils d’exécution requis ?
PerformanceRespecte-t-il les objectifs de temps de réponse et de débit sous une demande réaliste ?
Accès aux donnéesLa charge de travail peut-elle accéder de façon sécurisée aux données de l’entreprise sans transferts inutiles ?
Support opérationnelL’organisation peut-elle déployer, superviser, mettre à l’échelle et rétablir le service de façon fiable ?
CapacitéDes configurations TPU adaptées sont-elles disponibles dans la région et en quantité requises ?
ÉconomieLe coût total est-il meilleur que celui de l’alternative pratique existante ?
Flexibilité futureQuels composants devraient changer si l’organisation choisissait plus tard un autre accélérateur ou un autre cloud ?

La comparaison doit inclure plus que les frais de location de l’accélérateur.

Un déploiement dont la tarification du calcul est plus basse peut quand même coûter plus cher une fois comptés l’effort d’ingénierie, les frais de réseau, le stockage, le support opérationnel ou les modifications de l’application.

De même, un accélérateur qui produit des résultats plus rapides lors d’un test peut ne pas offrir une meilleure économie sous une demande de production réelle.

Une évaluation utile devrait donc s’appuyer sur la propre charge de travail de l’organisation et sur une alternative crédible qu’elle pourrait réellement déployer.

Tant qu’Oracle n’aura pas publié les détails du service et que les clients ne pourront pas mesurer la plateforme obtenue, plusieurs de ces questions resteront sans réponse.

Que doivent faire les organisations dès maintenant, et que doivent-elles attendre ?

Le partenariat n’exige pas de changement immédiat d’infrastructure.

Les organisations qui exécutent déjà des charges de travail d’IA avec succès devraient continuer à améliorer et à évaluer par des tests de performance leurs systèmes existants. Elles ne devraient pas retarder des déploiements nécessaires uniquement parce qu’une autre option est prévue pour 2027.

Les entreprises qui évaluent aujourd’hui la technologie TPU peuvent s’appuyer sur les plateformes actuellement disponibles pour comprendre la compatibilité des modèles, les besoins logiciels et l’effort nécessaire pour exploiter leurs charges de travail.

Pour les entreprises engagées sur OCI, le service TPU prévu mérite d’être intégré aux futures évaluations d’infrastructure, surtout lorsque les charges de travail d’IA dépendent fortement de données déjà conservées dans les systèmes d’Oracle.

Mais les organisations devraient attendre la disponibilité effective du service OCI avant de supposer des performances, des prix, des régions ou des capacités opérationnelles particuliers.

Une distinction pratique est la suivante :

À décider maintenant : quelles charges de travail pourraient bénéficier d’accélérateurs alternatifs ? Quelles mesures de performance et de coût comptent ? Quelles dépendances de l’application rendraient un changement futur difficile ?

À évaluer lorsque ce sera disponible : la tarification des TPU sur OCI, le matériel pris en charge, la compatibilité logicielle, la capacité régionale, l’architecture réseau, les outils d’exploitation et les performances de production mesurées.

À ne pas supposer : que l’utilisation de TPU sur OCI réduit automatiquement les coûts totaux, élimine la dépendance à un fournisseur cloud ou rend les charges de travail TPU existantes de Google Cloud portables sans modification.

Cette approche prépare l’organisation sans l’engager sur des capacités qui n’ont pas encore été livrées.

Plus de choix ne signifie pas indépendance complète

La décision de Google d’apporter les TPU à Oracle Cloud est significative, car elle commence à dissocier l’accès au matériel d’IA spécialisé de Google de l’obligation d’utiliser sa propre infrastructure cloud.

Pour les entreprises qui utilisent déjà OCI, cela pourrait lever un obstacle important à l’évaluation de charges de travail basées sur les TPU.

Cela pourrait aussi créer davantage de concurrence entre les options d’accélérateurs au sein d’un même environnement cloud.

Mais l’infrastructure qui entoure un processeur d’IA reste importante. Les modèles dépendent toujours de logiciels. Les applications dépendent toujours des données, du réseau, de l’identité et des services opérationnels. Les entreprises ont toujours besoin de preuves qu’un autre déploiement apporte une valeur mesurable.

Le partenariat avec Oracle change l’endroit où les TPU de Google pourraient devenir disponibles. Il ne démontre pas encore que les charges de travail d’IA peuvent circuler librement entre les clouds.

Pour les responsables technologiques, la bonne question n’est pas de savoir comment éliminer toute dépendance. C’est de savoir quelles dépendances valent la peine d’être acceptées, lesquelles limitent les choix futurs, et quelles preuves justifieraient de les changer.

C’est la décision que ce partenariat rend plus intéressante.


Pour aller plus loin

  1. Oracle: Oracle Brings Google TPUs to Oracle Cloud Infrastructure: 27 octobre 2026. L’annonce officielle couvrant l’offre OCI prévue, le calendrier, les responsabilités d’infrastructure et les charges de travail d’IA visées.
  2. Google Cloud: Bringing Google TPUs to Oracle Cloud Infrastructure: 27 octobre 2026. Une explication technique de la communication entre TPU, du rôle prévu d’Oracle Acceleron, de la prise en charge de l’écosystème logiciel et des avantages potentiels de déploiement.
  3. Oracle: Building the Next Decade of Oracle Cloud Infrastructure: 27 octobre 2026. La stratégie d’infrastructure plus large d’Oracle, ses plans pour prendre en charge plusieurs architectures de calcul spécialisées et son plan de montée en puissance de la capacité TPU jusqu’à l’échelle du gigawatt sur plusieurs années.
  4. TechiesJournal: Les TPU de Google peuvent-ils réduire la dépendance de l’IA à NVIDIA ?: 14 novembre 2026. Lecture complémentaire sur la concurrence entre accélérateurs d’IA, les dépendances logicielles et les considérations pratiques liées au choix d’alternatives à NVIDIA.

Examen des sources : 16 novembre 2026. L’offre TPU sur OCI reste un engagement futur. Les spécifications du produit, le calendrier, la disponibilité et les conditions commerciales doivent être revérifiés dans la documentation officielle avant toute décision de déploiement.

Proposer une correction

Les corrections sont transmises à la rédaction et ne sont jamais publiées automatiquement. Aucun compte n'est nécessaire.