Les ventes directes de TPU chez Google sont une histoire de marge, et non une histoire de réévaluation des prix.

En avril, Google a annoncé qu’il commencerait à vendre ses Tensor Processing Units – les puces qu’il avait développées au cours d’une décennie pour faire fonctionner son propre système d’IA – à un groupe sélectionné d’opérateurs de centres de données tiers. Il ne vendrait plus ces puces que via sa plateforme cloud.Google vendrait ses TPU à un groupe sélectionné d’opérateurs tiers.Le marché a interprété cela comme le début d’une chasse lente menée par NVIDIA. Alphabet est cotée à environ 17 fois les bénéfices historiques, soit 17x TTM P/E, pour une capitalisation boursière de 4,1 billions de dollars. En effet, le marché le considère comme une entreprise de publicité, et non comme un constructeur d’infrastructures d’IA. Donc, la stratégie est claire : faire de Google un fournisseur de puces IA, comme NVIDIA. Ainsi, l’action de Google pourra finalement obtenir le prix qui revient à une entreprise d’infrastructures d’IA, comme celles que ses concurrents occupent en première page des rapports financiers.

Cette idée de fantasme suppose que le retour sur investissement provient de la vente de silicium. Les chiffres de Google indiquent que cette valeur se trouve ailleurs.

Le chip est là où Google donne de la valeur, et non là où il en obtient – et l’accord avec Anthropic en est la preuve.

Le plus grand client des TPU externes de Google est Anthropic. C’est un exemple parfait de deux modèles d’entreprise qui coexistent ensemble. L’expansion effectuée en octobre 2025 a permis à Anthropic d’accéder à jusqu’à un million de TPU et à une capacité dépassant le gigawatt ; c’est un accord valant des dizaines de milliards.Accès à jusqu’à un million de TPUs et à bien plus d’un gigawatt.Les estimations indépendantes montrent que cette exposition se divise de manière claire : environ 400 000 pièces d’Ironwood ont été vendues directement à Anthropic, pour un montant d’environ 10 milliards de dollars. Les autres 600 000 pièces ont été louées via Google Cloud, pour un coût d’environ 42 milliards de dollars.400 000 unités de TPUv7 Ironwood (~10 milliards de dollars) vendues directement par Broadcom à Anthropic ; 600 000 unités louées via GCP, pour un coût de ~42 milliards de dollars en RPO.Même client, même composant, deux économies complètement différentes.

La partie louée constitue l’essentiel de l’opération. Google conserve la propriété de la flotte de produits informatiques, il garde le stack logiciel en bon état, il conserve les revenus récurrents, et il conserve son marge bénéficiaire sur chaque produit vendu. La partie vendue est une transaction ponctuelle qui nécessite beaucoup de capitaux : Google fournit les composants informatiques, prend une part des bénéfices de l’entreprise fabricante de puces, et donne à l’acheteur les compétences nécessaires pour intégrer ces composants, ce qui est à l’origine du avantage qu’Google a obtenu. C’est ainsi que NVIDIA réalise ses profits de 60,4 milliards de dollars dans le domaine des centres de données, ainsi que sa part d’environ 80 %.Environ 80 % du marché des accélérateurs d’IA et 60,4 milliards de dollars de revenus liés aux calculs dans les centres de données.Construire une nouvelle solution à partir de zéro signifie remplacer l’actuelle solution existante, en acceptant des marges plus faibles et un investissement plus élevé que celui du service cloud actuel de Google.

Regardez où se situent les aspects économiques liés au TPU dans le tableau des revenus. Au deuxième trimestre, les revenus de Google Cloud ont augmenté de 82 % par rapport à l’année précédente, pour atteindre 24,8 milliards de dollars. Le revenu d’exploitation a quant à lui plus que triplé, pour atteindre 8,8 milliards de dollars – soit un taux de marge d’exploitation d’environ 35 %.Les revenus liés aux services cloud ont augmenté de 82 % pour atteindre 24,8 milliards de dollars, et les revenus opérationnels ont plus que triplé pour atteindre 8,8 milliards de dollars.Sur une infrastructure cloud à haute échelle, avec un stock de commandes de 514 milliards de dollars en arrière-plan.514 milliards de travaux contractés en arrière-planCette augmentation de marge est le résultat du travail du TPU. Comme Google exécute ses modèles de pointe sur sa propre puissance de calcul, il peut fixer un prix pour Gemini d’environ 58 % inférieur à celui de Claude d’Anthropic ou de 60 % inférieur à celui du produit phare d’OpenAI, sur base par token. En même temps, il conserve néanmoins une marge bénéficiaire.58 % moins que Claude Opus 4.7 d’Anthropic, et 60 % moins que GPT-5.5 d’OpenAI.Les concurrents ne peuvent pas simplement acheter des produits. Rien de cela ne se reflète comme des revenus provenant de TPU. Tout se transforme en marge bénéficiaire liée aux services cloud.

