Google accélère encore dans les semi-conducteurs dédiés à l’intelligence artificielle. Le géant américain renforce son partenariat avec Marvell Technology pour développer plusieurs composants stratégiques autour de ses puces TPU, tout en obtenant la possibilité d’acquérir jusqu’à près de 59 millions d’actions du fabricant de semi-conducteurs.
Présentée rapidement, l’opération peut donner l’impression que Google vient d’investir 12,2 milliards de dollars dans Marvell.
Ce n’est pas exactement ce qui s’est produit.
Google a obtenu un warrant, c’est-à-dire un droit lui permettant d’acheter des actions Marvell à un prix prédéfini et sous certaines conditions. Une grande partie de ces droits dépend directement des futurs achats de composants réalisés par Google.
Derrière les 12,18 milliards de dollars théoriques se cache donc un enjeu potentiellement beaucoup plus important : le partenariat pourrait correspondre à environ 120 milliards de dollars de revenus cumulés pour Marvell si les niveaux maximaux prévus par le contrat étaient atteints.
L’opération montre surtout à quel point la bataille mondiale de l’intelligence artificielle se déplace désormais vers une ressource devenue stratégique : la capacité de calcul.
Ce qu’il faut retenir
- Google élargit fortement son partenariat avec Marvell Technology autour de ses infrastructures d’intelligence artificielle.
- Marvell participera au développement de plusieurs composants personnalisés liés aux TPU de Google.
- Google obtient un warrant lui permettant potentiellement d’acquérir 58 970 907 actions Marvell.
- Le prix d’exercice est fixé à 206,58 dollars par action.
- La valeur théorique maximale représente environ 12,18 milliards de dollars.
- Il ne s’agit donc pas d’un versement immédiat de 12,2 milliards de dollars à Marvell.
- La majorité des droits accordés à Google dépend des revenus futurs générés par ses achats auprès de Marvell.
- Le mécanisme peut correspondre à environ 120 milliards de dollars de commandes cumulées si toutes les tranches sont déclenchées.
- L’accord renforce Marvell sur un marché où Broadcom occupe déjà une place stratégique auprès de Google.
- Google poursuit parallèlement le développement de ses propres TPU tout en continuant à utiliser des GPU Nvidia.
Google-Marvell : que prévoit réellement l’accord à 12,2 milliards de dollars ?
Le chiffre de 12,2 milliards de dollars est spectaculaire, mais il doit être interprété correctement.
Selon le document réglementaire déposé par Marvell auprès de la Securities and Exchange Commission américaine, Google et Marvell avaient conclu dès le 29 juillet 2026 un nouvel accord commercial concernant plusieurs programmes de semi-conducteurs personnalisés.
Le 18 août, Marvell a parallèlement accordé à Google un warrant portant sur un maximum de 58 970 907 actions ordinaires.
Le prix auquel Google pourra acquérir ces actions est fixé à 206,58 dollars l’unité.
La multiplication donne :
58 970 907 × 206,58 dollars ≈ 12,18 milliards de dollars.Ce montant représente donc la valeur théorique maximale des actions susceptibles d’être achetées au prix prévu dans le warrant.
Google n’a pas signé un chèque de 12,18 milliards de dollars à Marvell.
L’accord crée plutôt un mécanisme permettant au groupe américain d’obtenir progressivement le droit d’acquérir une importante participation dans son fournisseur à mesure que leur relation industrielle prend de l’ampleur.
Cette nuance est essentielle pour comprendre l’opération.
Jusqu’à 120 milliards de dollars de commandes derrière l’accord
Le chiffre le plus impressionnant n’est peut-être finalement pas celui des 12,18 milliards de dollars.
Le mécanisme d’acquisition des actions est largement lié au chiffre d’affaires généré par Marvell avec Google sur les programmes concernés.
Le contrat prévoit notamment 240 tranches dépendant des revenus commerciaux.
Une tranche supplémentaire peut être acquise pour chaque tranche de 500 millions de dollars de revenus correspondant aux produits concernés par l’accord.
Le calcul maximal donne donc :
240 × 500 millions de dollars = 120 milliards de dollars. Reuters rapporte ainsi que le mécanisme pourrait correspondre à environ 120 milliards de dollars de revenus pour Marvell jusqu’en 2033, si Google atteint les différents seuils nécessaires.Il ne s’agit évidemment pas d’une garantie de commandes à hauteur de 120 milliards de dollars.
Ce chiffre représente le niveau de revenus permettant théoriquement de débloquer l’ensemble des tranches conditionnelles prévues dans le warrant.
