Google possède l'une des infrastructures d'intelligence artificielle les plus avancées au monde, mais ses propres chercheurs sont contraints de faire la queue pour accéder à la puissance de calcul nécessaire à leurs travaux. Ce paradoxe inédit, révélé par des témoignages internes, provoque une fuite des cerveaux au sein du géant de Mountain View.
Un goulet d'étranglement né du succès commercial
Le problème trouve son origine dans le succès des TPU (Tensor Processing Units), les puces spécialisées développées par Google pour l'IA. Conçues pour accélérer l'apprentissage automatique, elles sont devenues un produit commercial extrêmement prisé. La demande des clients externes, qui louent ces capacités via le cloud, est telle qu'elle capte la majorité des ressources disponibles. En interne, les équipes de recherche se heurtent à une allocation prioritaire vers les projets les plus lucratifs, reléguant au second plan des travaux pourtant stratégiques pour l'avenir.
Des chercheurs mis à l'écart
Cette situation génère des tensions. Plusieurs informaticiens et docteurs en IA interrogés décrivent un environnement où l'attente pour obtenir des créneaux de calcul peut durer des semaines, voire des mois. Certains projets de recherche fondamentale, notamment dans les domaines de l'apprentissage profond ou des modèles de langage, doivent être suspendus ou redimensionnés faute d'accès aux TPU. « Le paradoxe est frappant : l'entreprise qui a démocratisé l'IA empêche aujourd'hui ses propres experts d'innover », résume l'un d'eux sous couvert d'anonymat.
Un phénomène qui pousse au départ
Ce goulet d'étranglement a des conséquences concrètes. Plusieurs chercheurs de renom ont quitté Google ces derniers mois pour rejoindre des start-up ou des laboratoires concurrents, où les ressources de calcul sont plus facilement accessibles. La fuite des cerveaux inquiète la direction, qui tente de trouver des solutions internes, comme la création de clusters réservés à la recherche ou l'optimisation des plannings d'utilisation.
Les TPU, atout devenu contrainte
Les TPU représentaient jusqu'à présent un avantage compétitif majeur pour Google. En les commercialisant, l'entreprise a ouvert un marché lucratif, mais elle a aussi créé une dépendance à ses propres circuits. Aujourd'hui, la priorité donnée aux clients payants réduit la marge de manœuvre des équipes de R&D. Certains experts internes réclament un rééquilibrage, arguant que les percées futures dépendent de la liberté de recherche.
Comparaison avec les concurrents
Ce problème est d'autant plus aigu que les concurrents de Google — Microsoft, Amazon, Meta ou encore OpenAI — disposent également de capacités de calcul massives et les allouent de manière plus flexible à leurs équipes de recherche. Des témoignages indiquent que des chercheurs de Google ont été approchés par ces entreprises, qui leur promettent un accès garanti aux GPU et TPU. La compétition pour les talents s'intensifie donc sur fond de guerre des puces.
Réactions officielles
Interrogé, un porte-parole de Google a reconnu l'existence de tensions sur l'allocation des ressources, mais a assuré que l'entreprise investit massivement dans de nouvelles infrastructures pour répondre à la demande interne et externe. « Nous construisons des centres de données dédiés à la recherche et nous travaillons à une meilleure répartition », a-t-il déclaré, sans donner de calendrier précis.
Conséquences stratégiques
Ce paradoxe soulève une question plus large : faut-il réserver une partie de la puissance de calcul à la recherche fondamentale, quitte à réduire la capacité commerciale ? Google doit arbitrer entre rentabilité à court terme et innovation à long terme. La fuite des talents pourrait, à terme, affaiblir sa position dominante dans l'IA, au profit de rivaux plus agiles.
Vers une solution interne ?
Des rumeurs internes évoquent un projet de cluster recherche dédié, baptisé en interne « Aquila », qui serait réservé aux équipes de Google Research. Aucune information officielle n'a été confirmée. En parallèle, certains chercheurs plaident pour que Google ouvre davantage ses propres infrastructures à la recherche académique, afin de redorer son image et d'attirer de nouveaux talents.
En attendant, les files d'attente devant les TPU continuent de s'allonger, et les départs se multiplient. Un problème de riche, peut-être, mais qui pourrait coûter cher à Google dans la course mondiale à l'intelligence artificielle.
