Google et Blackstone ont annoncé le 18 mai 2026 la création d’une nouvelle entreprise américaine dédiée au calcul pour l’intelligence artificielle. L’idée est simple à formuler, mais lourde de conséquences : proposer de la capacité de centre de données, du réseau, des opérations et surtout des TPU de Google Cloud sous forme de service de calcul à la demande.
Blackstone prévoit d’engager 5 milliards de dollars en capital pour la première phase du projet. L’objectif annoncé est de mettre en ligne 500 mégawatts de capacité en 2027, avec une montée en puissance ensuite. Pour le marché de l’IA, c’est un signal important : la compétition ne se limite plus aux meilleurs modèles. Elle se joue aussi dans l’accès à l’électricité, aux centres de données, aux puces spécialisées et aux architectures capables de faire tourner ces modèles à grande échelle.
Un partenariat qui transforme le calcul IA en produit d’infrastructure
La coentreprise réunira deux actifs très différents. D’un côté, Google apporte ses Tensor Processing Units, ou TPU, des puces conçues spécifiquement pour entraîner et exécuter des modèles d’IA. De l’autre, Blackstone apporte une capacité d’investissement et une expérience massive dans les infrastructures, notamment les centres de données et l’énergie.
Le résultat visé n’est pas seulement un nouveau centre de données. C’est une offre de compute-as-a-service : des clients pourront accéder à des capacités de calcul spécialisées sans devoir construire eux-mêmes toute la chaîne matérielle, énergétique et logicielle.
Pourquoi les TPU comptent dans cette bataille
Un TPU n’est pas un processeur généraliste. C’est un accélérateur conçu pour effectuer très vite les opérations mathématiques utilisées par les réseaux de neurones. Pour simplifier, là où un CPU classique est polyvalent, et où un GPU est devenu central pour l’IA grâce à son parallélisme, un TPU est pensé dès le départ pour certaines charges de travail d’apprentissage automatique.
Google utilise ces puces depuis plus de dix ans dans ses propres services. Elles alimentent notamment des charges liées à Gemini et à d’autres produits d’IA de l’entreprise. En les rendant plus largement accessibles, Google cherche à élargir l’écosystème autour de son matériel et à offrir une alternative crédible dans un marché encore largement dominé par Nvidia.
Ce que l’annonce dit de la nouvelle économie de l’IA
Depuis l’explosion de l’IA générative, les entreprises technologiques se heurtent au même mur : la demande en calcul progresse plus vite que la capacité disponible. Entraîner un modèle avancé, l’ajuster, puis le servir à des millions d’utilisateurs demande des quantités considérables de puces, de mémoire, de réseau, de refroidissement et d’électricité.
Reuters résume l’enjeu : la nouvelle entité vise à répondre à une demande jugée insatiable pour les services de calcul IA. Le chiffre de 500 MW est parlant. Il ne décrit pas une application ou un logiciel, mais une capacité industrielle. L’IA devient une activité où la qualité du modèle dépend aussi de la robustesse des usines numériques qui l’hébergent.
Le capital privé devient un acteur direct de l’infrastructure IA
Blackstone n’arrive pas dans ce projet par hasard. Le groupe est l’un des plus grands gestionnaires d’actifs alternatifs au monde et un acteur majeur des infrastructures numériques. Son rôle montre que l’IA n’est plus seulement une affaire de laboratoires et de plateformes cloud. Elle devient aussi une classe d’actifs : data centers, réseaux électriques, terrains, contrats d’énergie, puces et capacité réservée.
Cette évolution peut accélérer le déploiement de nouvelles infrastructures. Elle pose aussi une question plus politique : qui contrôle les capacités de calcul critiques, et à quelles conditions les entreprises, chercheurs ou administrations pourront y accéder ?
Google veut élargir l’accès à ses puces sans renoncer à Google Cloud
Le communiqué de Blackstone précise que la nouvelle entreprise donnera aux clients une option supplémentaire pour accéder aux TPU, en plus de Google Cloud. C’est un point stratégique. Google ne se contente pas de vendre du cloud classique : il cherche à faire de ses puces une plateforme plus largement utilisée.
Thomas Kurian, le patron de Google Cloud, présente l’accord comme une manière de répondre à la demande croissante pour des TPU optimisés pour l’efficacité et la performance dans l’ère de l’IA. Derrière cette formule, l’enjeu commercial est clair : plus les entreprises adaptent leurs modèles et leurs logiciels à l’écosystème TPU, plus Google peut réduire la dépendance du marché aux GPU Nvidia.
Une alternative, pas un remplacement immédiat de Nvidia
Il serait excessif de présenter cette annonce comme une défaite de Nvidia. Google Cloud continue aussi de proposer des infrastructures GPU et a récemment mis en avant son travail avec Nvidia autour de nouvelles plateformes. Le marché est trop vaste et trop varié pour basculer d’un seul coup vers une seule famille de puces.
