Pendant des années, Meta a joué un seul rôle dans la course à l'IA : celui de gros client. Des milliards de dollars claqués chez NVIDIA, des files d'attente interminables pour obtenir des GPU, des clusters bâtis à marche forcée pour entraîner Llama. En juillet 2026, l'entreprise change de camp. Elle lance Meta Compute, un service cloud qui doit lui permettre de louer sa propre puissance de calcul à des tiers, en concurrence frontale avec AWS et Azure.
Le principe est simple sur le papier : accès en self-service à des GPU et aux API de Llama, dans un environnement managé, à destination des développeurs et des entreprises qui veulent entraîner ou déployer des modèles sans construire leur propre infrastructure. Meta 3 et Llama 4 seront disponibles nativement, ce qui donne à l'offre un argument que les hyperscalers généralistes n'ont pas : un accès direct, sans intermédiaire, à la famille de modèles open weight la plus utilisée du marché.
Un pivot dicté par la pénurie
Ce lancement ne sort pas de nulle part. Depuis deux ans, les délais de livraison des clusters haute performance se sont allongés, et les prix de la capacité GPU sur le marché sont restés élevés, portés par une demande qui dépasse largement l'offre disponible chez les fondeurs et les fournisseurs de cloud. Meta, comme ses concurrents, a dû composer avec cette congestion pour alimenter l'entraînement de ses propres modèles.
En transformant une partie de cette infrastructure en service commercial, l'entreprise cherche à amortir un investissement colossal. Le groupe prévoit d'engager entre 115 et 135 milliards de dollars de dépenses d'investissement liées à l'IA sur l'année 2026, un montant qui donne la mesure de l'ambition, mais aussi de la pression financière que représente ce pari. Revendre de la capacité de calcul devient une manière de faire rentrer du cash pendant que les clusters tournent, plutôt que de les réserver exclusivement à la recherche interne.
Une infrastructure hybride, entre NVIDIA et silicium maison
Sur le plan matériel, Meta Compute s'appuiera sur un mélange de GPU NVIDIA de dernière génération, Blackwell et la future architecture Rubin, et de puces conçues en interne, les MTIA v3 et v4. Cette approche hybride vise deux objectifs à la fois : garder un pied dans l'écosystème NVIDIA, incontournable pour l'entraînement de modèles de très grande taille, tout en réduisant la dépendance à un fournisseur unique grâce à son propre silicium pour certaines charges de travail, notamment l'inférence.
C'est une stratégie que Google a déjà expérimentée avec ses TPU, avec un succès suffisant pour inspirer d'autres géants du secteur. Pour Meta, l'enjeu est double : maîtriser les coûts sur le long terme et disposer d'une carte à jouer face à NVIDIA au moment de négocier les prochains contrats d'approvisionnement.
S'attaquer à l'oligopole du cloud
Le marché du cloud IA reste dominé par un trio restreint, AWS, Microsoft Azure et Google Cloud, qui capte l'essentiel des dépenses des entreprises cherchant à entraîner ou déployer des modèles de langage. Meta Compute arrive avec un atout que ces trois acteurs ne possèdent pas au même degré : la propriété directe des modèles Llama, qui comptent parmi les plus téléchargés dans leur catégorie open weight.
En intégrant nativement ces modèles à son offre cloud, Meta espère capter des développeurs qui utilisent déjà Llama via d'autres plateformes et leur proposer un chemin plus direct, potentiellement moins cher, vers l'infrastructure d'entraînement et d'inférence. Reste à savoir si l'entreprise, historiquement tournée vers ses propres produits grand public, saura convaincre les entreprises clientes qu'elle peut tenir la promesse d'un service cloud fiable sur la durée, un métier très différent de celui qu'elle exerce depuis toujours.
Meta Compute doit permettre au groupe de transformer une contrainte, la saturation de ses propres clusters, en source de revenus.
La bataille pour la capacité de calcul ne fait que commencer, et elle se joue désormais autant sur le terrain commercial que sur celui de la recherche. Reste à voir si les entreprises clientes accepteront de confier leurs charges de travail à un acteur dont le cœur de métier reste, pour l'instant, les réseaux sociaux.