Mais même en restant très loin de ce montant maximal, l’accord donne une indication claire de l’ampleur que Google envisage pour ses futures infrastructures d’intelligence artificielle.
Pourquoi Google a besoin de Marvell pour ses puces IA
Le partenariat ne concerne pas simplement la fabrication d’une nouvelle génération de processeurs.
Marvell doit intervenir sur plusieurs catégories de composants indispensables au fonctionnement des infrastructures de calcul de Google.
Le document transmis à la SEC mentionne notamment des technologies liées :
- aux accélérateurs d’inférence ;
- au stockage de données ;
- aux interfaces réseau ;
- aux interfaces mémoire ;
- au traitement réalisé à proximité de la mémoire.
Cette diversité est fondamentale.
Dans un data center dédié à l’intelligence artificielle, la performance ne dépend plus uniquement du processeur réalisant les calculs principaux.
Il faut également transférer des quantités gigantesques de données entre les accélérateurs, les serveurs, la mémoire et les systèmes de stockage.
Plus les modèles deviennent imposants, plus ces communications constituent un enjeu de performance.
La prochaine bataille des semi-conducteurs se joue donc autant dans les technologies d’interconnexion que dans les processeurs eux-mêmes.
Marvell cherche précisément à prendre une position dominante sur cette couche d’infrastructure.
Que sont les TPU de Google ?
Les Tensor Processing Units, ou TPU, sont des accélérateurs développés directement par Google pour exécuter des calculs liés au machine learning et à l’intelligence artificielle.
Contrairement aux GPU traditionnellement conçus pour le traitement graphique puis adaptés à l’intelligence artificielle, les TPU ont été pensés spécifiquement pour les charges de travail utilisées par Google.
Ils sont aujourd’hui au cœur d’une partie de l’infrastructure utilisée pour entraîner et exécuter les modèles Gemini.
Google les commercialise également auprès de ses clients à travers Google Cloud.
Cette stratégie donne au groupe un avantage considérable : il ne dépend pas entièrement des fournisseurs traditionnels de semi-conducteurs pour développer son infrastructure.
Google contrôle ainsi plusieurs couches simultanément :
- les modèles d’intelligence artificielle avec Gemini ;
- les produits distribuant ces modèles ;
- Google Cloud ;
- ses data centers ;
- une partie de ses propres accélérateurs ;
- les logiciels permettant d’orchestrer cette infrastructure.
L’entreprise peut donc optimiser ses puces en fonction de ses propres modèles et de ses propres besoins.
Google accélère le développement de ses TPU
En 2026, Google a encore renforcé cette stratégie.
Le groupe a notamment dévoilé les TPU 8t et TPU 8i, deux architectures destinées à des usages différents.
La TPU 8t est davantage orientée vers les charges massives d’entraînement des modèles d’intelligence artificielle.
La TPU 8i vise davantage l’inférence, c’est-à-dire la phase durant laquelle un modèle déjà entraîné répond effectivement aux requêtes des utilisateurs.
Google présente ces nouvelles générations dans sa documentation officielle sur les TPU 8t et TPU 8i.
Cette distinction devient essentielle économiquement.
Entraîner un modèle coûte extrêmement cher, mais cette dépense est ponctuelle.
L’inférence intervient, elle, potentiellement plusieurs milliards de fois lorsque des utilisateurs interrogent Gemini, utilisent une fonctionnalité IA dans Google Search ou accèdent à un modèle à travers Google Cloud.
À très grande échelle, quelques pourcents d’amélioration de l’efficacité d’une puce peuvent représenter des économies considérables.
C’est pourquoi le coût des infrastructures IA devient progressivement l’un des principaux enjeux économiques du secteur.
Google cherche-t-il à se passer de Nvidia ?
La montée en puissance des TPU nourrit régulièrement l’hypothèse d’une réduction de la dépendance de Google envers Nvidia.
Cette lecture contient une part de vérité, mais elle doit être nuancée.
Google cherche clairement à développer des accélérateurs capables de remplacer les GPU traditionnels sur certaines charges de travail.
L’entreprise possède suffisamment de volume pour rentabiliser la conception de puces extrêmement spécialisées.
En revanche, Google continue d’utiliser des GPU Nvidia dans ses infrastructures et de les proposer à ses clients Google Cloud.
Dans sa présentation investisseurs consacrée à sa stratégie technologique, Alphabet met d’ailleurs en avant une infrastructure reposant à la fois sur ses propres TPU, ses processeurs Axion et des GPU Nvidia.
