Français
La course à l’IA a un autre front très coûteux, et il ne s’agit pas de savoir quel chatbot paraît le plus intelligent. Le 11 mars, NVIDIA a annoncé un investissement de 2 milliards de dollars dans Nebius, tandis que Meta présentait quatre nouvelles générations de puces sur mesure. Les modèles comptent toujours. Les machines qui les font fonctionner aussi.
NVIDIA investit dans le cloud qui entoure ses puces
L’annonce de NVIDIA et Nebius associe investissement et collaboration en ingénierie. Nebius, dont le siège est à Amsterdam, est un fournisseur de cloud spécialisé dans l’IA : un « néocloud » construit autour des besoins de calcul et de logiciels des clients de l’IA.
Le partenariat vise à soutenir plus de cinq gigawatts de capacité NVIDIA d’ici fin 2030. Il comprend des travaux sur la conception des systèmes, les logiciels d’inférence, la gestion du parc et l’adoption précoce de Rubin, des CPU Vera et du stockage BlueField. Ce sont des projets d’expansion et des engagements envers de futures plateformes, pas une déclaration selon laquelle les clients peuvent déjà louer toute la gamme de prochaine génération aujourd’hui.
Le document déposé par Nebius le 11 mars décrit le financement comme un bon de souscription préfinancé portant sur environ 21,1 millions d’actions de classe A, émis pour quelque 2 milliards de dollars. C’est plus précis que de traiter un pourcentage de participation cité dans un titre comme s’il décrivait entièrement la transaction.
Pour le lecteur qui ne collectionne pas les documents boursiers par plaisir, l’essentiel est plus simple : NVIDIA apporte du capital à une entreprise qui déploie son infrastructure. La relation va au-delà de la livraison de cartons sur un quai de déchargement.
Ce n’est pas le premier pari de ce type pour NVIDIA
Le 26 janvier, NVIDIA a annoncé un investissement supplémentaire de 2 milliards de dollars dans CoreWeave. Cela offre un point de comparaison utile avec l’opération Nebius, environ six semaines plus tôt, sans confondre un investissement en capital avec une commande de matériel.
L’interprétation stratégique est que NVIDIA profite de la croissance des entreprises qui utilisent sa plateforme. Elle finance une partie de l’écosystème tout en l’approvisionnant. Cela crée des possibilités, mais ne garantit pas que chaque centre de données prévu sera construit ou rempli de charges de travail rentables.
Cinq gigawatts constituent un objectif énorme. Cela reste aussi un objectif, avec des années de construction, des accords d’approvisionnement électrique et une demande des clients à réunir entre l’annonce et la ligne d’arrivée. Même un très gros chèque ne met pas tous ces voyants au vert d’un seul coup.
La feuille de route de Meta pour ses quatre puces
Le point de Meta sur MTIA du 11 mars décrit quatre générations développées et déployées sur une période de deux ans. MTIA 300 est déjà en production pour l’entraînement des systèmes de classement et de recommandation. MTIA 400, 450 et 500 sont destinés à plusieurs charges de travail, l’inférence d’IA générative étant l’un des principaux usages prévus jusqu’en 2027.
Meta affirme que les conceptions modulaires lui permettent de sortir des puces à des intervalles de six mois ou moins. MTIA 450 et 500 donnent la priorité à l’inférence générative, tout en prenant en charge d’autres tâches selon les besoins. Son approche des logiciels et des racks s’appuie sur des écosystèmes comme PyTorch, vLLM, Triton et l’Open Compute Project.
L’entreprise décrit aussi explicitement un portefeuille associant ses propres puces à celles d’autres fournisseurs. Elle n’annonce pas qu’elle cessera d’acheter du matériel externe. Et la compatibilité avec des outils familiers ne rend pas un accélérateur sur mesure universellement interchangeable avec n’importe quel GPU.
C’est une feuille de route rapide, plus proche du sprint que du rythme tranquille que pourrait suggérer l’expression « développement de semi-conducteurs ». Le test pertinent sera ce qui arrive en production et la qualité de son traitement des charges de travail prévues.
Pourquoi l’inférence suscite autant d’attention
L’entraînement développe un modèle ; l’inférence l’exécute pour produire des résultats. Un service accomplissant des tâches répétées à grande échelle peut avoir de bonnes raisons d’optimiser cette dernière. De petites économies par requête peuvent devenir intéressantes lorsqu’elles sont multipliées par une charge de travail importante.
Mais l’entraînement n’est pas simplement une opération effectuée une fois puis oubliée. Les modèles sont développés, révisés et adaptés, et le meilleur choix matériel dépend de la tâche. La distinction est utile sans pour autant ranger toute l’industrie dans deux cases bien nettes.
Les puces sur mesure entraînent aussi des coûts de développement et d’intégration. Une conception adaptée à la charge de travail d’une entreprise peut être intéressante à son échelle sans constituer le choix judicieux pour tous les autres. La startup qui loue des GPU n’est pas automatiquement perdante parce qu’elle ne possède pas d’équipe de conception de puces.
Ce que cela signifie au-delà du centre de données
L’approche de NVIDIA étend l’infrastructure autour de sa plateforme. Celle de Meta vise à adapter davantage son infrastructure à ses propres tâches. Ces stratégies peuvent coexister : une entreprise peut concevoir des puces spécialisées tout en continuant d’acheter des accélérateurs généralistes.
Pour les utilisateurs et les développeurs, davantage de capacité et une meilleure efficacité pourraient améliorer la disponibilité ou les coûts. La répercussion des économies sur les prix relève d’une décision commerciale distincte. Le silicium ne fixe pas le tarif de l’abonnement.
L’enthousiasme récent pour le développement assisté par IA (en anglais) fait facilement oublier cette couche physique. L’interface est peut-être une zone de texte accueillante, mais derrière elle se trouvent des contrats d’électricité, des calendriers de livraison de matériel et une foule de ventilateurs de refroidissement.
Les batailles du matériel sont l’affaire des grands félins. Le reste d’entre nous peut observer les déploiements autant que les annonces, et résister à l’envie de proclamer un vainqueur chaque fois que quelqu’un dévoile un nouveau rack.
Traduction française de l’article original en anglais du 2026-03-12. Traduction réalisée avec l’aide de l’IA le 2026-11-02 ; les références temporelles restent celles de l’original.
