Meta accélère ses puces pour renégocier le pouvoir en IA
Meta a annoncé le 11 mars 2026 une feuille de route de quatre générations de puces d’IA, appelées Meta Training and Inference Accelerator : MTIA 300, MTIA 400, MTIA 450 et MTIA 500. Le point clé n'est pas tant le nom que le rythme : environ une nouvelle puce tous les six mois, avec déploiement complet d'ici fin 2027. Le MTIA 300 est déjà en production dans les centres de données et exécute l'entraînement pour le classement et la recommandation dans les flux d'actualités ; le MTIA 400 arrive pour élargir son champ d'application vers d'autres charges d’IA, y compris l'inférence pour l'IA générative ; les MTIA 450 et 500 pousseront cette inférence générative à grande échelle d'ici 2027. Tout cela se déroule parallèlement à un accord pluriannuel signé le 18 février 2026 pour acheter des millions de puces Nvidia, entre GPUs actuels et futurs, ainsi que des CPUs.
À première vue, cela peut sembler contradictoire : acheter massivement chez Nvidia tout en annonçant une indépendance. Pourtant, interprété comme une stratégie industrielle, c'est une architecture de pouvoir. Meta cherche à transformer l'une de ses plus grandes sources de dépenses et de risques, la capacité de calcul pour l'IA, en un actif négociable : capacité interne pour des charges spécifiques, achats externes pour la flexibilité et la couverture.
En tant qu'analyste, je le vois comme un mouvement pour redistribuer la valeur au sein de la chaîne : qui capte la marge, qui prend le risque de l'approvisionnement, qui subit la volatilité des prix, et qui garde l'optionnalité lorsque les modèles changent.
Une puce propriétaire ne concurrence pas Nvidia, elle concurrence votre facture
La narration habituelle de "souveraineté technologique" masque souvent l'essentiel : la puce propriétaire ne se justifie pas par fierté, mais par économie unitaire. Les nouvelles fournissent des indicateurs concrets. Meta affirme que ses MTIA réalisent une plus grande efficacité que les GPUs commerciaux pour ses modèles de classement et de recommandation, équilibrant calcul, bande passante mémoire et capacité selon les besoins internes. Traduit dans un compte de résultats, l'objectif n'est pas d'obtenir un benchmark public, mais de réduire le coût d'entraînement et d'inférence pour les modèles qui consomment le plus d'heures de calcul.
Dans une entreprise dont le modèle économique repose sur les recommandations, chaque point d'efficacité a un effet multiplicateur. Si un accélérateur propriétaire réussit à réaliser la même chose avec moins d'énergie, moins d'équipements, moins de racks ou moins de temps, les économies ne sont pas linéaires : elles réduisent également la pression sur l'infrastructure électrique, le refroidissement et l'expansion des centres de données. Le briefing mentionne une validation dans un laboratoire de puces où les tests au niveau de la puce, du rack et des charges de travail sont effectués avant le déploiement sur des serveurs à refroidissement liquide. Cet investissement en validation est coûteux, mais vise une seule chose : prévisibilité. La prévisibilité permet de planifier les capacités, de négocier des contrats d'approvisionnement et d'éviter les surachats préventifs qui immobilisent des fonds.
En même temps, Meta ne dit pas "adieu, Nvidia". Elle assure son approvisionnement avec un accord pluriannuel pour des millions de puces. Cette dualité est rationnelle : le matériel propriétaire est efficace lorsque le logiciel et la charge de travail sont stables et répétables ; les GPUs restent une garantie pour les pics, les changements d'architecture et pour les charges généralistes. Le résultat attendu est une facture moins exposée aux prix du marché et à la pénurie.
L'indépendance ici n'est pas binaire. C'est une courbe. Chaque génération de MTIA qui entre en production déplace une part de la dépense d'un fournisseur ayant un pouvoir de prix vers une plateforme interne où Meta contrôle le design et le calendrier.
Cadence semestrielle et laboratoire de validation, la vitesse est l’avantage industriel
Meta accélère le cycle de conception et de déploiement : une nouvelle génération tous les six mois jusqu'en 2027. Dans le domaine des semi-conducteurs, cela représente une déclaration d'intention. Le marché de l'IA générative pénalise les entreprises qui planifient leur infrastructure en pensant que les modèles changent tous les trois ans. Ici, Meta tente d'aligner le rythme du silicium avec le rythme du produit.
Le briefing apporte un détail souvent négligé : le laboratoire valide les puces venues de fabrication, avec des tests de performance, coût et consommation, avant de les implanter dans des serveurs avec refroidissement liquide. Cette séquence indique que Meta construit une capacité interne qui n’est pas juste "concevoir un ASIC", mais opérer une usine logique au sein de l'organisation : spécification, vérification, tests, intégration en rack et déploiement à grande échelle. Sans cette chaîne, la puce propriétaire est un powerpoint.
La cadence semestrielle, cependant, présente des tensions. Accélérer signifie prendre des décisions avec moins de temps pour apprendre en production. Meta a déjà connu, selon le contexte historique, des retards concernant des objectifs internes et a répondu par des acquisitions pour augmenter son talent. Cela est cohérent avec le principal risque : il ne s'agit pas de concevoir une puce, il s'agit de la rendre répétable sans compromettre la fiabilité ni la compatibilité avec la pile logicielle.
