Booster les TPU de Google vers les 4 000 milliards : comment s’imposer dans le secteur de la blockchain ?

Auteur : Eli5DeFi

Traduction : Tim, PANews

Note de la rédaction PANews : Le 25 novembre, la capitalisation boursière de Google a atteint un niveau historique de 3 960 milliards de dollars. Outre le lancement de la puissante IA Gemini 3, l’un des moteurs de cette hausse est également sa puce maison TPU. Au-delà de l’IA, le TPU s’apprête aussi à jouer un rôle clé dans la blockchain.

L’histoire du matériel informatique moderne est fondamentalement définie par l’essor du GPU.

Des jeux vidéo à l’apprentissage profond, l’architecture parallèle de Nvidia est devenue la norme de l’industrie, reléguant peu à peu le CPU à un rôle d’assistant.

Cependant, alors que les modèles d’IA se heurtent à des limites de passage à l’échelle et que la blockchain s’oriente vers des applications cryptographiques plus complexes, un nouvel acteur fait son entrée : le processeur de tenseurs (TPU).

Bien que le TPU soit souvent discuté dans le cadre de la stratégie IA de Google, son architecture répond de façon inattendue aux besoins fondamentaux du prochain jalon de la blockchain : la cryptographie post-quantique.

Cet article retrace l’évolution du hardware, compare les architectures et explique pourquoi, dans la construction de réseaux décentralisés résistants aux attaques quantiques, le TPU (et non le GPU) est mieux adapté aux calculs mathématiques intensifs exigés par la cryptographie post-quantique.

Évolution du hardware : du traitement sériel à l’architecture systolique

Pour comprendre l’importance du TPU, il faut d’abord cerner le problème qu’il résout.

• CPU (Central Processing Unit) : généraliste, excellent pour les traitements sériels et les branches logiques, mais limité lorsqu’il s’agit d’exécuter simultanément une grande quantité de calculs mathématiques.
• GPU (Graphics Processing Unit) : expert du traitement parallèle, initialement conçu pour le rendu de pixels, il excelle à exécuter de nombreuses tâches identiques en même temps (SIMD : Single Instruction, Multiple Data). Cette caractéristique en a fait le pilier de l’explosion de l’IA.
• TPU (Tensor Processing Unit) : puce spécialisée, conçue par Google pour les tâches de calcul des réseaux neuronaux.

Avantage de l’architecture systolique

La différence fondamentale entre GPU et TPU réside dans leur façon de traiter les données.

Le GPU doit accéder à la mémoire (registres, cache) de façon répétée pour effectuer ses calculs, alors que le TPU utilise une architecture dite “systolique”. À l’image d’un cœur qui pompe le sang, cette architecture fait circuler les données de façon rythmée à travers une grille massive d’unités de calcul.

https://www.ainewshub.org/post/ai-inference-costs-tpu-vs-gpu-2025

Les résultats de calcul sont transmis directement à l’unité suivante sans avoir à être réécrits dans la mémoire. Cette conception atténue considérablement le goulot d’étranglement de von Neumann – c’est-à-dire le temps perdu à déplacer les données entre mémoire et processeur – permettant ainsi d’augmenter de plusieurs ordres de grandeur le débit lors de certains calculs mathématiques.

Le point clé de la cryptographie post-quantique : pourquoi la blockchain a-t-elle besoin du TPU ?

L’application la plus cruciale du TPU dans la blockchain n’est pas le minage, mais la sécurité cryptographique.

Les blockchains actuelles reposent sur la cryptographie à courbes elliptiques ou RSA, qui présentent une faille fatale face à l’algorithme de Shor. Cela signifie que l’arrivée d’un ordinateur quantique suffisamment puissant permettrait à un attaquant de retrouver la clé privée à partir de la clé publique, et donc de vider totalement tous les actifs cryptographiques sur Bitcoin ou Ethereum.

La solution réside dans la cryptographie post-quantique. Les algorithmes PQC standard du moment (comme Kyber, Dilithium) sont tous basés sur la cryptographie à base de réseaux (Lattice).

L’adéquation mathématique du TPU

C’est là que le TPU surpasse le GPU. La cryptographie Lattice repose fortement sur des opérations intensives sur de grands matrices et vecteurs, notamment :

• Multiplication matrice-vecteur : As+e (où A est une matrice, s et e des vecteurs)
• Calculs polynomiaux : opérations algébriques sur des anneaux, utilisant généralement la transformation de Fourier discrète (NTT)

Le GPU traite ces calculs comme des tâches parallèles génériques, tandis que le TPU accélère ces opérations via des unités de calcul matriciel intégrées au niveau matériel. La structure mathématique de la cryptographie Lattice épouse presque parfaitement la topologie physique de la grille systolique du TPU.

