Microsoft réduit pas à pas ses allocations de serveurs loués auprès d’Oracle Cloud Infrastructure. Dans le même temps, Google déploie ses processeurs TPU sur ce même réseau tiers. Cette recomposition industrielle met donc un terme aux réservations indifférenciées de processeurs graphiques. Puisque les charges d’apprentissage et d’inférence exigent à présent une allocation matérielle distincte. Ainsi, le rapprochement technique entre Google Cloud et Oracle structure une nouvelle approche matérielle. Celle qui est fondée sur la rentabilité énergétique par calcul plutôt que sur la seule puissance brute.
L’annonce officielle est intervenue le 27 octobre 2026 lors de l’événement Oracle AI World à Las Vegas. Dans la foulée, la révélation du désengagement de Microsoft met aussi en lumière les nouveaux choix d’infrastructure des grands opérateurs de données. La firme de Redmond a choisi de ne pas renouveler un contrat pluriannuel signé en 2023 pour soutenir les pics de charge de son moteur Bing IA. Cette décision a entraîné une baisse immédiate de 4 % du titre Oracle, dans un contexte de recul pour l’indice des semi-conducteurs. Les serveurs concernés intégraient des puces Nvidia de génération antérieure. Mais ce matériel peine désormais à soutenir le débit des modèles récents tout en préservant le ratio d’efficacité énergétique.
L’abandon des anciens GPU par Microsoft chez Oracle marque la fin des surcapacités d’urgence
En 2023, la pénurie d’accélérateurs demandait de réserver tout volume de calcul disponible, y compris auprès d’acteurs concurrents. Selon une enquête de Bloomberg, Microsoft a désactivé petit à petit les grappes de serveurs louées chez Oracle au cours des derniers mois. Les composants déployés, issus de l’architecture Nvidia Ampere, montrent leurs limites physiques sur les flux actuels.
Par ailleurs, les modèles de fondation à large contexte et les agents autonomes sollicitent fortement la bande passante de la mémoire vive haute densité (HBM). Sur ces charges spécifiques, les générations antérieures subissent des engorgements lors du transfert interne des données. Ce phénomène augmente la latence par requête et alourdit la facture d’électricité.
MICROSOFT $MSFT IS REPORTEDLY WINDING DOWN ITS DEAL TO RENT AI CLOUD CAPACITY FROM ORACLE $ORCL https://t.co/rA6ZTZeufc
— Evan (@StockMKTNewz) November 6, 2026
Toutefois, cette fin de bail ne signifie pas la mise au rebut de ce parc pour l’infrastructure Microsoft Oracle. L’opérateur indique avoir renouvelé en septembre des contrats qui portent sur des puces vieilles de quatre ans avec une prime de 20 % sur leur tarif initial. Ainsi, deux scénarios d’exploitation distincts se dessinent. Les hyperscalers rapatrient leurs charges d’entraînement complexes sur leurs propres centres de données équipés de silicium de pointe. De leurs côtés, les entreprises aux budgets plus encadrés exploitent ce matériel amorti pour le réglage fin et les traitements par lots décorrélés du temps réel.
Le partenariat entre Google Cloud et Oracle introduit une alternative économique aux puces Nvidia
Pour diversifier son catalogue devant l’accélération des cycles matériels, Oracle accueille pour la première fois les processeurs TPU au sein de son offre cloud. Conçus comme des circuits intégrés spécifiques à une application (ASIC), ces accélérateurs privilégient le calcul matriciel direct.
D’après la documentation technique de Google Cloud, leur architecture repose sur des matrices systoliques et des liaisons inter-puces propriétaires. Ce réseau garantit un échange de données à très haut débit sans saturer les bus système classiques. En plus, la huitième génération sépare les usages entre la TPU 8t pour l’apprentissage distribué et la TPU 8i pour l’inférence itérative.
L’installation physique de ces puces requiert également des ajustements d’ingénierie rigoureux. Oracle fournit donc l’alimentation électrique haute densité, le refroidissement liquide des baies et le transport réseau sans perte via son infrastructure réseau OCI sous protocole RoCE v2. Par conséquent, l’entente technique entre Google Cloud et Oracle offre une alternative concrète aux processeurs graphiques de pointe. Dont les coûts d’achat et les délais de livraison grèvent les budgets d’exploitation.
| Architecture matérielle | Cas d’usage prioritaire | Rendement énergétique | Dépendance logicielle |
| GPU Nvidia récents (série H100) | Entraînement de pointe et modèles denses | Élevé avec forte dissipation thermique | Standard CUDA dominant |
| Google TPU (v8t et v8i sur OCI) | Modèles Mixture of Experts et agents autonomes | Optimisé au token par watt via ASIC | Écosystème OpenXLA et JAX |
| GPU Nvidia amortis (série A100) | Réglage fin et inférence différée par lots | Rendement modéré sur grands modèles | Standard CUDA amorti |
Les contraintes de compilation logicielle et d’amortissement avant d’engager la migration
L’accès à cette nouvelle infrastructure conjointe pose des défis d’intégration concrets. Quitter l’écosystème CUDA pour exécuter des modèles sur les TPU exige une refonte logicielle ciblée. Les équipes techniques doivent adapter leur code pour les compilateurs OpenXLA, les bibliothèques JAX ou l’interface PyTorch/LAX. Cette démarche réclame des compétences pointues. Cela représente également une dépense d’ingénierie initiale non négligeable pour les équipes habituées à l’environnement Nvidia.
Le calendrier officiel impose aussi une réserve temporelle. Les processeurs TPU n’arriveront sur l’infrastructure d’Oracle qu’en 2027, avec un déploiement échelonné sur plusieurs exercices fiscaux. Dans ces conditions, la rentabilité de l’opération dépend des volumes traités. Un horizon d’amortissement de 18 à 24 mois d’exploitation continue apparaît donc indispensable pour absorber les coûts humains du portage applicatif.
La validation définitive de cette approche dépendra des benchmarks de débit en production publiés lors de la mise en service en 2027. Ces relevés techniques mesureront si l’économie thermique compense réellement l’effort d’adaptation du code. Les centres de données s’orienteront-ils alors vers une gestion hybride où chaque charge est routée automatiquement vers la puce la plus sobre énergétiquement ?
- Partager l'article :