La stratégie de Google n’est donc pas nécessairement :
TPU contre Nvidia.Elle ressemble davantage à :
TPU + Nvidia + plusieurs partenaires spécialisés selon les usages.Cette diversification réduit le risque de dépendance envers un fournisseur unique et donne à Google davantage de pouvoir dans ses négociations.
Pourquoi l’accord fragilise Broadcom en Bourse
Un autre acteur a immédiatement été affecté par l’annonce : Broadcom.
Le groupe travaille depuis plusieurs années avec Google sur des semi-conducteurs personnalisés, dont plusieurs générations liées aux TPU.
L’arrivée beaucoup plus agressive de Marvell a donc été interprétée par les investisseurs comme le signe que Google pourrait répartir davantage ses commandes entre plusieurs fournisseurs.
À la suite de l’annonce du 19 août, l’action Marvell progressait d’environ 8 %, tandis que Broadcom reculait de plus de 5 %, selon Reuters.
Ce mouvement ne signifie pas que Marvell vient de remplacer Broadcom.
La situation est probablement plus complexe.
Google peut simplement avoir besoin de plusieurs fournisseurs pour accompagner la croissance extrêmement rapide de ses infrastructures.
Les sommes investies dans les data centers IA deviennent suffisamment importantes pour justifier une diversification de la chaîne d’approvisionnement.
Pour Google, cette stratégie permet :
- de sécuriser ses approvisionnements ;
- de limiter sa dépendance ;
- de favoriser la concurrence entre fournisseurs ;
- d’accélérer le développement de nouvelles architectures ;
- de disposer de technologies différentes pour chaque type de charge de travail.
Pour Marvell, le bénéfice est considérable.
L’entreprise peut désormais devenir l’un des principaux bénéficiaires de la croissance des TPU Google.
La guerre de l’IA devient une guerre des infrastructures
Pendant les premières années de l’intelligence artificielle générative, l’essentiel de la compétition semblait se jouer entre les modèles.
OpenAI lançait GPT.
Google répondait avec Gemini.
Anthropic développait Claude.
Meta poussait ses propres architectures.
Mais à mesure que les modèles se rapprochent en performances sur certaines tâches, une autre compétition devient de plus en plus importante : celle de l’infrastructure.
Pour proposer un modèle d’intelligence artificielle à plusieurs centaines de millions d’utilisateurs, disposer du meilleur algorithme ne suffit pas.
Il faut également :
- des semi-conducteurs ;
- de la mémoire ;
- des réseaux extrêmement rapides ;
- des data centers ;
- de l’électricité ;
- des systèmes de refroidissement ;
- du stockage ;
- des capacités de déploiement à très grande échelle.
C’est pour cette raison que l’industrie voit émerger des investissements de plusieurs dizaines de milliards de dollars.
Les acteurs qui maîtrisent ces infrastructures peuvent théoriquement réduire le coût de chaque réponse générée par une IA et améliorer leurs marges.
Cette évolution renforce également la transformation des anciens GAFAM, alors que de nouveaux acteurs deviennent incontournables dans l’économie de l’intelligence artificielle.
Google possède un avantage que les laboratoires IA indépendants n’ont pas
Cette intégration verticale distingue fortement Google de sociétés comme OpenAI ou Anthropic.
Google dispose directement :
- d’un réseau mondial de data centers ;
- d’une activité cloud ;
- de ses propres processeurs ;
- d’une capacité massive d’investissement ;
- de services utilisés quotidiennement par plusieurs milliards de personnes.
Gemini peut être distribué dans Search, Android, Gmail, Workspace, YouTube et Google Cloud.
Chaque amélioration du coût des infrastructures peut donc être amortie sur une échelle gigantesque.
C’est aussi pourquoi la concurrence entre Gemini et les autres grands modèles d’IA ne peut plus être analysée uniquement à travers leurs performances lors des benchmarks.
Il faut désormais regarder toute la chaîne industrielle qui se trouve derrière eux.
Google Cloud donne une raison économique supplémentaire d’investir dans les TPU
Google n’utilise pas ses infrastructures uniquement pour alimenter ses propres produits.
Le groupe peut également les commercialiser.
Les clients de Google Cloud peuvent utiliser des TPU pour entraîner ou déployer leurs propres modèles.
Google devient donc simultanément :
- utilisateur de ses puces ;
- développeur de ses puces ;
- exploitant de data centers ;
- fournisseur de capacité de calcul.
Plus la demande mondiale d’intelligence artificielle augmente, plus cette infrastructure devient un produit stratégique.
