TurboQuant, l’annonce qui a fait trembler la mémoire
Metabacklinks31 juillet 202610 min de lectureLe 25 mars 2026, Google Research publie une méthode de compression annonçant 6 fois moins de mémoire et jusqu’à 8 fois plus de vitesse. Deux jours plus tard, SK Hynix perd 6% et Samsung près de 5%. Une publication scientifique venait de faire vaciller des géants du silicium. Voici ce que le papier dit vraiment, et ce que la comparaison ne dit pas.
L’annonce, et l’onde de choc
Le principe annoncé est simple. Réduire massivement la mémoire dont un modèle d’IA a besoin pendant qu’il répond, sans dégrader la qualité de ses réponses. Les chiffres mis en avant sont spectaculaires, jusqu’à 6 fois moins de mémoire et jusqu’à 8 fois plus de vitesse.
La réaction ne s’est pas fait attendre, et elle est venue de la bourse plutôt que des laboratoires.
- SK Hynix perd 6% et Samsung près de 5% en Corée, le jeudi suivant l’annonce.
- SanDisk et Micron avaient déjà reculé aux États-Unis la veille.
- Des dizaines de milliards de dollars de capitalisation s’évaporent dans le secteur des puces mémoire.
La cause n’est ni un mauvais résultat trimestriel, ni une tension commerciale. C’est un article de recherche. Le raisonnement des investisseurs tient en une ligne. Si la même IA tourne avec 6 fois moins de mémoire, l’industrie achètera moins de puces.
Les analystes ont rapidement nuancé, qualifiant l’avancée d’évolutive plutôt que révolutionnaire, sans effet sur la demande à long terme. Mais le mal était fait, et la comparaison avec le choc DeepSeek de janvier 2025 est revenue partout.
Sauf que cette fois, le sujet mérite une lecture plus attentive que les titres.
Le vrai problème, la mémoire à court terme
Une idée reçue circule, celle que l’IA aurait besoin de mémoire pour se souvenir de ce que vous lui dites. C’est partiellement vrai, et ce n’est pas le cœur du problème.
Il faut distinguer 2 choses.
- Les poids, c’est-à-dire tout ce que le modèle a appris pendant son entraînement. Ils occupent l’essentiel de la mémoire et doivent être chargés d’un seul bloc.
- La mémoire de travail, appelée KV cache. À chaque mot produit, le modèle y stocke des informations intermédiaires pour ne pas relire toute la conversation depuis le début.
C’est cette seconde partie que TurboQuant compresse, et elle seule. Le point mérite d’être retenu, parce qu’il élimine d’emblée la moitié des espoirs qu’on a pu lire. Votre modèle n’occupera pas 6 fois moins de place sur votre machine.
Pourquoi s’attaquer à cette mémoire de travail plutôt qu’aux poids ? Parce qu’elle grossit avec la longueur de l’échange. Sur un modèle de grande taille avec un contexte étendu, elle peut à elle seule dépasser la capacité d’une carte graphique haut de gamme. Juste pour retenir le fil de la conversation.
Et c’est devenu le poste dominant, parce que le marché a basculé. Faire tourner les modèles au quotidien coûte désormais plus cher que les entraîner.
L’astuce, tout mélanger pour tout simplifier
La méthode est astucieuse, et elle est plus intéressante que les chiffres qu’on en a tirés.
Compresser, c’est ranger la même information dans moins de place. Le problème, c’est que dans un modèle d’IA, les données sont très irrégulières. Certaines dimensions portent beaucoup de signal, d’autres presque rien. Une compression uniforme gaspille de la précision là où ça ne sert à rien, et en manque là où c’est décisif.
La solution retenue est contre-intuitive. On commence par tout mélanger.
L’algorithme applique une rotation aléatoire aux données. L’opération ne détruit rien, elle est réversible, mais elle répartit l’information de façon régulière sur toutes les dimensions. Comme on répartirait le poids dans une valise pour qu’elle ne bascule pas d’un côté.
Une fois les données devenues régulières, une compression simple devient optimale. On passe d’un problème compliqué à une série de petits problèmes faciles.
