Amazon cherche à lever l’un des principaux obstacles à l’adoption de ses puces d’intelligence artificielle. Sa division Annapurna Labs lance TorchNeuron, un outil permettant d’exécuter sur les accélérateurs Trainium du code écrit avec PyTorch, sans réécriture et avec une simple modification de configuration. Le logiciel doit être proposé gratuitement en open source.

L’enjeu est autant logiciel que matériel. PyTorch, framework open source administré par Meta, est largement utilisé par les développeurs d’IA. Nvidia a construit pendant plus de dix ans l’écosystème CUDA qui facilite son fonctionnement sur ses propres puces. Cette couche logicielle constitue un avantage compétitif important : changer de matériel peut imposer des adaptations, des tests et des coûts qui découragent les clients, même lorsque d’autres accélérateurs promettent un meilleur rapport prix-performance.

Avec TorchNeuron, Amazon veut réduire le nombre d’étapes nécessaires pour tester puis déployer des charges de travail sur Trainium. Selon Colin Brace, vice-président chargé des logiciels chez Annapurna Labs, l’objectif consiste à rejoindre les clients dans leurs usages actuels plutôt qu’à leur demander de modifier profondément leurs outils. Plus de 30 premiers utilisateurs issus notamment de la robotique, des modèles du monde et de l’IA vocale emploient déjà le logiciel, d’après Amazon. Le groupe affirme que le passage à ses puces peut générer des économies importantes, sans fournir dans la source de chiffre précis permettant de les quantifier.

La stratégie place Amazon face à Nvidia, mais aussi aux autres fournisseurs de cloud qui développent leurs propres accélérateurs. Google travaille lui aussi à faciliter l’utilisation de PyTorch sur ses puces. Pour AWS, l’intérêt est double : réduire sa dépendance à des composants externes et proposer aux clients une infrastructure différenciée susceptible d’améliorer l’économie de ses services d’IA.

Pour les investisseurs, TorchNeuron ne remettra pas immédiatement en cause l’avance de Nvidia. Son importance se mesurera plutôt à l’adoption réelle de Trainium, à la compatibilité des modèles complexes et à la capacité d’Amazon à convertir la simplicité annoncée en migrations durables.