Et si, demain, les modèles d’intelligence artificielle n’étaient plus seulement exécutés par les processeurs… mais gravés directement dans le silicium ? C’est le pari qu’explorerait actuellement Google avec un projet baptisé « Frozen v2 », selon des informations publiées par The Information.
Encore au stade de la recherche, cette technologie pourrait marquer un changement majeur dans la conception des infrastructures dédiées à l’intelligence artificielle. Plutôt que de créer des puces capables d’exécuter n’importe quel modèle, Google envisagerait un composant entièrement optimisé pour Gemini, son IA générative maison.
Une architecture gravée directement dans la puce
Aujourd’hui, les accélérateurs d’IA, qu’il s’agisse des GPU ou des TPU, chargent un modèle en mémoire avant de l’exécuter. Cette approche offre une grande flexibilité, mais elle implique des échanges permanents entre la mémoire et les unités de calcul, avec un coût énergétique important.
Le projet Frozen v2 adopterait une philosophie radicalement différente.
Selon les informations disponibles, l’architecture du réseau neuronal de Gemini serait directement intégrée dans le circuit électronique de la puce. Autrement dit, la structure du modèle deviendrait une partie du matériel lui-même. Les ingénieurs pourraient toujours mettre à jour les poids du modèle, c’est-à-dire les paramètres issus de son entraînement, mais son architecture générale resterait figée — d’où le nom « Frozen ».
Toutefois, à ce stade, Google n’aurait pas encore arrêté le niveau exact d’intégration matérielle.
Une efficacité énergétique annoncée comme spectaculaire
L’intérêt principal d’une telle approche réside dans l’efficacité. D’après The Information, cette nouvelle génération de puces pourrait afficher une efficacité énergétique six à dix fois supérieure à celle des TPU actuels de Google, en mesurant le nombre de tokens générés pour une même consommation électrique. Une telle amélioration représenterait un avantage considérable dans les centres de données, où les coûts liés à l’alimentation électrique et au refroidissement ne cessent d’augmenter avec l’essor de l’IA générative.
Selon les mêmes sources, Frozen v2 ne remplacerait pas les TPU existants, mais constituerait une nouvelle famille de processeurs spécialisés.
Une mise en service n’interviendrait pas avant 2028, si le projet aboutit.
Une réponse à la pression croissante sur les infrastructures IA
Le calendrier de ce projet ne serait pas anodin. Toujours selon The Information, Google ferait face à une forte pression sur ses capacités de calcul internes. La demande autour des modèles Gemini serait telle que Google Cloud aurait déjà dû limiter certains accès pour des clients externes afin de préserver ses propres ressources.
Dans ce contexte, chaque gain d’efficacité énergétique devient un levier stratégique.
Une puce optimisée pour un seul modèle permettrait de réduire les ressources nécessaires à son exécution, tout en diminuant les coûts d’exploitation à grande échelle.
Une stratégie d’indépendance face à Nvidia
Frozen v2 s’inscrirait également dans une stratégie industrielle plus large. Depuis plusieurs années, Google développe ses propres Tensor Processing Units (TPU) afin de réduire sa dépendance aux GPU de Nvidia. Une puce spécifiquement conçue pour Gemini pousserait cette logique encore plus loin.
Le groupe chercherait ainsi à maîtriser l’ensemble de la chaîne technologique, depuis le modèle d’intelligence artificielle jusqu’au matériel qui l’exécute.
Cette intégration verticale devient progressivement l’un des principaux axes de différenciation entre les géants de l’IA.
Google n’est plus seul sur cette voie
L’idée de graver un modèle directement dans une puce n’est pas totalement inédite. La jeune entreprise Taalas développe déjà une technologie similaire avec une architecture baptisée Hardcore, qui associe directement la structure et les paramètres d’un modèle à un circuit spécialisé.
Selon les chiffres avancés par la société, cette approche permettrait d’atteindre des performances très supérieures aux GPU généralistes, tout en réduisant fortement les besoins en mémoire à haut débit (HBM), devenue l’une des ressources les plus convoitées de l’industrie.
Ces résultats restent toutefois à confirmer de manière indépendante.
Une innovation prometteuse… mais encore pleine d’incertitudes
Si cette approche ouvre des perspectives intéressantes, elle comporte également un risque majeur : le manque de flexibilité. Le développement des modèles d’intelligence artificielle évolue à un rythme extrêmement rapide. Une architecture gravée aujourd’hui pourrait devenir obsolète quelques années plus tard, même si les poids du modèle restent actualisables.
Par ailleurs, Google n’a confirmé ni l’existence ni les caractéristiques de Frozen v2.
Interrogée sur le sujet, l’entreprise s’est limitée à indiquer que ses équipes explorent régulièrement de nouvelles architectures visant à améliorer l’efficacité énergétique de ses infrastructures, sans préciser quels projets pourraient aboutir à une commercialisation.
Qu’il voie ou non le jour, Frozen v2 illustre une évolution profonde de l’industrie de l’intelligence artificielle. Après la course aux modèles toujours plus puissants, la prochaine bataille pourrait bien se jouer au niveau du silicium. Les entreprises ne chercheront plus seulement à développer les meilleurs algorithmes, mais aussi les puces les plus étroitement adaptées à leur fonctionnement. Dans cette nouvelle phase de la compétition mondiale, l’optimisation du matériel pourrait devenir un avantage aussi déterminant que les progrès des modèles eux-mêmes.
