Le 24 décembre 2025, pendant que le monde entier déballait ses cadeaux de Noël, Jensen Huang, le PDG de Nvidia, déballait autre chose : 20 milliards de dollars en cash pour s’offrir la start-up qui lui faisait le plus peur.
💡 Le fait marquant : Nvidia vient d’admettre quelque chose d’inédit — leurs puces ne sont peut-être pas les meilleures pour l’avenir de l’intelligence artificielle. Une révélation qui pourrait changer notre façon d’interagir avec ChatGPT, Claude et toutes les IA.
👤 Qui est Groq et pourquoi Nvidia en avait peur ?
Jonathan Ross, le fondateur de Groq (avec un Q), n’est pas un inconnu dans le monde des puces IA. Cet homme est littéralement le père des TPU de Google — ces fameuses puces qui permettent à Google Gemini de fonctionner et qui ont permis à Google de devenir indépendant de Nvidia.
Quand vous posez une question à Gemini et obtenez une réponse instantanée, c’est grâce au travail de Jonathan Ross. En 2017, il quitte Google avec une intuition prophétique : l’industrie de l’IA aura besoin de puces spécialisées, pas de puces généralistes comme celles de Nvidia.
⚡ GPU vs LPU : comprendre la révolution
Les GPU de Nvidia, ces cartes graphiques qui valent aujourd’hui plus cher qu’une voiture, ont été conçues à l’origine pour faire tourner des jeux vidéo. Elles excellent pour calculer des millions de triangles en parallèle afin d’afficher des explosions réalistes.
Par un heureux hasard, ce type de calcul parallèle fonctionne aussi très bien pour entraîner des modèles d’IA. Mais voici le problème…
🎮 GPU Nvidia
Calculs massifs en parallèle, idéal pour construire le modèle une seule fois. C’est comme utiliser un bulldozer pour déplacer des montagnes.
🚀 LPU Groq
Génération séquentielle mot par mot, ultra-rapide pour les réponses en temps réel. C’est la précision chirurgicale.
Quand vous posez une question à ChatGPT, le modèle ne s’entraîne pas — il fait de l’inférence. Il génère des mots un par un, de manière séquentielle. Pour ce type de tâche, utiliser un GPU c’est comme utiliser un marteau-piqueur pour accrocher un tableau. Ça fonctionne, mais ce n’est pas optimal.
📊 La comparaison technique qui fait mal
| Caractéristique | GPU Nvidia | LPU Groq |
|---|---|---|
| Vitesse de génération | ~100 tokens/sec | ~300 tokens/sec |
| Type de mémoire | HBM externe | SRAM intégrée |
| Bande passante | ~8 To/sec | ~80 To/sec |
| Technologie de gravure | 4 nanomètres | 14 nanomètres |
| Optimisation | Entraînement IA | Inférence IA |
🤯 Le plus impressionnant : Les puces Groq utilisent une technologie de gravure vieille de plus de 10 ans (14 nm vs 4 nm chez Nvidia), et malgré ça, elles rivalisent sur les performances d’inférence !
💰 Le basculement massif du marché
L’industrie de l’IA vit une transformation majeure. Pendant des années, tous les regards étaient fixés sur l’entraînement des modèles : OpenAI dépense 100 millions de dollars pour entraîner GPT-4, Google mobilise des fermes entières de serveurs pour construire Gemini…
Sauf que l’entraînement, c’est une dépense ponctuelle. Vous entraînez un modèle une fois et c’est terminé. L’inférence, en revanche, c’est là où l’argent se fait réellement.
-
Chaque message envoyé à ChatGPT Des milliards de requêtes quotidiennes qui nécessitent des calculs d’inférence
-
Chaque analyse de fraude bancaire Des transactions analysées en temps réel, 24h/24
-
Chaque décision d’une voiture autonome Des milliers de décisions par seconde pour la conduite
📝 Une acquisition pas comme les autres
Ce qui rend cette acquisition fascinante, c’est sa structure. Officiellement, ce n’est pas une acquisition — c’est un « accord de licence non exclusif ».
Ce que Nvidia obtient :
→ Toute la propriété intellectuelle de Groq
→ Jonathan Ross et la quasi-totalité de l’équipe dirigeante
→ L’intégration des LPU dans l’écosystème CUDA
Ce qui reste de Groq :
→ Une entreprise « indépendante » avec un nouveau PDG (Simon Edwards)
→ Une coquille permettant d’éviter les régulateurs antitrust
La nouvelle tactique de la Silicon Valley
Cette gymnastique juridique n’est pas innocente. La Silicon Valley a trouvé une parade aux régulateurs antitrust : ne plus acheter les entreprises, mais acheter leurs cerveaux et leur technologie.
2,4 milliards $ pour recruter le PDG et obtenir une licence technologique. Microsoft avait bloqué le rachat par OpenAI.
La société derrière l’agent IA Devin rachète ce qui reste de Windsurf pour 250 millions $ seulement.
15 milliards $ pour 49% de participation et le recrutement du fondateur Alexander Wang. Scale AI continue d’exister « indépendamment ».
20 milliards $ pour la propriété intellectuelle et l’équipe dirigeante. Même schéma, même logique.
🔧 L’atout maître : CUDA + LPU
Nvidia possède CUDA — une bibliothèque logicielle qui rend leurs puces si faciles à utiliser pour les développeurs que c’est quasiment ridicule. C’est leur véritable avantage concurrentiel.
Nvidia prévoit d’intégrer les processeurs à faible latence de Groq dans leur architecture « usine IA ». Les clients pourront bientôt acheter des packages combinant les GPU Blackwell pour l’entraînement et les LPU pour l’inférence.
La promesse : un seul logiciel, deux types de puces, une simplicité maximale. Donnez à Jonathan Ross l’accès aux usines les plus modernes du monde, au budget R&D de Nvidia et à l’écosystème CUDA, et vous obtenez potentiellement quelque chose de révolutionnaire.
🎯 Ce que ça change pour nous
🚀 Les implications concrètes
- Des assistants vocaux qui répondent instantanément
- Des agents IA capables de réfléchir et agir en temps réel
- Des applications IA embarquées sans connexion cloud permanente
- Une barrière quasi-inexistante entre poser une question et recevoir une réponse
- Une adoption accélérée de l’IA dans tous les secteurs de l’économie
Cette acquisition implique que Nvidia reconnaît que si les GPU ont dominé l’entraînement de l’IA, le basculement rapide vers l’inférence pourrait nécessiter des puces plus spécialisées.
C’est un aveu remarquable de la part de l’entreprise la plus valorisée de la planète. Quand l’inférence devient 10 fois moins chère et 10 fois plus rapide, de nouveaux cas d’usage deviennent possibles.
🤔 La question qui se pose
Avec des puces qui génèrent des réponses plus vite que vous pouvez lire, des coûts de calcul IA qui s’effondrent, et des agents IA de plus en plus autonomes…
💡 La vraie question
Êtes-vous quelqu’un qui subit ces transformations, ou quelqu’un qui sait les utiliser à son avantage ? Ces technologies ne vont pas remplacer les humains — elles vont amplifier ceux qui savent les utiliser.
Les entreprises ne cherchent pas à remplacer leurs employés par des IA. Elles cherchent des employés qui savent utiliser l’IA pour être 10 fois plus productifs. La différence entre ces deux types de personnes ? Leur niveau de formation et d’adaptation.
📺 Voir la vidéo complète
Retrouvez l’analyse détaillée en vidéo