NVIDIA ne vend plus seulement des GPU : l’entreprise construit les usines de l’intelligence artificielle
De simple fabricant de cartes graphiques à fournisseur d’infrastructures complètes pour l’IA : avec sa plateforme Vera Rubin, NVIDIA cherche désormais à contrôler toute la chaîne qui permet de produire de l’intelligence artificielle à grande échelle.
Par Adrien Hassler
Il y a encore quelques années, NVIDIA était principalement connu du grand public pour ses cartes graphiques destinées aux jeux vidéo. Aujourd’hui, l’entreprise occupe une position très différente dans l’industrie technologique.
Ses processeurs graphiques sont devenus l’un des composants essentiels de l’intelligence artificielle moderne. Mais NVIDIA ne s’arrête plus au GPU. L’entreprise développe désormais des CPU, des systèmes de stockage, des réseaux à très haut débit, des logiciels d’orchestration et même des architectures complètes de data centers.
Cette évolution est particulièrement visible avec Vera Rubin, la nouvelle plateforme conçue par NVIDIA pour les infrastructures d’intelligence artificielle de très grande échelle.
L’enjeu est considérable. Les modèles d’IA deviennent plus complexes, les agents autonomes multiplient les appels aux modèles et les besoins en calcul explosent. Dans ce contexte, le véritable produit de NVIDIA n’est peut-être plus le processeur lui-même.
C’est l’infrastructure capable de faire fonctionner l’IA.
Du GPU à l’« AI Factory »
Le terme utilisé par NVIDIA est révélateur : l’entreprise parle désormais d’AI factories, ou « usines de l’intelligence artificielle ».
L’image est volontairement industrielle. Une usine classique transforme des matières premières en produits finis. Une AI factory transforme quant à elle de gigantesques volumes de données et de puissance de calcul en quelque chose de nouveau : des tokens, des prédictions, des réponses, du code ou des décisions produites par des modèles d’intelligence artificielle.
Cette évolution est directement liée à celle des agents IA. Un chatbot classique reçoit une question et génère une réponse. Un agent peut, lui, décomposer une tâche en plusieurs étapes, utiliser des outils, récupérer des informations, écrire du code, vérifier ses résultats puis recommencer.
NVIDIA estime qu’une seule requête agentique peut ainsi déclencher une longue séquence d’opérations de raisonnement, de récupération d’informations et d’utilisation d’outils. Sa plateforme Vera Rubin a précisément été conçue pour ce type de charge de travail. (NVIDIA Newsroom)
Cette transformation rejoint d’ailleurs directement notre analyse consacrée à l’évolution des agents IA, mais aussi aux progrès de ChatGPT : les modèles ne sont plus seulement conçus pour discuter avec un utilisateur, mais pour réaliser progressivement des tâches complexes.
Vera Rubin : bien plus qu’une nouvelle génération de GPU
Le nom « Rubin » peut prêter à confusion.
Il désigne bien une nouvelle architecture de GPU NVIDIA, mais Vera Rubin est surtout une plateforme complète.
Dans sa configuration NVL72, NVIDIA associe 72 GPU Rubin à 36 CPU Vera, avec des systèmes NVLink destinés à permettre aux différents processeurs de communiquer à très haute vitesse. La plateforme intègre également des composants réseau et de stockage spécialisés. (NVIDIA)
L’idée est importante : au lieu de considérer le GPU comme une pièce indépendante, NVIDIA conçoit désormais l’ensemble du système autour du GPU.
Le processeur doit communiquer rapidement avec la mémoire. Les GPU doivent échanger leurs données. Le réseau doit permettre de relier plusieurs racks. Le stockage doit être suffisamment rapide pour alimenter les modèles. Le logiciel doit orchestrer l’ensemble.
Et tout cela doit fonctionner dans un environnement où la consommation électrique et la dissipation thermique deviennent des contraintes majeures.
C’est précisément le changement d’échelle que nous avions étudié dans notre article consacré à l’intelligence artificielle face au mur énergétique et à la transformation des data centers : à mesure que les modèles deviennent plus puissants, le problème n’est plus uniquement informatique. Il devient également énergétique et industriel.
Le nouveau CPU de NVIDIA
L’un des signes les plus révélateurs de cette stratégie est probablement l’arrivée de Vera, le propre CPU de NVIDIA.
Pendant longtemps, NVIDIA a construit ses systèmes autour de processeurs développés par d’autres fabricants. L’entreprise cherche désormais à contrôler davantage cette partie de la chaîne.
NVIDIA présente Vera comme un CPU spécifiquement conçu pour les tâches qui entourent les agents IA : exécution de code, orchestration, traitement des données et gestion de nombreuses opérations simultanées. Il peut fonctionner seul ou être intégré directement aux systèmes Vera Rubin. (NVIDIA)
Ce choix répond à un problème très concret.
Un modèle d’IA ne fonctionne pas uniquement sur un GPU. Entre deux opérations d’accélération, le système doit déplacer des données, gérer des requêtes, exécuter du code et coordonner différents composants.
