La puce d'IA de Meta, conçue par Broadcom et fabriquée par TSMC, arrive dans les centres de données début 2027

Meta Platforms prévoit de commencer à installer une nouvelle génération d'accélérateurs d'IA maison dans ses centres de données au premier semestre 2027, une décision qui, selon l'entreprise, réduira le coût et l'énergie qu'elle consacre à faire tourner des modèles sur Facebook, Instagram et WhatsApp.

À lire aussi: TSMC signe un sixième trimestre record consécutif, la demande d'IA dépassant l'offre · Taïwan veut pénaliser les exportations non autorisées de puces d'IA vers la Chine.

La puce est la MTIA 450, de nom de code Arke, et c'est la troisième génération de la ligne Meta Training and Inference Accelerator de Meta. Meta la conçoit avec Broadcom et la fait fabriquer par TSMC, selon un article de Bloomberg publié le 15 septembre 2026. Les douze premières unités sont arrivées de TSMC le 1er septembre, et les premiers résultats se sont situés à 2 à 3 % près des performances prédites par les simulations de Meta. Le premier jour de test, l'équipe a fait tourner des modèles de Meta, DeepSeek et Alibaba sur la puce.

Ce détail compte plus qu'il n'y paraît. Faire tourner trois familles de modèles différentes dès le premier jour, dont deux développées hors de Meta, est un premier signal que la puce est évaluée sur un éventail d'architectures plutôt que réglée pour une seule charge interne. La précision du premier lot par rapport à la simulation est la mesure que les équipes de puces suivent de plus près, car une conception qui rate largement se rattrape rarement dans les délais. Bloomberg rapporte que les premiers échantillons ne présentaient aucun défaut de conception, tout en notant que plusieurs mois de mise au point et d'optimisation restent nécessaires et que les rendements de fabrication de TSMC sont encore en montée.

Douze puces, un gigawatt

Le chiffre marquant du plan de Meta n'est pas la taille du premier lot. C'est l'échelle à laquelle l'entreprise s'est engagée pour la suite.

Meta affirme s'être engagée sur plus d'un gigawatt de ces puces sur une période de 12 mois, mesuré en puissance appelée, et s'attend à ce que le déploiement s'accélère ensuite. La puissance est l'unité de compte pratique pour un exploitant de centres de données, car elle correspond directement à la surface au sol, au refroidissement et à la capacité électrique qu'un déploiement consomme. Un gigawatt d'accélérateurs sur mesure sur un an est un engagement suffisamment important pour peser sur la chaîne d'approvisionnement de Meta, pas un pilote.

Le chiffre s'inscrit dans un déploiement bien plus vaste. Reuters rapportait en juillet 2026 que Meta compte à peu près doubler sa capacité de calcul globale pour atteindre 14 gigawatts d'ici 2027, contre environ 7 gigawatts cette année. Les puces sur mesure sont une part de cette expansion, aux côtés des GPU achetés.

Ce pour quoi Arke est conçue, et ce pour quoi elle ne l'est pas

La MTIA 450 est conçue pour l'inférence à usage général, le travail consistant à exécuter un modèle entraîné pour produire des réponses, plutôt que pour des tâches exigeant des temps de réponse quasi instantanés. Le billet technique de mars 2026 de Meta explique le raisonnement : la bande passante mémoire est le facteur le plus important dans les performances d'inférence d'IA générative, Meta a donc doublé la bande passante de mémoire à haut débit par rapport à la MTIA 400 précédente et introduit des types de données à faible précision adaptés à l'inférence. Elle qualifie cette bande passante de « bien supérieure à celle des principaux produits commerciaux existants ».

La puce suivante va plus loin. Meta indique que la MTIA 500 augmente encore la bande passante HBM de 50 % par rapport à la 450, accroît la capacité HBM jusqu'à 80 % et élève le débit MX4 de 43 %. Elle utilise un agencement 2x2 de plus petits chiplets de calcul entourés de plusieurs piles HBM et de deux chiplets réseau. La MTIA 450 doit être déployée en masse début 2027 ; la MTIA 500 doit l'être courant 2027.

Les spécifications sont l'expression directe de la charge de travail. Les modèles de recommandation et de classement, qui alimentent les fils de Meta depuis des années, sont des problèmes limités par la mémoire, et l'inférence générative l'est devenue aussi à mesure que les modèles grossissent. Une puce qui dépense son budget de silicium en bande passante mémoire et en calcul agressif à faible précision est optimisée pour le service, pas pour le travail intensif d'entraînement de nouveaux modèles de pointe. Meta a déclaré que la ligne MTIA n'est pas destinée à entraîner les plus grands modèles de langage, et une couverture indépendante au Hot Chips d'août a décrit la MTIA 400 comme visant principalement l'entraînement de LLM, tout en notant que les GPU de Nvidia et d'AMD restent mieux adaptés à cette tâche, comme le rapportait The Register.

