Amazon s'attaque à l'une des principales raisons qui retiennent les développeurs chez Nvidia. Le lundi 19 octobre 2026, le groupe a ouvert à tous, en bêta publique, TorchNeuron, une couche native qui relie PyTorch à ses puces AWS Trainium, et a annoncé sa publication en open source, sous licence Apache 2.0, à la PyTorch Conference North America le 20 octobre. Reuters et GeekWire ont rendu compte du lancement après s'être entretenus avec la division puces d'Amazon.
L'argument est simple : un code écrit pour PyTorch, l'outil le plus répandu pour concevoir des modèles d'IA, doit fonctionner sur Trainium moyennant un unique changement de configuration et sans réécriture. Jusqu'ici, selon GeekWire, les développeurs devaient adapter leur code pour appeler des interfaces propres aux puces d'Amazon. TorchNeuron s'insère au contraire dans le mécanisme standard que prévoit PyTorch pour l'enregistrement d'un nouveau matériel, de sorte que les outils habituels de test, de débogage et de mise à l'échelle fonctionnent tels quels, assure Amazon. Trainium2 et Trainium3 sont pris en charge.
Amazon agit aussi au-delà de sa propre couche. Le groupe dit proposer en amont des modifications à PyTorch pour en retirer le code qui l'attache à certaines puces, avoir publié en open source l'ensemble de ses noyaux de calcul optimisés et apporté une contribution importante au projet d'inférence vLLM. TorchNeuron s'intègre à TorchTitan, la solution native de PyTorch pour l'entraînement distribué, afin de répartir les tâches sur plusieurs instances Trainium grâce au parallélisme de données entièrement fragmenté. Hugging Face a ajouté une prise en charge native de Trainium à ses outils de développement, selon Amazon.
Pour certains clients, l'outil n'a rien de nouveau. GeekWire indique que TorchNeuron était en bêta privée depuis la fin de l'an dernier, et Colin Brace, vice-président d'Annapurna Labs, l'unité de conception de puces d'Amazon, a déclaré à Reuters que plus de 30 premiers clients dans la robotique, les modèles du monde et l'IA vocale l'utilisent déjà. La start-up de reconnaissance vocale Deepgram affirme que ses mesures montrent que Trainium traite environ 60 % d'audio en plus par dollar que son installation GPU précédente, et l'équipe de Prime Video s'en est servie pour bâtir un système de ralentis en 3D destiné aux matchs de NBA. "Si vous connaissez PyTorch, vous connaissez Trainium", a lancé Colin Brace à GeekWire.
La cible stratégique, c'est l'avantage logiciel de Nvidia. Une grande partie du code d'IA du secteur a été bâtie autour de la plateforme CUDA, et le porter vers d'autres puces peut prendre des mois, ce qui dissuade nombre d'entreprises de changer, alors même que les fournisseurs de cloud développent leurs propres accélérateurs. Google mène un projet comparable, TorchTPU, pour ses TPU. Jusqu'ici, les principaux utilisateurs de Trainium sont des laboratoires étroitement liés financièrement à Amazon, comme Anthropic et OpenAI, qui s'est engagé en février à utiliser 2 gigawatts de capacité Trainium, d'après GeekWire.
La validation qualité dira si la promesse du zéro réécriture tient. Amazon affirme tester TorchNeuron sur des centaines de milliers de modèles à chaque nouvelle version ; Colin Brace a précisé à GeekWire que la batterie de tests nocturne couvre plus de 100 000 modèles issus de Hugging Face. Aucun de ces chiffres n'a été audité, et tous deux portent sur la compatibilité, non sur la performance.
Restent des questions concrètes. Les économies avancées par des clients comme Deepgram sont autodéclarées, et Amazon n'a publié aucune comparaison indépendante avec le matériel Nvidia sur des tâches courantes d'entraînement ou d'inférence. Des noyaux sur mesure et des réglages propres à chaque modèle pourraient rester nécessaires pour atteindre la vitesse maximale. La publication du code le 20 octobre permettra aux développeurs extérieurs de mesurer jusqu'où vont réellement les charges PyTorch non modifiées sur Trainium.