AWS et Nvidia renforcent leur alliance pour l’IA

Amazon et Nvidia viennent de faire évoluer leur partenariat vers ce qui s’apparente à une alliance stratégique. Les deux entreprises ont annoncé cette semaine qu’AWS ajoutera deux millions de GPU Nvidia à ses centres de données, une décision qui illustre à quel point l’échelle du cloud et la demande en accélérateurs sont désormais étroitement liées.

Il ne s’agit pas de cartes graphiques classiques. La commande porte sur les derniers accélérateurs d’IA de Nvidia : Blackwell Ultra, ainsi que les variantes Rubin et Rubin Ultra, conçus spécifiquement pour les charges de travail intensives liées à l’entraînement et à l’inférence de grands modèles d’IA. Les livraisons sont prévues en 2027 et 2028, laissant à AWS le temps de développer son infrastructure d’IA à mesure que les besoins en calcul deviennent toujours plus exigeants.

Le calendrier est révélateur. Nvidia a dévoilé l’information lors de sa conférence téléphonique consacrée aux résultats trimestriels, à peine cinq mois après qu’Amazon a accepté de déployer plus d’un million de puces du groupe à partir de cette année. Depuis, Nvidia assure que la demande a largement dépassé ses prévisions internes. Aucun montant n’a été rendu public pour ce nouvel achat. Compte tenu du prix unitaire des GPU haut de gamme, les estimations du secteur évaluent toutefois l’accord à plusieurs dizaines de milliards de dollars.

Qu’est-ce qui explique cet appétit ? Une forte hausse des charges de travail gourmandes en puissance de calcul. Des start-up se lancent dans la création de modèles fondamentaux. Des entreprises font passer leurs projets pilotes en production. Des laboratoires de recherche en IA augmentent la taille des modèles et la fréquence des cycles d’entraînement. Même les gouvernements ont besoin de systèmes d’IA sur mesure. Tous consomment des ressources GPU à des niveaux inédits.

Amazon ne renonce pas pour autant à ses ambitions en matière de puces propriétaires. AWS continue de développer et de promouvoir ses processeurs maison : Trainium pour l’entraînement en deep learning et Graviton pour les charges de travail CPU basées sur l’architecture Arm. AWS a même indiqué être prêt à commercialiser Trainium auprès de tiers, le positionnant comme un concurrent direct du matériel d’entraînement de Nvidia. Parallèlement, Amazon affirme que son activité de puces personnalisées progresse rapidement : l’entreprise a évoqué, dans sa dernière mise à jour, un rythme de revenus annualisé d’environ 25 milliards de dollars, porté par des engagements qu’elle évalue à près de 225 milliards de dollars de la part de clients, dont Anthropic et OpenAI.

Alors pourquoi acheter des millions de GPU Nvidia si Amazon possède ses propres puces ? Parce que l’échelle et la spécialisation ne sont pas incompatibles. Trainium et Graviton optimisent certaines charges de travail et offrent une meilleure efficacité économique. Les GPU Nvidia restent la référence du secteur pour les catégories de modèles les plus vastes et les plus intensives en calcul. En bref : diversifier la pile technologique et utiliser le bon outil pour chaque besoin.

L’accord va également au-delà du seul cloud computing. Amazon prévoit d’intégrer l’écosystème d’IA physique de Nvidia dans ses entrepôts et ses offres destinées aux entreprises, de la plateforme de simulation Omniverse aux middlewares robotiques Isaac et aux modules de calcul en périphérie Jetson. Côté logiciels et modèles, des services AWS comme Bedrock et SageMaker hébergeront la famille de modèles ouverts Nemotron de Nvidia, ce qui facilitera le déploiement de grands modèles dans les environnements AWS.

Cette initiative répond à une logique opérationnelle. Les flottes de robots nécessitent une intégration étroite entre la simulation, les modèles de perception et les accélérateurs en périphérie. Les entreprises recherchent des piles de modèles préintégrées capables de fonctionner de manière fiable sur une infrastructure cloud. En associant l’échelle et la force commerciale d’AWS à l’écosystème de modèles et d’accélérateurs de Nvidia, les deux entreprises accélèrent l’adoption dans des secteurs qui commencent à peine à exploiter le potentiel de l’IA moderne.

Cet accord illustre aussi à quel point le marché du matériel d’IA est devenu à la fois concurrentiel et interdépendant. La conception des puces, les chaînes d’outils logiciels, les catalogues de modèles et l’exploitation des centres de données sont étroitement liés. Les grands fournisseurs de cloud peuvent concevoir leurs propres puces, mais restent dépendants d’accélérateurs spécialisés et des écosystèmes logiciels qui les accompagnent. Pour les clients, cela signifie davantage de choix, mais aussi une complexité accrue pour déterminer où et comment exécuter des charges de travail d’IA coûteuses.

Il faut s’attendre à davantage de partenariats à plusieurs niveaux : des achats stratégiques pour sécuriser des capacités, des accords d’écosystème pour renforcer l’intégration et des feuilles de route produit anticipant l’évolution de la demande. Pour ceux qui suivent l’évolution de l’infrastructure d’IA, le constat est clair : l’ère du calcul standardisé est révolue. La course porte désormais sur une capacité sur mesure à très grande échelle, et AWS comme Nvidia prennent des paris considérables.