Apple intensifie le pré-entraînement de ses modèles fondamentaux — les systèmes d'IA polyvalents qui constituent la base des piles d'IA modernes — sur les Tensor Processing Units (TPU) de Google, plaçant une partie des travaux les plus gourmands en calcul de sa stratégie IA sur des puces conçues par l'un de ses plus grands concurrents.

Ce qu'Apple fait réellement

Le pré-entraînement est la phase la plus lourde de la construction d'un grand modèle de langage. Elle consomme d'énormes quantités de calcul, ce qui fait du choix du matériel une décision stratégique plutôt qu'un simple détail d'approvisionnement.

Le matériel choisi par Apple est celui des TPU de Google — des puces personnalisées que Google a conçues spécifiquement pour les charges de travail d'apprentissage automatique, plutôt que des processeurs graphiques polyvalents adaptés à l'IA.

Le premier modèle serveur AFM d'Apple a été entraîné sur un cluster de 8 192 puces TPU v4. Le modèle on-device, la version plus légère conçue pour fonctionner localement sur le matériel Apple, a été construit sur une tranche de 2 048 puces TPU v5p, une génération plus récente de la gamme TPU de Google.

Les gains de performance ont été substantiels. Ce choix a donné à Apple plus du double d'opérations en virgule flottante par seconde (FLOPS), ainsi que le triple de mémoire à large bande passante — permettant aux puces d'effectuer bien plus de calculs par seconde tout en gardant à proximité bien plus de données. Résultat : un temps d'entraînement des grands modèles de langage réduit jusqu'à 2,8 fois.

Comment Apple en est arrivé là

L'histoire commence en juillet 2024, lorsqu'Apple a révélé avoir entraîné ses premiers Apple Foundation Models, connus sous le nom d'AFM, sur des TPU de Google Cloud plutôt que sur les GPU NVIDIA utilisés par la majorité du secteur.

La disponibilité faisait partie du raisonnement. Ce changement est intervenu dans un contexte de problèmes d'approvisionnement en NVIDIA H100, combiné à ce que la recherche décrit comme les performances et la rentabilité supérieures des TPU de Google pour les besoins d'Apple.

En janvier 2026, Apple a conclu un accord pluriannuel avec Google pour l'accès à la technologie Gemini, un contrat d'une valeur annoncée de 1 milliard de dollars par an. Puis, en juin 2026, Apple a annoncé ses modèles AFM de troisième génération, une sortie qui a marqué un travail de développement personnalisé réalisé avec Google.

Tout ne fonctionne cependant pas sur des TPU. L'un des modèles de troisième génération, AFM 3 Cloud Pro, fonctionne sur des GPU NVIDIA Blackwell au sein de Google Cloud.

Apple est également resté cohérent sur un point tout au long de cette évolution : l'entreprise affirme qu'aucune donnée utilisateur privée n'a été utilisée pour entraîner ses modèles fondamentaux et indique qu'elle respecte les préférences de retrait des éditeurs.

Ce que cela signifie

L'enseignement le plus immédiat est que Google est devenu un pilier essentiel de l'effort IA d'Apple. Entre l'entraînement sur TPU, l'infrastructure Google Cloud et l'accord de licence Gemini, la feuille de route IA d'Apple passe désormais par Mountain View à plusieurs niveaux à la fois.

AFM 3 Cloud Pro fonctionnant sur des GPU Blackwell montre également qu'Apple reste investi dans l'écosystème NVIDIA — mais via Google Cloud, plutôt qu'en tant que client d'ancrage direct pour ses campagnes d'entraînement.

À partir de là, les détails à surveiller sont concrets : la manière dont l'accord Gemini pluriannuel se reflète dans les versions d'Apple, et sur quelles puces — celles de Google ou de NVIDIA — chaque génération successive d'AFM est annoncée fonctionner, une cadence qui s'étend pour l'instant de la révélation des TPU en juillet 2024 au lancement de la troisième génération en juin 2026.