Pour faire tourner des armées d’agents, il ne suffit plus d’empiler des modèles et des API. Google refond la machine sous le capot : TPU séparés entre entraînement et inférence, réseau Virgo, GKE accéléré et data stack recâblée pour encaisser le passage à l’échelle. A Google Cloud Next, la semaine dernière, l’hyperscaler a dévoilé comment il faisait évoluer son infrastructure Cloud pour transformer ses promesses IA en système industriel.
La conférence Google Cloud Next 2026 se tenait cette semaine à Las Vegas, marquée comme il se doit par une pluie de nouveautés et de partenariats pour un indigeste total de plus de 200’annonces. Une conférence principalement marquée par la concrétisation de la vision des organisations agentiques de l’hyperscaler notamment portée par le lancement de la nouvelle Gemini Enterprise Agent Platform (refonte de Vertex AI) qui permet aux DSI de construire, exécuter, gouverner et optimiser leurs flottes d’agents. Au-dessus de cette plateforme, Google voit s’émanciper une Taskforce agentique principalement composée d’applications et d’agents IA développées par des tiers mais aussi par Gemini Enterprise App, Gemini Enterprise for Customer Experience ainsi que des fonctionnalités agentiques ancrées dans l’univers collaboratif Google Workspace amplifiées par la nouvelle couche de contextualisation Workspace Intelligence. Autant d’annonces que nous avons largement développées dans la première partie de notre compte-rendu.
Mais toutes ces plateformes et couches applicatives nécessitent des infrastructures sous-jacentes capables d’encaisser l’explosion des workloads agentiques. Car contrairement à un simple chatbot, un agent raisonne, enchaîne des appels d’outils, manipule du contexte long, délègue à d’autres agents et le tout souvent en parallèle à l’échelle de milliers d’instances simultanées. Un profil de charge qui fait exploser les besoins en calcul, en mémoire, en bande passante réseau et en I/O stockage. Et c’est précisément sur ce terrain que Google est venu, à Las Vegas, livrer cette année l’une de ses copies les plus ambitieuses. A Las Vegas, l’hyperscaler a ainsi annoncé une refonte profonde de sa couche d’infrastructure cloud. Avec en point de départ, une annonce très médiatique et stratégique : l’arrivée d’une huitième génération de TPU, qui opère un virage architectural majeur.
Pour la première fois en une décennie de silicium maison (le premier TPU est né en 2016), Google scinde sa huitième génération en deux puces spécialisées plutôt qu’une architecture monolithique. D’un côté, le TPU 8t (codename Sunfish, conçu avec Broadcom) est une machine de guerre dédiée à l’entraînement. De l’autre, le TPU 8i (codename Zebrafish, conçu avec MediaTek) est taillé pour l’inférence et l’apprentissage par renforcement.
Le TPU 8t est conçu pour « compresser le cycle de développement des modèles frontières de mois en semaines ».
Chaque puce TPU 8t possède 216 Go de HBM3e (avec une bande passante mémoire 30% supérieure à la génération IronWood) et 128 Mo de SRAM on-chip et affiche des performances allant jusqu’à 12,6 pétaflops FP4 et 19,2 Tb/s de bande passante chip-to-chip.
Mais comme toujours avec les TPU de Google, les performances individuelles de ces accélérateurs IA importe moins que leur capacité à être assemblés au sein de super-clusters de calculs IA, les pods.Un pod 8t embarque 9 600 puces (contre 9 216 pour Ironwood) pour délivrer 121 exaflops FP4 par pod, soit 2,84x ...
[Courte citation de 8% de l'article original]