Le nouvel outil TorchNeuron d'Amazon vise à desserrer l'emprise de Nvidia sur les développeurs d'IA

Amazon Web Services a lancé lundi TorchNeuron, un backend PyTorch natif pour ses puces IA personnalisées Trainium, qui permet aux développeurs de faire tourner des applications PyTorch existantes sur le matériel Trainium en changeant une seule ligne de configuration — sans réécriture de code nécessaire. AWS affirme qu'environ 85 % des applications d'IA sont déjà écrites en PyTorch, faisant de la compatibilité — et non des spécifications brutes des puces — le véritable champ de bataille pour quiconque tente de concurrencer Nvidia.

Ce positionnement est précisément l'enjeu. La domination de Nvidia dans le calcul IA repose largement sur le logiciel, pas seulement sur le silicium : sa plateforme CUDA a été peaufinée pendant des années pour fonctionner parfaitement avec PyTorch, faisant du matériel Nvidia le choix par défaut, sans friction, pour la plupart des développeurs. TorchNeuron est la tentative d'Amazon d'effacer cet avantage de friction au profit de ses propres puces Trainium — et, de manière plus ambitieuse, de pousser des changements en amont dans le projet PyTorch principal lui-même, réduisant la dépendance du framework envers un fabricant de puces unique.

Techniquement, TorchNeuron remplace l'ancienne approche de compilation basée sur XLA qu'AWS utilisait auparavant pour exécuter PyTorch sur ses puces par une intégration native via le mécanisme de backend de périphérique PrivateUse1 de PyTorch. Il prend en charge à la fois l'exécution en mode eager pour le développement interactif et la compilation juste-à-temps via TorchDynamo pour les performances en production — les deux mêmes modes que les développeurs PyTorch attendent déjà sur les GPU Nvidia. AWS avait d'abord présenté ce backend natif en bêta privée dans le cadre du Neuron SDK 2.27 en décembre 2025 ; le lancement de lundi marque son passage vers la disponibilité générale.

AWS positionne également l'attrait de Trainium au-delà du simple coût brut par token. Colin Brace, vice-président du logiciel technologique chez AWS Annapurna Labs, a déclaré que l'avantage de la puce réside dans le fait d'être « une seule plateforme à la fois pour l'entraînement et l'inférence », étroitement intégrée à l'infrastructure AWS — un contraste que l'entreprise dresse avec les « neoclouds » dépendants de Nvidia comme CoreWeave, Nebius et Firmus, dont plusieurs ont connu leurs propres tensions de financement cette année. « La vraie histoire, c'est de supprimer le verrouillage qui empêchait les développeurs d'avoir un vrai choix », a déclaré Brace.

Amazon cite l'entreprise d'IA vocale Deepgram, concurrente d'ElevenLabs, comme une preuve de concept précoce : après être passée à Trainium en utilisant PyTorch natif, Deepgram affirme traiter désormais 70 % d'audio en plus par dollar, avec une précision de niveau production. Amazon indique qu'elle contribuera également du code en amont au projet PyTorch principal pour supprimer les dépendances spécifiques aux puces, une démarche explicitement destinée à rendre le framework plus agnostique en matière de matériel pour toute l'industrie, et pas seulement plus favorable au silicium d'AWS.

Reste à savoir si cela se traduira par un véritable choix pour les développeurs. Tout l'objectif de conception de PyTorch est de masquer la difficulté de faire tourner le même code sur du matériel différent — ce qui fonctionne dans les deux sens : si Amazon réussit, n'importe quel fabricant de puces bénéficiera d'une rampe d'accès plus facile, pas seulement AWS. Les sceptiques notent que changer d'infrastructure, même avec une modification de configuration d'une seule ligne, implique encore de retester les performances et la fiabilité à grande échelle, et que les développeurs ont pu rediriger PyTorch vers des GPU AMD ou du silicium Apple avec des ajustements de configuration similaires depuis un moment, sans que cela détrône Nvidia. Le véritable test pour TorchNeuron n'est pas de savoir s'il fonctionne lors d'une démonstration — c'est de savoir si suffisamment d'entreprises d'IA jugeront que le coût du changement en vaut la peine.

Source : annonce d'Amazon Web Services, rapportée par TechCrunch, 19 octobre 2026.