AMD a annoncé ce jeudi 6 août 2026 l’acquisition de Taalas, une jeune pousse torontoise fondée en 2023 qui fabrique des puces où les poids des modèles d’intelligence artificielle sont littéralement gravés dans le silicium, transformant chaque circuit en un accélérateur dédié à un modèle unique. Le montant de la transaction n’a pas été divulgué, mais il s’agit bien d’un rachat complet, pas d’un simple acqui-hire destiné à siphonner les cerveaux.
L’idée de Taalas tient en une formule vertigineuse : au lieu de stocker les paramètres d’un réseau neuronal dans de la mémoire HBM puis de les faire transiter vers des unités de calcul généralistes, on les encode dans le métal même de la puce, dans une zone baptisée « mask-ROM recall fabric ». Le résultat est une sorte de circuit intégré spécifique au modèle (un MSIC, si l’on veut forger l’acronyme) qui élimine d’un coup les goulots d’étranglement mémoire et les allers-retours qui plombent les architectures classiques. Le cache KV et les adaptateurs de fine-tuning (type LoRA) sont eux hébergés dans une seconde région en SRAM, préservant un minimum de flexibilité. C’est radical, c’est baroque… et les premiers benchmarks donnent le tournis.
Taalas avait déjà dévoilé en février dernier son premier prototype, le HC1, gravé en 6 nm chez TSMC, un chip de la taille d’un réticule complet qui servait le modèle Llama 3.1 8B de Meta à 16 960 tokens par seconde, soit 48 fois plus vite que les GPU Nvidia de l’époque et 8,5 fois plus vite que les accélérateurs wafer-scale de Cerebras. Le HC2, attendu cet été, devrait grimper à 20 milliards de paramètres par puce. Et comme les poids se répartissent sur plusieurs accélérateurs via du parallélisme de pipeline, il suffirait en théorie de 50 puces HC2 pour faire tourner un modèle d’un trillion de paramètres, là où les systèmes LPX de Nvidia exigeraient plusieurs dizaines de GPU épaulés par au moins 2 000 LPU Groq.
« Nous avons fondé Taalas pour repenser l’inférence IA depuis la base, en construisant le matériel autour du modèle », a déclaré Ljubisa Bajic, cofondateur et PDG de la startup, qui promet que rejoindre AMD offrira à son équipe canadienne l’envergure industrielle et les ressources d’ingénierie nécessaires pour accélérer l’innovation. Du côté d’AMD, Vamsi Boppana, vice-président senior de la division intelligence artificielle, a insisté sur la complémentarité avec la plateforme existante, notamment les racks Helios, les GPU Instinct, les CPU EPYC et la pile logicielle ROCm.
L’architecture envisagée par AMD semble dessiner un tandem où les GPU Instinct traiteraient la phase de « prefill » (le traitement intensif du prompt d’entrée) tandis que les accélérateurs dérivés de Taalas prendraient en charge la génération de tokens, la partie de l’inférence où la vitesse brute par jeton compte le plus. On peut aussi imaginer un cycle de déploiement en deux temps, les clients validant d’abord leurs modèles sur Instinct avant de basculer vers des puces Taalas une fois le modèle stabilisé.
A lire également
Car la contrepartie de cette performance incandescente est une rigidité structurelle assumée. Une fois les poids figés dans le silicium, tout changement substantiel du modèle impose un nouveau tirage de masques, c’est-à-dire un nouveau cycle de fabrication. Taalas tempère le problème en affirmant que seules deux couches de métal doivent être modifiées lors d’une mise à jour, ce qui réduit fortement le coût et le délai par rapport à une refonte complète. N’empêche, dans un écosystème où les modèles de fondation se renouvellent presque chaque mois, qui va s’engager à figer un réseau dans le cuivre ?
La réponse se trouve sans doute du côté des grands développeurs de modèles eux-mêmes. OpenAI, Anthropic et Meta sont déjà des clients importants des Instinct d’AMD, et Taalas estimait en février que graver les poids dans le silicium coûte 100 fois moins cher que l’entraînement d’un modèle de frontière. Pour un GPT ou un Claude stabilisé et massivement déployé en production, l’équation économique pourrait devenir irrésistible, surtout si le coût par token chute d’un ordre de grandeur. Cette baisse ouvrirait d’ailleurs la porte à un allongement du raisonnement en « test-time scaling », cette technique qui réduit les hallucinations en laissant le modèle réfléchir plus longtemps, au prix d’une consommation de tokens aujourd’hui prohibitive.
AMD positionne cette acquisition dans le contexte de la croissance explosive du marché de l’inférence, un segment qui pèse déjà bien plus lourd que l’entraînement en volume de calcul déployé et qui attire toutes les convoitises. Nvidia avait elle-même signé en décembre 2025 un accord de licence de 20 milliards de dollars avec Groq, preuve que même le roi incontesté du GPU reconnaît la nécessité de proposer des solutions d’inférence spécialisées au-delà de ses propres architectures.
La clôture de l’opération est attendue au quatrième trimestre 2026, sous réserve des approbations réglementaires habituelles. Si AMD parvient à intégrer la technologie Taalas dans ses racks Helios à un rythme soutenu, le fondeur de Santa Clara disposera d’un argument que Nvidia ne peut pas encore répliquer avec ses seuls GPU : la possibilité d’offrir à ses clients un continuum allant de l’entraînement à l’inférence ultra-optimisée, le tout sous un même toit. Reste à savoir si le marché est prêt à accepter l’idée, presque hérétique à l’ère du logiciel dévorant le monde, qu’un modèle d’IA puisse mériter son propre silicium sur mesure.