Pourquoi l'inférence, et pourquoi Olympus a été annulée

L'accent mis par Meta sur l'inférence est un resserrement délibéré. L'entreprise travaillait à une puce de nom de code Olympus qui aurait géré à la fois l'entraînement et l'inférence, et elle a abandonné cet effort pour se concentrer sur des conceptions dédiées à l'inférence. Le coût a été un facteur majeur.

« Quand vous commencez à accumuler des gigawatts et des gigawatts de capacité, le coût devient vraiment important », a déclaré Yee Jiun Song, vice-président de l'ingénierie chez Meta, à Bloomberg. Il a indiqué qu'une puce capable de faire à la fois l'entraînement et l'inférence pourrait coûter environ 30 % de plus, un écart qu'il a qualifié de « totalement inacceptable » à cette échelle.

L'arithmétique derrière ce commentaire est simple. À l'échelle du gigawatt, une prime de 30 % par puce se compose en une somme énorme, et un composant simplement correct sur deux tâches peut perdre face à un composant excellent sur une seule. Scinder la feuille de route permet à Meta d'acheter des GPU du commerce pour l'entraînement, là où les charges et les architectures de modèles évoluent le plus vite et où la flexibilité compte le plus, tout en utilisant du silicium sur mesure pour l'inférence stable et à fort volume, qui suit des schémas prévisibles. C'est le même partage vers lequel Amazon, Google et Microsoft ont convergé, avec des accents différents.

Astrid a presque achevé sa conception

La puce qui suit Arke est déjà presque prête sur le papier. Meta s'attend à ce que la MTIA 500, de nom de code Astrid, achève ses travaux de conception dans environ un mois et entre dans les centres de données d'ici fin 2027, avec un déploiement plus large qu'Arke. Bloomberg rapporte qu'Astrid est destinée à un usage plus étendu, ce qui suggère que Meta compte la faire franchir un seuil de performance par dollar plus élevé.

Après Astrid, Meta compte porter son attention sur la vitesse et le débit, et TrendForce a noté que la technologie d'interconnexion par fibre optique pourrait apporter des gains de performance supplémentaires. La cadence elle-même est une stratégie : Meta publie des générations de MTIA à intervalles d'environ six mois, plus vite que le rythme annuel ou plus lent typique des puces d'IA du commerce, ce qui lui permet d'intégrer rapidement les leçons d'une génération dans la suivante. Meta a présenté cette approche de « vélocité » comme un moyen de garder le silicium aligné sur des architectures de modèles qui évoluent vite.

La vague du silicium sur mesure que rejoint Meta

Meta ne construit pas dans le vide. Tous les grands hyperscalers et plusieurs laboratoires d'IA conçoivent désormais leurs propres accélérateurs pour les charges qui dominent leurs centres de données, un basculement qui se prépare depuis une décennie.

Le TPU de Google est le programme le plus ancien et le plus mature, désormais à sa huitième génération. Amazon exploite Trainium pour l'entraînement et Inferentia pour l'inférence, vendus comme instances cloud louables. Le Maia 200 de Microsoft, un composant dédié à l'inférence sur le procédé 3 nanomètres de TSMC, tourne dans Azure. OpenAI a dévoilé sa première puce maison, de nom de code Jalapeño, avec Broadcom en juin 2026, une conception dédiée à l'inférence prévue pour un déploiement d'ici fin 2026.

Broadcom se trouve derrière plusieurs de ces efforts. L'entreprise co-conçoit des puces pour Google, Meta et OpenAI, et les analystes du secteur estiment sa part du marché de la conception d'accélérateurs sur mesure à près de 70 %. En pratique, la vague du silicium sur mesure relève donc moins d'entreprises agissant seules que d'un petit nombre de partenaires de conception, d'une fonderie dominante et d'une poignée de fournisseurs de mémoire qui se resserrent en un nouveau type de chaîne d'approvisionnement. Tous les grands programmes, y compris celui de Meta, fabriquent chez TSMC, comme le note l'état des lieux de Tom's Hardware.

Le mur de la mémoire

Cette dépendance partagée désigne la contrainte qui compte peut-être le plus. Chaque génération de MTIA repose fortement sur la mémoire à haut débit, et la HBM est l'intrant le plus rare de la chaîne d'approvisionnement de l'IA aujourd'hui.

