Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

TPU

Un TPU (tensor processing unit) est la puce conçue par Google pour le machine learning, construite autour de grandes unités de multiplication de matrices et d'une mémoire à haute bande passante. Google propose les TPU à d'autres entreprises sous forme de service en location sur Google Cloud.

Aussi appelé : tensor processing unit, Cloud TPU

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

La plupart des travaux d'IA tournent sur des GPU, qui étaient à l'origine des puces graphiques. Google a conçu le TPU comme une puce spécialisée qui ne fait qu'une chose : les calculs matriciels au cœur des réseaux de neurones. Son cœur est une unité matricielle construite comme un réseau systolique, une grille de cellules de multiplication-addition qui transmettent les données à leurs voisines, associée à une mémoire à haute bande passante sur la puce.

Comment on l'utilise

Vous ne pouvez pas acheter un TPU de centre de données. Vous le louez sur Google Cloud, soit sous forme de machines individuelles, soit sous forme de « slices » de nombreuses puces reliées par une interconnexion rapide pour les gros entraînements. Le code est compilé pour le TPU par le compilateur XLA, que JAX, PyTorch (via PyTorch/XLA) et TensorFlow peuvent cibler.

Pourquoi c'est important

Les TPU sont l'une des rares alternatives à grande échelle au matériel NVIDIA. Pour un développeur, ils sont une option quand l'offre de GPU est tendue ou quand les tarifs des TPU conviennent à une charge de travail, surtout pour les équipes qui travaillent déjà en JAX.

TPU, GPU et NPU

Un GPU est un processeur parallèle généraliste doté d'un immense écosystème logiciel construit autour de CUDA. Un TPU est plus spécialisé et lié à Google Cloud et à XLA, si bien que certaines bibliothèques et certains noyaux personnalisés écrits pour les GPU n'y tourneront pas sans adaptation. Un NPU est l'équivalent petit et basse consommation que l'on trouve dans les téléphones et les ordinateurs portables pour l'inférence sur l'appareil.

Limites

Le débogage et l'optimisation des performances suivent des règles différentes de celles des GPU, et la prise en charge des modèles est plus restreinte dans certains outils open source. Vérifiez que votre framework et votre modèle tournent sur TPU avant de vous engager.

Termes liés

GPU
Un GPU (graphics processing unit, processeur graphique) est un processeur doté de nombreux petits cœurs conçus pour exécuter beaucoup de calculs en parallèle. Sa rapidité en calcul matriciel en fait le matériel standard pour entraîner et faire tourner les modèles d'IA.
NPU
Un NPU (neural processing unit, processeur neuronal) est une puce, ou un bloc dans une puce plus grande, conçu pour exécuter les calculs des réseaux de neurones rapidement et en consommant peu d'énergie. Les téléphones et les ordinateurs portables utilisent des NPU pour faire tourner de petits modèles d'IA sur l'appareil.
Cloud GPU
Un cloud GPU est un service qui loue des machines à GPU à l'heure ou à la seconde pour l'entraînement, le fine-tuning et l'inférence en IA. Des fournisseurs spécialisés, parfois appelés neoclouds, se concentrent sur les GPU et facturent souvent moins cher que les grands clouds généralistes.
Service de modèles
Le service de modèles (model serving) consiste à faire tourner un modèle entraîné comme un service que les applications appellent sur le réseau, avec un logiciel qui charge les poids sur les GPU, met en file et regroupe les requêtes, gère la mémoire et renvoie les résultats.
Inférence
L'inférence consiste à faire tourner un modèle entraîné pour produire une sortie à partir d'une nouvelle entrée, comme un LLM qui génère une réponse à un prompt. C'est l'étape que les utilisateurs paient à chaque appel d'un modèle, par opposition à l'entraînement.

Sources