Duel technologique entre TPU et GPU

Bien que le GPU reste le champion universel de l’industrie, le TPU garde un avantage absolu pour certaines tâches mathématiques intensives.

Conclusion : le GPU excelle en polyvalence et dans l’écosystème, tandis que le TPU surpasse en efficacité pour le calcul intensif d’algèbre linéaire, qui est au cœur des besoins de l’IA et de la cryptographie moderne avancée.

Expansion du récit TPU : preuves à divulgation nulle de connaissance et IA décentralisée

Au-delà de la cryptographie post-quantique, le TPU montre aussi un potentiel d’application dans deux domaines Web3 majeurs.

Preuves à divulgation nulle de connaissance (Zero-Knowledge Proofs)

Les ZK-Rollups (comme Starknet ou zkSync), solutions de scalabilité pour Ethereum, nécessitent la génération de preuves impliquant des calculs massifs, notamment :

• Transformée de Fourier rapide (FFT) : pour convertir rapidement les représentations de données.
• Multiplications multi-scalaires : pour combiner des points sur des courbes elliptiques.
• Protocole FRI : système cryptographique de vérification de polynômes.

Ces calculs ne sont pas du domaine des ASIC de minage (calcul de hachage), mais relèvent de mathématiques polynomiales. Par rapport au CPU, le TPU accélère considérablement les FFT et les engagements polynomiaux ; et grâce à la nature prévisible des flux de données de ces algorithmes, le TPU peut généralement surpasser le GPU en efficacité.

Avec l’essor de réseaux d’IA décentralisée comme Bittensor, les nœuds du réseau doivent être capables d’exécuter des inférences de modèles IA. Exécuter un modèle de langage généraliste revient essentiellement à effectuer un nombre massif de multiplications matricielles.

Comparé à un cluster GPU, le TPU permettrait aux nœuds décentralisés de traiter les requêtes d’inférence IA avec une consommation énergétique bien moindre, rendant ainsi l’IA décentralisée plus viable commercialement.

Cartographie de l’écosystème TPU

Bien qu’aujourd’hui la plupart des projets s’appuient encore sur le GPU grâce à la prévalence de CUDA, plusieurs domaines se préparent à intégrer massivement le TPU, en particulier dans le contexte de la cryptographie post-quantique et des preuves à divulgation nulle.

Preuves à divulgation nulle et solutions de scalabilité

Pourquoi choisir le TPU ? Parce que la génération de preuves ZK nécessite un traitement parallèle massif de calculs polynomiaux, et dans certaines configurations, le TPU est nettement plus efficace que le GPU généraliste pour ces tâches.

• Starknet (solution de scalabilité L2) : les preuves STARK reposent fortement sur la FFT et la preuve d’interaction Reed-Solomon rapide, des opérations intensives parfaitement alignées avec la logique du TPU.
• zksync (solution de scalabilité L2) : son générateur Airbender traite d’immenses FFT et calculs polynomiaux, des goulets d’étranglement que le TPU peut précisément résoudre.
• Scroll (solution de scalabilité L2) : utilise Halo2 et Plonk, dont la vérification KZG et les multiplications multi-scalaires coïncident parfaitement avec l’architecture systolique du TPU.
• Aleo (blockchain axée sur la confidentialité) : focalisée sur la génération de preuves zk-SNARK, ses calculs polynomiaux s’accordent parfaitement avec le débit de calcul spécialisé du TPU.
• Mina (blockchain légère) : utilise des SNARKs récursifs, exigeant la régénération continue de preuves via des calculs polynomiaux répétés, ce qui met en valeur l’efficacité du TPU.
• Zcash (cryptomonnaie orientée confidentialité) : le système de preuve Groth16 repose sur des calculs polynomiaux. Bien que plus ancienne, cette technologie profite grandement d’un hardware à haut débit.
• Filecoin (DePIN, stockage) : son mécanisme de preuve de réplication combine preuves à divulgation nulle et codage polynomial pour valider la validité du stockage des données.

