En bref
- La bataille de l’IA dépasse désormais les seuls GPU et concerne aussi le stockage, le réseau et les flux de données.
- Avec Vera Rubin, Nvidia cherche à mieux orchestrer ces composants pour éviter les goulets d’étranglement.
- L’avantage se joue désormais sur l’efficacité de toute l’infrastructure, notamment énergétique.
Le centre de gravité de l’IA est en train de bouger. On parlait surtout des GPU, désormais la bataille porte aussi sur tout ce qui les entoure, du stockage au réseau en passant par la gestion des flux de données.
Le match ne se joue plus seulement sur le GPU
Depuis le début du boom de l’IA, Nvidia a profité d’une position quasi incontournable sur les puces les plus avancées. Cette avance a nourri une envolée spectaculaire en Bourse, avec une capitalisation multipliée par dix entre le début de 2023 et la mi-2025. Mais sur l’année écoulée, le rythme s’est calmé, en partie parce que des géants du cloud comme Amazon et Google développent leurs propres puces.
Sauf que le sujet ne se limite plus à savoir qui fabrique le meilleur accélérateur. À mesure que les besoins de calcul de l’IA montent vers l’échelle du gigawatt, faire tourner un centre de données géant au meilleur rendement devient un casse-tête. Et c’est là que Nvidia a visiblement préparé un autre étage de son avance.
Pourquoi l’orchestration devient le nerf de la guerre ?
Dans ces infrastructures, la difficulté n’est pas seulement de calculer vite. Il faut aussi faire arriver les données au bon endroit, au bon moment, sans créer de bouchon. La mémoire a grandi avec la puissance de calcul, ce qui a aussi profité à des groupes comme Micron, mais déplacer cette masse d’informations vers le GPU reste un problème très concret.
Et plus les acteurs cherchent à réduire le coût énergétique par token, plus cette circulation devient stratégique. En gros, ajouter des cycles processeur ne suffit plus, il faut aussi un trafic mieux piloté.
Vera Rubin, le signal concret du virage Nvidia
Le meilleur indice, c’est ce que vend actuellement Nvidia. Son architecture Vera Rubin ne repose pas seulement sur le GPU Rubin. Elle assemble aussi le CPU Vera, un accélérateur d’inférence Groq 3 LPX, ainsi que des baies liées au stockage et au réseau.
Le rôle du CPU Vera est clair, orchestrer les données. Jason Hardy, vice-président des technologies de stockage chez Nvidia, résume l’enjeu ainsi : « Vera est important parce qu’il y a une limite à la mémoire qu’on peut intégrer dans un seul serveur ou dans n’importe quelle plateforme de calcul ». Il ajoute que certaines opérations affichent un gain supérieur à trois fois grâce à cette accélération, ce qui permet d’exploiter le flash sans goulot d’étranglement. Dit autrement, le GPU est le moteur, mais il faut aussi que la voiture suive.
Même les rivaux visent la même faille technique
Chez OpenAI, la puce Jalapeño poursuit un objectif proche, mais par une autre route. L’entreprise explique avoir conçu ce composant pour limiter au maximum les déplacements de données et les retards de communication, afin que la charge de travail reste dans un système connecté unique, plus rapide et plus efficace d’un bout à l’autre.
La méthode change, pas le constat. Que l’on réduise les mouvements de données ou qu’on les orchestre mieux, le vrai gain se joue sur l’efficacité du système complet.
Une nouvelle couche d’infrastructure s’ouvre
Rien n’assure un boulevard à Nvidia. Le groupe va aussi devoir affronter les autres fondeurs et les hyperscalers sur ce nouveau terrain, comme il l’a fait sur les GPU.
Mais la compétition a changé d’étage. Construire une puce rivale compte toujours, bien sûr. Faire fonctionner l’ensemble avec un rendement maximal compte sans doute encore plus, et sur ce front, Nvidia semble pour l’instant avoir un coup d’avance.