La pénurie n'est pas un pic temporaire. Des recherches du CSIS décrites en septembre 2026 font état d'une pénurie mondiale de mémoire qui devrait se prolonger jusqu'en 2027, voire jusqu'en 2028, portée par la concentration de la production de HBM chez trois fournisseurs et par les longs délais nécessaires à la construction de nouvelles usines. J.P. Morgan Global Research estimait que les prix de la DRAM augmenteraient de plus de 400 % entre le début 2024 et la fin 2026, et Meta elle-même a relevé ses prévisions de dépenses d'investissement de 10 milliards de dollars, invoquant la hausse des coûts du matériel d'IA et de la mémoire.

Les ingénieurs de Meta se sont montrés francs sur cette exposition. Song a déclaré à CNBC plus tôt cette année que l'entreprise était « absolument inquiète de l'approvisionnement en HBM », tout en affirmant qu'une quantité suffisante avait été sécurisée pour soutenir les déploiements prévus, comme le rapportait TrendForce en mars. Meta a signé des accords de long terme avec Samsung Electronics pour la mémoire, Sandisk pour le stockage flash et Sumitomo Electric pour les équipements à fibre optique, selon l'examen par Reuters d'une note interne. Concevoir une puce autour de la HBM est un pari ; en obtenir assez, à un prix tolérable, en est un autre.

La comparaison avec Nvidia, et pourquoi elle n'est pas prouvée

Meta avance une affirmation forte sur le niveau de son silicium. L'entreprise dit que ses puces exécutent les modèles d'IA plus efficacement que « tout ce que Nvidia commercialise actuellement », une formule que Bloomberg et TrendForce attribuent tous deux à Meta.

Cette affirmation n'est pas vérifiée. Meta n'a pas publié de benchmarks comparatifs face aux pièces actuellement commercialisées par Nvidia, et « plus efficace » n'est pas une mesure normalisée. Cela peut désigner la performance par watt, le coût par token, le débit par baie ou une combinaison, et la réponse peut varier selon la charge. Le silicium sur mesure a longtemps battu la génération précédente du matériel Nvidia tout en restant en retrait sur la génération en cours en capacité brute, et la comparaison équitable dépend des modèles, des tailles de lot et des formats de précision utilisés. Tant qu'il n'existe pas de tests indépendants, l'affirmation doit être traitée comme le positionnement d'un fournisseur, non comme un résultat mesuré.

Il existe toutefois une raison structurelle d'attendre de vrais gains dans certains cas. Une puce conçue uniquement pour l'inférence peut éliminer la généralité qu'un GPU du commerce doit porter, et Meta contrôle sa propre pile de service, ses compilateurs et la composition de ses charges. Les entreprises qui connaissent précisément leur trafic peuvent réaliser des économies qu'un composant à usage général ne peut égaler. La question ouverte est de savoir quelle part de l'affirmation résiste au contact de la charge de production complète de Meta.

Ce qu'il faut surveiller

Trois éléments montreront si le programme de puces de Meta tient la promesse qu'il affiche.

Le premier est de savoir si l'écart de 2 à 3 % par rapport à la simulation se maintient quand Meta passe d'une douzaine d'échantillons d'ingénierie à la production de volume. Les échantillons d'ingénierie flattent une conception ; les rendements de production, le comportement thermique à l'échelle de la baie et la maturité logicielle ont tendance à réduire ou à creuser l'écart, et Meta a indiqué que plusieurs mois de mise au point et d'optimisation restent nécessaires.

Le deuxième est l'approvisionnement en HBM. L'objectif de déploiement de Meta est exprimé en gigawatts, mais ses puces s'expriment en bande passante mémoire, et les deux sont liés. Si la HBM qualifiée reste rare jusqu'en 2027, même une puce solide peut être bridée par ce qui l'entoure.

Le troisième est de savoir si Astrid arrive dans les délais. Une conception achevée dans environ un mois et un déploiement d'ici fin 2027 constituent une séquence ambitieuse, et le retard d'une seule génération suffit à réinitialiser la cadence qui fait l'avantage de l'approche de Meta. Nvidia, de son côté, continue de livrer ses propres plateformes de nouvelle génération, la comparaison que Meta invite sera donc testée en public encore et encore.

Pour l'heure, les faits vérifiés sont plus étroits que l'ambition. Meta dispose d'une puce d'inférence de troisième génération en test, de douze unités en main, d'un engagement de 1 gigawatt et d'une successeure en conception. La question de savoir si l'économie suit est ce qui se décidera en 2027.

Couverture : vue aérienne du siège de Meta à Menlo Park, en Californie, par InvadingInvader (CC BY-SA 4.0) via Wikimedia Commons, recadrée en 16:9.