IA décentralisée et calcul délégué

Pourquoi choisir le TPU ? C’est l’application native du TPU, conçu pour accélérer les tâches d’apprentissage automatique sur les réseaux neuronaux.

• Bittensor : son architecture centrale repose sur l’inférence IA décentralisée, parfaitement adaptée aux capacités de calcul tensoriel du TPU.
• Fetch (agents IA) : ses agents autonomes s’appuient sur des inférences neuronales continues, que le TPU exécute avec une latence réduite.
• Singularity (plateforme de services IA) : en tant que marché d’échange de services IA, Singularity accélère fortement l’exécution des modèles grâce à l’intégration du TPU, optimisant vitesse et coûts.
• NEAR (blockchain, pivot IA) : migration vers l’IA on-chain et les agents en environnement d’exécution de confiance, reposant sur des calculs tensoriels accélérés par TPU.

Réseaux de cryptographie post-quantique

Pourquoi choisir le TPU ? Les calculs clés de la cryptographie post-quantique impliquent souvent la recherche de vecteurs les plus courts dans les réseaux, c’est-à-dire des opérations de matrices et de vecteurs intensives, très similaires aux charges de travail IA.

• Algorand (blockchain) : adopte des solutions de hachage quantique-sécurisé et de calcul vectoriel, parfaitement adaptées au calcul mathématique parallèle du TPU.
• QAN (blockchain résistante au quantique) : utilise la cryptographie Lattice, dont les calculs polynomiaux et vectoriels sont hautement homomorphes avec les optimisations mathématiques du TPU.
• Nexus (plateforme de calcul, ZkVM) : la préparation à la cryptographie quantique implique polynômes et algorithmes en base de réseaux, parfaitement mappables sur l’architecture TPU.
• Cellframe (blockchain résistante au quantique) : la cryptographie Lattice et le chiffrement par hachage qu’elle utilise impliquent des calculs de type tensoriel, faisant du TPU un candidat idéal pour l’accélération.
• Abelian (jeton de confidentialité) : axé sur les calculs Lattice post-quantiques, à l’instar de QAN, son architecture technique profite pleinement du haut débit vectoriel du TPU.
• Quantus (blockchain) : la signature post-quantique repose sur des calculs vectoriels massifs, que le TPU parallélise bien mieux que le CPU standard.
• Pauli (plateforme de calcul) : la sécurité quantique nécessite d’innombrables calculs matriciels, cœur de l’architecture TPU.

Limites de développement : pourquoi le TPU n’est-il pas encore généralisé ?

Si le TPU est si efficace pour la cryptographie post-quantique et les preuves à divulgation nulle, pourquoi le secteur s’arrache-t-il toujours les puces H100 ?

• Le fossé CUDA : la bibliothèque logicielle CUDA de Nvidia est devenue la norme, la majorité des ingénieurs cryptographiques codant avec. Migrer vers le JAX ou XLA du TPU exige non seulement des compétences pointues mais aussi d’importantes ressources.
• Accès limité sur le cloud : les TPU haut de gamme sont quasi-exclusivement disponibles sur Google Cloud. Un réseau décentralisé qui dépend trop d’un fournisseur cloud centralisé s’expose à la censure et au risque de point de défaillance unique.
• Rigidité architecturale : si un algorithme cryptographique doit être ajusté (ajout de branches logiques), les performances du TPU chutent drastiquement. Le GPU gère bien mieux ce type de logique irrégulière.
• Limites sur le calcul de hachage : le TPU ne remplacera pas les mineurs Bitcoin. L’algorithme SHA-256 relève du calcul bit à bit, non matriciel, ce qui rend le TPU inadapté à ce domaine.

Conclusion : l’avenir est à l’architecture en couches

Le futur du hardware Web3 ne sera pas un “winner takes all”, mais tendra vers une architecture en couches.

Le GPU continuera d’assurer le calcul généraliste, le rendu graphique et les tâches impliquant des logiques conditionnelles complexes.

Le TPU (et autres accélérateurs ASIC similaires) deviendra peu à peu la configuration standard de la “couche mathématique” de Web3, dédié à la génération de preuves à divulgation nulle et à la vérification des signatures cryptographiques post-quantiques.

À mesure que la blockchain migrera vers les standards de sécurité post-quantique, l’immense quantité de calculs matriciels nécessaires à la signature et à la vérification des transactions fera du TPU non plus une option, mais une infrastructure indispensable pour bâtir des réseaux décentralisés évolutifs et sécurisés contre les menaces quantiques.