L’enjeu dépasse donc Gemini.
Google cherche à capter une partie des dépenses informatiques des entreprises qui souhaitent développer leurs propres applications d’intelligence artificielle.
Cette logique explique pourquoi les investissements dans les puces et les data centers peuvent continuer à augmenter même si les modèles deviennent progressivement plus efficaces.
Pourquoi Marvell est particulièrement bien placé
Marvell est moins connu du grand public que Nvidia, AMD ou Intel.
Mais l’entreprise occupe une position intéressante dans les infrastructures modernes.
Elle développe notamment des technologies liées :
- aux semi-conducteurs personnalisés ;
- aux réseaux de data centers ;
- au stockage ;
- aux interfaces optiques ;
- aux interconnexions à très haut débit.
Or ces technologies deviennent indispensables dans les clusters composés de plusieurs milliers d’accélérateurs IA.
Un modèle avancé peut nécessiter de répartir les calculs entre un très grand nombre de machines.
La vitesse avec laquelle ces processeurs communiquent devient alors presque aussi importante que leur puissance individuelle.
Marvell mise donc sur une tendance structurelle : plus les investissements IA augmentent, plus les géants technologiques auront besoin de composants extrêmement spécialisés.
L’accord Google-Marvell représente une validation importante de cette stratégie.
Ce que l’accord change pour Nvidia
À court terme, l’accord ne menace pas directement la position dominante de Nvidia.
Nvidia reste extrêmement puissant sur le marché des accélérateurs destinés à l’intelligence artificielle.
Son écosystème logiciel constitue également une barrière considérable à l’entrée.
Mais la multiplication des puces personnalisées conçues par les hyperscalers représente un risque structurel.
Google développe les TPU.
Amazon dispose des puces Trainium et Inferentia.
Microsoft développe également ses propres accélérateurs.
Meta travaille sur ses propres architectures.
Si une part croissante des charges d’intelligence artificielle migre vers ces processeurs spécialisés, la croissance du marché des GPU pourrait devenir moins directement liée à la croissance totale de l’IA.
Il ne s’agit donc pas nécessairement de remplacer Nvidia.
Il s’agit d’éviter qu’un seul fournisseur capte la totalité de la valeur créée par l’explosion de la demande en calcul.
Une bataille industrielle derrière les modèles Gemini
L’annonce Google-Marvell montre finalement que la compétition entre modèles visibles par le grand public cache une transformation industrielle beaucoup plus profonde.
Pour déployer Gemini auprès de milliards d’utilisateurs, Google doit sécuriser une quantité considérable de capacité informatique.
Chaque nouvelle fonctionnalité IA ajoutée à Search, Workspace, Android ou Google Cloud peut augmenter la consommation de calcul.
L’amélioration de l’efficacité matérielle devient donc directement liée à la capacité de Google à rentabiliser l’intelligence artificielle.
Cette dynamique vaut également pour les entreprises qui utilisent ces services.
Si la concurrence entre TPU, GPU et accélérateurs spécialisés réduit progressivement le coût de l’inférence, elle pourrait se traduire par une baisse du prix de certaines API ou par l’apparition de modèles plus puissants au même tarif.
Le développement des semi-conducteurs devient ainsi l’un des principaux leviers permettant de démocratiser économiquement l’intelligence artificielle.
Le vrai enjeu de l’accord Google-Marvell
Le chiffre de 12,18 milliards de dollars attire naturellement l’attention.
Mais ce n’est probablement pas la donnée la plus importante.
L’accord montre surtout que Google se prépare à acheter suffisamment de composants personnalisés pour justifier un partenariat qui pourrait théoriquement générer jusqu’à 120 milliards de dollars de revenus cumulés pour Marvell.
Cela témoigne de l’échelle industrielle désormais envisagée pour les infrastructures liées aux TPU.
Google ne cherche plus uniquement à construire quelques puces alternatives.
Le groupe développe progressivement un véritable écosystème matériel capable de soutenir Gemini, Google Cloud et ses futurs produits d’intelligence artificielle.
Pour Marvell, l’opération représente une opportunité de s’imposer face à Broadcom parmi les partenaires les plus stratégiques de Google.
Pour Nvidia, elle confirme une tendance plus large : ses plus grands clients veulent également devenir des concepteurs de puces.
Et pour l’ensemble du marché, le signal est particulièrement clair.
La prochaine phase de la guerre mondiale de l’intelligence artificielle se jouera autant dans les semi-conducteurs, les réseaux et les data centers que dans les modèles eux-mêmes.