Mais l’annonce confirme une tendance : les grands fournisseurs cloud veulent maîtriser davantage leur silicium. Amazon a ses puces Trainium et Inferentia, Microsoft investit dans ses propres accélérateurs, et Google dispose d’un historique plus ancien avec les TPU. Pour les clients, cela pourrait signifier plus de choix, des coûts mieux optimisés selon les charges de travail, mais aussi des arbitrages techniques plus complexes.
La génération TPU 8 renforce le contexte de l’annonce
Le calendrier est important. Quelques semaines avant cette coentreprise, Google Cloud a présenté sa nouvelle génération d’infrastructure IA à Cloud Next 2026, avec des TPU de huitième génération séparés en deux familles : TPU 8t pour l’entraînement et TPU 8i pour l’inférence.
L’entraînement sert à construire ou améliorer un modèle. L’inférence correspond à son utilisation quotidienne : chaque requête envoyée à un assistant, chaque résumé généré, chaque agent qui raisonne sur une tâche consomme de l’inférence. À mesure que les usages se multiplient, l’inférence devient un centre de coût majeur.
Google affirme que ses nouveaux systèmes peuvent connecter des volumes très importants de puces et améliorer fortement le rapport performance-prix sur certains usages. Même si ces chiffres devront être vérifiés par les clients en production, ils expliquent pourquoi une offre dédiée aux TPU peut intéresser les entreprises qui cherchent à réduire la facture du calcul IA.
Les enjeux à surveiller pour les entreprises
Pour les grandes organisations, l’annonce peut ouvrir une nouvelle option : accéder à une capacité spécialisée sans dépendre uniquement des files d’attente et des contraintes des clouds généralistes. C’est particulièrement important pour les acteurs qui entraînent de grands modèles, exécutent des systèmes de recommandation, développent des agents IA ou traitent des charges massives d’analyse.
Mais l’intérêt ne sera réel que si l’offre coche plusieurs cases : disponibilité, prix prévisible, compatibilité logicielle, sécurité, support des frameworks utilisés par les équipes et facilité de migration. Une puce performante ne suffit pas. Les développeurs ont besoin d’outils, de bibliothèques, de documentation et de stabilité opérationnelle.
Le risque du verrouillage technologique
Le revers d’une infrastructure très optimisée est le risque de dépendance. Un modèle entraîné et déployé autour d’un environnement précis peut devenir plus difficile à déplacer. Les entreprises devront donc comparer les gains de performance et de coût avec les contraintes de portabilité.
Ce n’est pas nécessairement un problème bloquant. Dans le cloud, les choix spécialisés sont souvent rationnels quand ils réduisent fortement les coûts ou améliorent la performance. Mais ils doivent être assumés comme des décisions d’architecture, pas seulement comme des décisions d’achat.
Pourquoi cette annonce dépasse le simple cloud
La coentreprise Google-Blackstone illustre une transformation plus profonde : l’IA devient une industrie d’infrastructure. Le modèle visible, celui que l’utilisateur interroge dans une interface, n’est que la partie émergée. En dessous, il faut des chaînes d’approvisionnement en puces, des réseaux électriques, des bâtiments, du refroidissement, des interconnexions réseau et des logiciels d’orchestration.
Cette couche physique et financière va peser de plus en plus dans la compétition. Les entreprises capables de sécuriser de la capacité à long terme auront un avantage. Celles qui dépendront du marché spot du calcul pourraient subir des coûts plus volatils ou des retards de déploiement.
Le partenariat montre aussi que les géants de l’IA cherchent à diversifier les chemins d’accès au calcul. À côté des grands clouds publics, on voit émerger des structures hybrides, financées par des capitaux d’infrastructure, mais adossées à une technologie de pointe issue des hyperscalers.
Ce qu’il faut retenir
L’annonce de Google et Blackstone n’est pas spectaculaire parce qu’elle promet un nouveau chatbot ou un nouveau modèle. Elle est importante parce qu’elle touche à la base industrielle de l’intelligence artificielle : le calcul.
Avec 5 milliards de dollars engagés, 500 MW de capacité visés en 2027 et une offre centrée sur les TPU, cette coentreprise montre que la prochaine phase de l’IA dépendra autant des infrastructures que des algorithmes. Pour les entreprises, l’enjeu sera de choisir des plateformes capables de soutenir leurs ambitions sans créer une dépendance excessive. Pour le marché, c’est un nouveau signe que la course à l’IA se joue désormais dans les data centers autant que dans les laboratoires de recherche.
Source
- Blackstone, “Blackstone Announces Joint Venture with Google to Create New TPU Cloud”, 18 mai 2026
- Reuters via Investing.com, “Google, Blackstone to launch AI cloud venture to meet data centre demand”, 18 mai 2026
- Google Cloud, “AI infrastructure at Next ’26”, avril 2026
- TechCrunch, “Google Cloud launches two new AI chips to compete with Nvidia”, 22 avril 2026