Le pivot commercial-silicon ne se base pas sur ces conditions. Alphabet a enregistré un flux de trésorerie négatif au cours du trimestre : 39,1 milliards de dollars de flux de trésorerie d’exploitation, contre 44,9 milliards de dollars de dépenses de construction.39,1 milliards de flux de trésorerie d’exploitation et 44,9 milliards de dépenses de capital.– Elle a augmenté les prévisions de dépenses d’investissement pour l’année 2026 à environ 205 milliards de dollars.Elle a augmenté ses prévisions de dépenses d’investissement pour l’année 2026 à 205 milliards de dollars.Et, pour la première fois depuis son introduction en bourse en 2004, elle a vendu 80 milliards de dollars d’actions nouvelles.Réservation de 80 milliards de dollars en capital propresPour payer les coûts de construction… La raison pour laquelle les ventes de puces sont importantes, c’est que les actionnaires sont dilués afin de financer cette flotte de produits informatiques dont Google envisage maintenant de vendre à des tiers, à un prix inférieur au coût de location. C’est une allocation de capital étrange, si l’objectif est d’améliorer les économies par action. Cela n’a sens que si l’objectif est de croître en nombre de parts dans un marché suffisamment grand pour être important pour une entreprise de la taille d’Alphabet – une entreprise de 4,1 billions de dollars nécessite donc une grande gamme de produits matériels avant de pouvoir améliorer les économies par action.

La question plus difficile est de savoir si les avantages annoncés par le TPU survivent même après avoir été utilisé en pratique. Les affirmations concernant une meilleure efficacité et un meilleur rapport performance/prix, ainsi que le fait que le coût total de possession soit 44 % inférieur à celui du GB200 de NVIDIA, ou encore que le coût par petaflop soit 52 % inférieur à celui du GB300 de Anthropic… Ce sont tous des arguments valables, mais ils sont plutôt liés aux caractéristiques techniques propres au stack de Google.Le TCO total pour le chip Ironwood de TPUv7 est environ 44 % inférieur à celui du GB200 ; chez Anthropic, le TCO est inférieur de 52 % par rapport au GB300, en termes d’efficacité PFLOP.Ils dépendent du design économe en énergie de Google, de son propre logiciel, de ses systèmes de réseau, ainsi que de la parfaite compatibilité entre ses modèles et sa matériel. Si l’on donne un circuit imprimé à un opérateur tiers qui utilise son propre logiciel et son propre système d’utilisation, alors le avantage concurrentiel diminue vers la moyenne pour les dispositifs généralistes. La part de marché de NVIDIA à 80 % ne diminue pas simplement parce que les TPU ont gagné en valeur ajoutée. Elle diminue, mais lentement, car des clients comme Anthropic cherchent délibérément à éviter une dépendance envers un seul fournisseur : Anthropic utilise à la fois les TPU, les Trainium d’Amazon et les GPU de NVIDIA.Stratégie de calcul diversifiée utilisant les TPU de Google, les Trainium d’Amazon et les GPU de NVIDIA.Et parce que le processeur Rubin de NVIDIA a échoué. On peut attribuer certains succès des concurrents à des stratégies de négociation entre clients, ainsi qu’à les échecs du concurrent lui-même, et non à une qualité insuffisante du produit lui-même.

C’est pourquoi la véritable bataille se joue dans le domaine du logiciel, et non dans celui de l’silicium. Google et Meta mettent en œuvre TorchTPU, une solution visant à exécuter PyTorch nativement sur les TPU. C’est une manière de contrer les coûts liés au changement de système de traitement des données utilisé par CUDA.TorchTPU vise à exécuter PyTorch sur les TPU, afin d’éviter les coûts de conversion liés au CUDA.Ce qui a permis à l’écosystème NVIDIA de rester stable pendant deux décennies. Si cela fonctionne, l’avantage en termes de coûts de déploiement se transfère aux parties extérieures, et une véritable entreprise commerciale devient possible. Sinon, Google vend des puces rapides à un monde dont les habitudes d’ingénierie sont encore orientées vers CUDA.

Le nouveau taux de rachat, s’il existe, sera indiqué dans la ligne de marge, et non dans les livraisons par unité de chip.

La vente des puces en silicium est l’événement principal ; le coût de production est en réalité le véritable sujet d’attention. Le TPU a déjà démontré sa valeur pour les actionnaires : non pas comme un produit à distribuer aux tiers, mais comme la raison pour laquelle l’IA de Google est plus économique que celle des autres entreprises. Son service cloud génère des bénéfices à un taux de 82 %. Le marché paie déjà une grande partie de ces bénéfices grâce à l’augmentation des marges de Google Cloud. Vendre directement cette puce revient à confier ce avantage aux autres, ce qui entraîne des marges plus faibles, et cela coûte donc de l’argent réel aux actionnaires. C’est une activité commerciale raisonnable… mais c’est aussi une raison étrange pour réévaluer l’ensemble de l’entreprise. Il faut surveiller les marges de Google Cloud, et voir si TorchTPU peut vraiment améliorer cette situation. Le ratio de valorisation de l’action suivra ces indicateurs, et non le nombre de racks vendus aux opérateurs de centres de données.