En bref
- AWS veut faciliter l’adoption de ses puces Trainium grâce à TorchNeuron, un outil permettant d’exécuter des applications PyTorch sans réécrire leur code.
- Le géant du cloud mise sur la simplicité, les performances et les coûts pour attirer les startups IA vers son cloud et concurrencer les solutions de Nvidia.
- L’objectif est aussi de réduire la dépendance à Nvidia, en rendant PyTorch plus compatible avec différents matériels, tout en conservant des contrôles de sécurité.
Pour les startups IA, le message est limpide. Amazon Web Services veut leur donner une porte de sortie plus simple hors de l’écosystème Nvidia, sans leur demander de refaire toute la plomberie logicielle.
Le vrai nerf de la guerre, c’est le logiciel
Le nouvel outil s’appelle TorchNeuron. Il permet de faire tourner sur la puce Trainium des applis IA construites avec PyTorch, et Amazon assure qu’une simple ligne de configuration suffit, sans réécriture du code. Pour n’importe quelle équipe qui vit déjà dans PyTorch, ce détail change tout.
Ce n’est pas un hasard si AWS appuie ici. Environ 85% des applications IA seraient écrites avec PyTorch, un framework lancé à l’origine par Facebook puis maintenu depuis 2022 par la Linux Foundation. Or, depuis des années, Nvidia a bétonné l’intégration de son stack CUDA avec PyTorch. Résultat, ses GPU sont presque l’option par défaut. Et ça, clairement, c’est un avantage monstrueux.
AWS vend plus qu’une puce, il vend tout le terrain
Le discours d’Amazon Web Services ne s’arrête pas à la facilité de portage. L’idée, c’est aussi de dire aux jeunes boîtes IA qu’en choisissant Trainium, elles embarquent avec tout le cloud AWS, pas seulement avec une ressource de calcul.
Colin Brace, vice-président software chez AWS Annapurna Labs, résume ça ainsi: « Vous construisez sur AWS. Vous ne pariez pas sur un fournisseur de calcul à usage unique et vous ne devez pas bricoler tout le reste autour. » Il ajoute que l’infrastructure pour passer du prototype à la production est déjà là. Le tacle vise les neoclouds adossés à Nvidia, comme Coreweave, Nebius ou Firmus. Bon, la cible est à peine masquée.
Le pari prix-perf, avec un exemple déjà brandi
AWS défend aussi un argument plus terre à terre, l’argent. La même puce servirait à la fois pour l’entraînement et l’inférence, avec une intégration serrée au cloud. Selon Amazon, cela améliore l’économie globale d’une charge de travail, même si le prix par token n’est pas forcément le plus bas du marché.
Pour appuyer son propos, Colin Brace cite Deepgram, un acteur de la voix IA concurrent d’ElevenLabs. Son message est simple : « Regardez Deepgram, ils sont passés à Trainium avec la prise en charge native de PyTorch et ils traitent 70% d’audio en plus par dollar, avec une précision de niveau production ». C’est une belle vitrine, même si un seul exemple ne suffit jamais à clore le débat.
Derrière l’outil, Amazon veut casser le verrou Nvidia
Là où ça devient vraiment intéressant, c’est qu’Amazon ne veut pas seulement attirer des workloads sur Trainium. L’entreprise dit aussi contribuer directement au projet PyTorch pour retirer du code qui lie trop étroitement le framework à certains matériels, et donc le rendre plus agnostique.
Si ça marche, l’impact peut dépasser la simple rivalité entre fabricants de puces. Parce qu’on ne parle plus d’un produit de plus, mais de la fin possible d’un lock-in logiciel qui a beaucoup aidé Nvidia. Et si Amazon échoue, on aura surtout gagné davantage de réglages et de friction. Dans les deux cas, la bataille vient de monter d’un cran.
