Google a limité l’accès de Meta à ses modèles Gemini AI en raison de contraintes de capacité informatique, selon un rapport du Financial Times. Cette restriction a considérablement affecté Meta, obligeant l’entreprise à demander à ses employés d’utiliser les jetons IA plus efficacement. Meta transfère également les charges de travail de Gemini vers son propre modèle Muse Spark afin de réduire sa dépendance à l’égard des fournisseurs d’IA externes.
Meta dépendait initialement de Gemini pour des tâches telles que la modération du contenu et les processus de sécurité, en raison de ses performances supérieures par rapport aux modèles open source Llama de Meta. Avec l’accès limité à Gemini, Meta accélère sa transition vers Muse Spark, qu’elle a lancée sous sa division Superintelligence Labs. Les ajustements témoignent des efforts de Meta pour développer des alternatives internes pour les charges de travail essentielles.
En réponse à la demande croissante pour Gemini Enterprise, Google a payé à SpaceX 920 millions de dollars par mois pour accéder à 110 000 GPU Nvidia, appelés « capacité de pont ». Ce partenariat souligne les pénuries de calcul qui remodèlent les relations dans l’industrie technologique. Bien qu’il possède une infrastructure d’IA importante et qu’il prévoit des dépenses d’investissement de plus de 180 milliards de dollars pour 2023, Google ne peut toujours pas répondre à toutes les demandes de ses clients et rationne l’accès à ses modèles.
Meta avait précédemment supprimé 8 000 emplois pour se concentrer sur les initiatives en matière d’IA et a depuis réaffecté 7 000 employés à des postes axés sur l’intelligence artificielle. Les restrictions imposées à Gemini ont poussé Meta à améliorer ses capacités internes à un moment crucial où la demande en ressources informatiques d’IA dépasse l’infrastructure disponible. D’autres sociétés, comme Anthropic, recherchent également des ressources auprès de SpaceX pour soutenir leurs opérations, mettant en évidence un problème plus large de contraintes d’approvisionnement dans le secteur de l’IA.
Le paysage actuel reflète un goulet d’étranglement important dans le boom de l’IA, où la croissance de la demande de puissance de calcul dépasse le développement des infrastructures. Cette tendance illustre que les limitations auxquelles sont confrontées les grandes entreprises pour accéder aux modèles d’IA ne sont pas simplement le résultat de défis algorithmiques, mais découlent de l’infrastructure physique nécessaire pour soutenir une consommation croissante.
