Un mémo, pas une keynote
La nouvelle n'est pas venue d'une scène mais d'un mémo interne, révélé ce mois-ci, qui annonçait aux salariés de Meta qu'une puce conçue par l'entreprise elle-même entrerait en production en septembre. Son nom de code est Iris, elle a franchi sa phase de test des bogues en six semaines environ sans problème majeur, et elle constitue le signe le plus net à ce jour que Mark Zuckerberg veut faire de Meta un fabricant de puces autant qu'un acheteur.
Pour une entreprise qui consacre à l'infrastructure d'IA l'équivalent du budget d'un petit pays, fabriquer son propre silicium relève moins du projet de recherche que de la décision de coût. Le mémo présente Iris comme le moyen de continuer à augmenter le calcul sans que chaque gigawatt supplémentaire aille directement gonfler les marges de Nvidia. C'est ce cadrage, et non la puce elle-même, qui intéresse tous ceux qui sont en dehors de Meta.
Ce qu'est vraiment Iris
Iris est la dernière génération de la gamme MTIA de Meta, le Meta Training and Inference Accelerator, conçue avec Broadcom comme partenaire silicium et fabriquée par TSMC à Taïwan. C'est un accélérateur destiné aux charges de travail d'IA qui font tourner Facebook et Instagram, pensé pour l'inférence et l'entraînement à grande échelle et non pour le marché ouvert ; Meta l'exploitera dans ses propres centres de données et ne le vendra pas.
Le contexte, c'est la capacité. Meta prévoit de déployer environ 7 gigawatts de puissance de calcul en 2026, puis de doubler ce chiffre pour atteindre près de 14 d'ici fin 2027, avec des dépenses d'infrastructure d'IA qui pourraient approcher les 145 milliards de dollars cette année. Iris est l'un des éléments de ce chantier, aux côtés des puces de Nvidia et d'AMD que Meta continue d'acheter en quantités énormes.
Pourquoi fabriquer en interne maintenant
La pression a un nom. Les analystes de Morgan Stanley ont commencé à appeler chipflation l'envolée des coûts du matériel d'IA, et ce sont les plus gros acheteurs qui ont le plus à gagner à la contourner. Une puce que Meta maîtrise de bout en bout retire une marge de fournisseur de la ligne la plus chère de son budget, et à 14 gigawatts, quelques pour cent par accélérateur représentent déjà des sommes réelles.
Iris n'arrive pas seule. Pour les composants qu'elle ne sait pas produire, Meta a sécurisé des accords d'approvisionnement de long terme, mémoire chez Samsung, stockage flash chez Sandisk, équipements en fibre optique chez Sumitomo, si bien que son accélérateur maison s'inscrit dans un effort plus large pour maîtriser les coûts et la disponibilité sur toute la chaîne. L'objectif n'est pas l'indépendance vis-à-vis d'un seul fournisseur, c'est un rapport de force face à tous.
Ce que cela ne veut pas dire
Cela ne veut pas dire que Meta quitte Nvidia. L'entreprise affirme explicitement qu'Iris complète ses GPU au lieu de les remplacer, et elle reste l'un des plus gros clients de Nvidia. Un accélérateur maison réduit à la marge ce que les prix des puces lui coûtent ; il n'y met pas fin, et voir là une rupture revient à prendre une couverture pour un divorce.
La vraie question est de savoir qui peut jouer à ce jeu. Concevoir un accélérateur, le mener jusqu'au tape-out et le déployer coûte des milliards et prend des années, ce que seuls quelques hyperscalers peuvent absorber. Pendant que la chipflation pousse les coûts du matériel vers le haut, les géants les amortissent avec leur propre silicium tandis que ceux qui louent des GPU paient le plein tarif du marché. L'écart entre les deux se creuse, et Meta vient encore de l'élargir.
Quoi en faire
Si vous achetez ou louez du calcul pour l'IA, n'attendez pas que les économies de Meta atteignent votre facture. Planifiez votre capacité au prix des GPU loués, verrouillez les meilleures conditions possibles sur des engagements pluriannuels et considérez les économies de puce maison d'un hyperscaler comme son avantage à lui, pas comme une remise à venir pour vous. La lecture honnête, c'est que le calcul devient moins cher pour quelques-uns et reste cher pour tous les autres.
La phrase à transmettre à un conseil, c'est que Meta fabrique sa propre puce d'IA pour plafonner ses coûts de calcul, et que la plupart des entreprises ne peuvent pas reproduire ce geste. Faites vos budgets en locataire de GPU, pas en fabricant de puces, et construisez vos plans d'IA autour d'une capacité que vous pouvez réellement sécuriser à un prix prévisible. Iris est le levier de coût de Meta, pas le vôtre.
À lire ensuite: Même un laboratoire à mille milliards doit louer son calcul | Quelle est la ligne la plus dangereuse de votre bilan ?