Reste un écueil. Une compression peut très bien reconstituer chaque valeur et fausser quand même les relations entre les mots, qui sont ce dont le modèle se sert réellement. Google ajoute donc une seconde couche de correction, qui utilise 1 bit supplémentaire pour rattraper le biais résiduel.
Le résultat est mathématiquement élégant. La méthode s’approche de la limite théorique au delà de laquelle on ne peut plus compresser sans détruire de l’information.
Ce que la comparaison ne dit pas
Et c’est ici que l’histoire devient intéressante, parce que l’emballage commercial ne résiste pas à la lecture du papier.
Le premier problème est la référence choisie. Les 6 fois moins de mémoire et les 8 fois plus de vitesse sont mesurés face à un stockage en 16 ou 32 bits, c’est-à-dire la version non optimisée. Or personne ne fait tourner un modèle en production sans compression. Tous les hébergeurs en appliquent déjà une forme.
Comparé aux méthodes réellement utilisées, l’écart devient bien plus modeste. La vraie question, à laquelle le papier ne répond pas, est de savoir de combien TurboQuant améliore ce qui existe déjà.
Le second problème est plus sérieux. Une méthode concurrente publiée un an plus tôt fait presque la même chose, y compris la rotation aléatoire. Les auteurs de cette méthode ont publié une réfutation détaillée, avec leur code.
- Leur méthode a été évaluée sur un processeur classique, en mono-cœur, pendant que TurboQuant tournait sur une carte graphique de calcul. La différence de matériel n’était pas indiquée dans le papier.
- Sur les comparaisons directement équivalentes, TurboQuant ne fait pas systématiquement mieux, et fait parfois moins bien.
- Certains temps annoncés ne sont pas reproductibles avec l’implémentation publiée.
Rien de tout cela n’enlève la valeur scientifique du travail, qui reste réel et accepté en conférence. Mais entre le papier et le titre qui a fait chuter des actions, il y a un monde.
C’est un rappel utile à chaque annonce d’IA. Un chiffre de compression ne veut rien dire sans savoir à quoi il est comparé.
Ce que ça change pour vous, vraiment
Mettons de côté la bourse et les polémiques. Pour une entreprise qui utilise l’IA, la question est simple. Qu’est-ce qui change concrètement ?
Rien que vous ayez à installer. Ce genre d’optimisation est adopté par les hébergeurs de modèles, pas par leurs clients. Vous n’aurez jamais à configurer quoi que ce soit.
Le gain arrive par le prix. En 3 ans, le coût pour faire tourner un modèle de premier plan est passé d’environ 20 dollars le million de mots traités à quelques dizaines de centimes. Cette chute vient de l’accumulation de dizaines d’améliorations de ce type. TurboQuant en est une de plus, ni la première ni la dernière.
Et il faut se méfier de l’intuition sur les économies. Un principe économique du 19e siècle, le paradoxe de Jevons, observe qu’une ressource rendue plus efficace finit par être davantage consommée. Les moteurs plus économes n’ont pas réduit la consommation de carburant, ils ont fait rouler davantage. Moins cher par requête ne signifie donc pas moins cher au total.
Le mouvement de fond, lui, est solide et dépasse cette annonce. Après la course à la taille vient la course à l’efficacité. DeepSeek l’a montré côté entraînement, ce type de compression le montre côté exécution.
Et la conséquence est celle qui nous intéresse le plus. Plus les besoins matériels baissent, plus le nombre d’acteurs capables de faire tourner des modèles sérieux augmente. Des start-ups, des laboratoires publics, des entreprises européennes. C’est exactement le sujet que nous suivons dans notre chronologie des modèles d’IA, et le fondement de notre approche de l’intelligence artificielle.
Dans l’IA, celui qui maîtrise l’infrastructure décide de l’usage. Diviser les besoins en mémoire, c’est redistribuer une partie de ce pouvoir.
Les liens utiles à garder sous la main
Questions fréquentes
Un site sur mesure, piloté par des experts
À Montpellier, on conçoit, développe et pilote votre présence web. Vous restez concentré sur vos clients, on gère la technique et le contenu.
Faire le point sur votre siteUne équipe IA qui accélère votre visibilité
SEO, rédaction, réseaux sociaux, publicité et veille. 12 agents IA métier travaillent en continu pour générer du trafic et des leads.
Voir les 12 agents