# Les TPU de Google tournent en production chez Meta

> Meta exécute des charges de travail d’IA sur les puces maison de Google grâce à des versions natives de PyTorch de deux moteurs d’inférence. L’annonce donne peu de détails sur l’ampleur du déploiement ou sa disponibilité.

Oossa · 2026-10-22 · https://oossa.com/fr/google-tpus-enter-meta-s-production-ai-systems

Les puces d’IA maison de Google, appelées unités de traitement tensoriel (TPU), exécutent désormais des charges de travail d’IA en production chez Meta, selon une annonce publiée sur le blog des développeurs de Google et rapportée par Tom’s Hardware. Le dispositif s’appuie sur une version native de PyTorch de SGLang, un logiciel qui sert à exécuter des modèles d’IA et à générer des réponses. Google a également annoncé une version native de PyTorch de vLLM, un autre moteur d’inférence très utilisé.

Ce changement permet à Meta d’utiliser les puces de Google avec PyTorch, le framework d’IA créé par Meta, au lieu de s’appuyer sur le framework JAX de Google comme auparavant. Google affirme que ces nouvelles versions permettent aux développeurs d’utiliser les TPU sans avoir à réécrire l’essentiel de leur logiciel. Le titre de l’article indique également que Google a vendu des TPU à des clients externes pour la première fois, mais le compte rendu fourni ne précise pas qui sont ces clients ni les détails de ces ventes.

## Une alternative à JAX

Cette compatibilité logicielle est importante : une puce n’est utile aux développeurs que si leurs outils peuvent l’exploiter. Jusqu’ici, SGLang et vLLM fonctionnaient sur les TPU de Google par l’intermédiaire de JAX. Les versions natives de PyTorch rendent ces puces accessibles aux équipes qui utilisent déjà PyTorch et pourraient réduire le travail nécessaire pour transférer une charge de travail d’IA vers du matériel TPU.

Google indique que la version de vLLM est open source. Le compte rendu ne précise pas si la version de SGLang est soumise aux mêmes conditions de licence ou d’accès, ni comment les développeurs peuvent obtenir l’une ou l’autre. Il ne donne pas non plus de chiffres sur le nombre de TPU utilisés par Meta, les modèles qu’ils exécutent ou les performances du dispositif.

## Qu’est-ce qui change pour les utilisateurs ?

Pour Meta, le changement confirmé est l’ajout d’un moyen d’exécuter des charges de travail d’IA dans ses centres de données. Cela pourrait offrir davantage d’options matérielles à ses ingénieurs, mais le compte rendu ne fait état d’aucun changement concernant la vitesse, la qualité ou la disponibilité des produits de Meta pour les utilisateurs. Il ne précise pas non plus si le déploiement de Meta est un test ou s’il est plus largement généralisé, au-delà de l’indication selon laquelle il est en production.

## Les faits

- Selon le compte rendu, les TPU de Google exécutent des charges de travail d’IA en production chez Meta.
- Le déploiement chez Meta utilise une version native de PyTorch de SGLang.
- Google a également annoncé une version native de PyTorch de vLLM et l’a présentée comme open source.
- Selon le compte rendu, les deux moteurs d’inférence utilisaient auparavant JAX pour fonctionner sur les TPU.

## Pourquoi c'est important

Les ingénieurs en IA de Meta peuvent désormais utiliser les TPU de Google avec des versions natives de PyTorch de SGLang et de vLLM, sans dépendre de JAX pour ces moteurs. Meta dispose ainsi d’une option matérielle supplémentaire, mais la source ne permet pas de savoir si les utilisateurs de ses produits verront une différence de vitesse ou de fonctionnalités.

## Sources et références

1. [Google’s TPUs for AI workloads now run in Meta's data centers](https://www.tomshardware.com/tech-industry/artificial-intelligence/googles-tpus-for-ai-workloads-now-run-in-at-metas-data-centers-tpus-sold-to-external-customers-for-the-first-time-threaten-nvidias-market-dominance) – Tom's Hardware, 2026-10-22

Dernière mise à jour: 2026-10-22