Google a rationné l'accès de Meta à ses modèles Gemini car il est limité par sa capacité de calcul, forçant Meta à utiliser ses tokens avec plus de prudence et à s'appuyer sur son modèle interne Muse Spark.
Vous connaissez sûrement cette sensation : vous payez un service dans le cloud en pensant qu'il est infini, vous faites monter votre projet en charge en toute confiance... et soudain vous vous heurtez à une limite dont vous ignoriez même l'existence. Imaginez maintenant que ce client freiné, ce n'est pas vous, mais Meta, l'une des entreprises les plus riches de la planète, et que celui qui appuie sur le frein n'est autre que Google. C'est exactement ce qu'a révélé le Financial Times le 28 juin 2026 : Google a limité l'accès de Meta à ses modèles Gemini parce que, tout simplement, il n'a pas assez de capacité de calcul pour tout le monde. Quand les titans se retrouvent à court de GPU, le problème cesse d'être abstrait et devient très réel, très vite.
Le goulot d'étranglement n'est plus le talent, c'est le matériel
Pendant des années, nous avons tenu pour acquis que la limite de l'IA était l'intelligence des modèles ou le talent pour les entraîner. La réalité de 2026 est plus prosaïque et plus brutale : le goulot d'étranglement, c'est l'infrastructure physique pour les faire tourner. Google n'a approuvé que partiellement la demande de capacité supplémentaire de Meta, laissant à ses propres équipes internes la consigne de dépenser des tokens d'IA au compte-gouttes et de respecter de nouveaux quotas. Sundar Pichai l'a reconnu sans détour lors de la conférence de résultats : « Nous sommes limités par la capacité de calcul à court terme », admettant que les revenus de Google Cloud auraient été plus élevés s'ils avaient pu répondre à toute la demande. Quand le vendeur de pelles lui-même n'a plus de pelles, on sait que la ruée vers l'or est bien réelle.
Des chiffres qui donnent le vertige
L'ampleur de la pénurie se lit dans des chiffres à couper le souffle. Le carnet de commandes de Google Cloud a presque doublé pour atteindre 460 000 millions de dollars en un seul trimestre, et l'usage de tokens a atteint 16 000 millions par minute. Google dépense plus de 180 000 millions par an en capex et n'y arrive toujours pas, au point d'accepter de verser à SpaceX 920 millions par mois pour 110 000 GPU Nvidia en guise de capacité tampon. Meta, de son côté, a redirigé des charges de travail de Gemini vers son modèle interne Muse Spark et a réaffecté 7 000 employés à des rôles liés à l'IA. Le constat est limpide : personne n'a de compute en trop en 2026, pas même ceux qui en vendent à la pelle.
Quel rapport avec NeuralOS
Ce choc de titans valide en direct un choix d'architecture que nous avons fait dès le départ : ne pas lier le produit à un unique fournisseur de modèles. Si même Meta, avec tous ses milliards, doit se débrouiller quand son fournisseur est à court, toute plateforme sérieuse doit pouvoir changer de modèle ou d'infrastructure sans réécrire l'intégralité de son application. Dans NeuralOS, le modèle se choisit par configuration et le fournisseur est interchangeable, précisément pour ne pas devenir l'otage de la pénurie ou des prix d'un seul acteur. Nous n'allons pas vous promettre que nous résolvons la crise mondiale des GPU, ce serait ridicule. Mais nous concevons pour que ses soubresauts ne fassent pas tomber votre produit. La flexibilité du fournisseur a cessé d'être un luxe pour devenir une question de survie.