Si le CPU devient un goulot d’étranglement, une partie de la puissance des GPU reste inutilisée.
NVIDIA cherche donc à optimiser l’ensemble de la chaîne, et non plus uniquement le composant le plus visible.
Le réseau devient aussi important que le processeur
À très grande échelle, un autre problème apparaît : les GPU doivent pouvoir communiquer entre eux.
Imaginez un data center contenant des milliers, voire des centaines de milliers de GPU. Chaque processeur peut être extrêmement puissant individuellement, mais la performance globale dépend aussi de la capacité du réseau à faire circuler les données entre eux.
C’est pourquoi NVIDIA développe également ses propres technologies réseau avec Spectrum-X, ConnectX et BlueField.
La plateforme Vera Rubin intègre ainsi des composants destinés à gérer les communications entre machines, le stockage, la sécurité et l’isolation des différents utilisateurs. NVIDIA affirme que son architecture Spectrum-X Ethernet Photonics vise notamment les futures infrastructures pouvant atteindre des millions de GPU. (NVIDIA)
On comprend alors pourquoi parler simplement de « carte graphique NVIDIA » devient de moins en moins pertinent.
Le GPU n’est qu’un élément d’un système beaucoup plus vaste.
Le refroidissement devient une composante informatique
Il existe une autre conséquence directe de cette concentration de puissance : la chaleur.
Les GPU modernes consomment suffisamment d’électricité pour rendre le refroidissement traditionnel de nombreux systèmes de calcul de plus en plus difficile.
Vera Rubin adopte ainsi une architecture fortement orientée vers le refroidissement liquide. NVIDIA indique que ses systèmes sont conçus pour fonctionner avec des architectures de data centers adaptées à cette technologie. (NVIDIA Developer)
Ce détail technique est en réalité fondamental.
Chaque watt consommé par un GPU finit presque intégralement sous forme de chaleur qu’il faut évacuer. Plus on concentre de processeurs dans un rack, plus la gestion thermique devient critique.
C’est l’une des raisons pour lesquelles les futurs data centers IA seront très différents des salles informatiques traditionnelles.
Et c’est également pourquoi la question énergétique devient centrale.
Le véritable défi : produire suffisamment d’électricité
Un supercalculateur IA ne peut fonctionner que s’il dispose d’une alimentation électrique à la hauteur de sa puissance de calcul.
NVIDIA travaille désormais directement sur cette question.
En mars 2026, l’entreprise a annoncé avec plusieurs acteurs du secteur énergétique un projet visant à développer des AI factories capables d’interagir avec le réseau électrique. L’objectif est notamment de rendre certaines infrastructures de calcul suffisamment flexibles pour adapter leur fonctionnement aux besoins du réseau. (NVIDIA Newsroom)
C’est un changement de perspective intéressant.
Traditionnellement, un data center demande de l’électricité au réseau.
Demain, certains grands centres de calcul pourraient être conçus pour adapter leur consommation en fonction des contraintes du réseau, voire participer à sa stabilité.
La frontière entre informatique et énergie devient ainsi de plus en plus mince.
Sur AdrienTech, nous avons déjà consacré plusieurs analyses à cette transformation, notamment à la question de savoir si les infrastructures nucléaires et hydroélectriques peuvent contribuer à alimenter les nouveaux centres de calcul.
NVIDIA veut optimiser le nombre de tokens produits par watt
Le changement de vocabulaire de NVIDIA est également révélateur.
La performance d’un GPU était autrefois principalement mesurée en opérations par seconde.
Dans l’IA générative, d’autres indicateurs deviennent essentiels : tokens par seconde, tokens par watt et coût par token.
Cela correspond mieux à la réalité économique des modèles modernes.
Une entreprise qui exploite un grand modèle d’IA ne cherche pas uniquement à obtenir le GPU le plus puissant. Elle veut produire le plus grand nombre de réponses possibles avec une consommation électrique et un coût d’infrastructure raisonnables.
NVIDIA affirme que Vera Rubin peut atteindre jusqu’à 10 fois plus de débit agentique par unité d’énergie que la génération Grace Blackwell dans certaines configurations et charges de travail. Ces chiffres sont évidemment des données communiquées par NVIDIA et doivent être interprétés en fonction des configurations et des benchmarks utilisés. (NVIDIA Developer)
Mais le fait même que NVIDIA mette désormais autant l’accent sur la performance énergétique montre à quel point la question a changé.
La puissance brute ne suffit plus.
Une croissance financière qui confirme la transformation
Les résultats financiers de NVIDIA donnent également une idée de l’ampleur du phénomène.
Au premier trimestre de son exercice fiscal 2027, clos le 26 avril 2026, NVIDIA a enregistré 81,6 milliards de dollars de chiffre d’affaires, en hausse de 85 % sur un an.
Mais le chiffre le plus révélateur concerne le Data Center : 75,2 milliards de dollars, soit une progression de 92 % sur un an. (NVIDIA)
Autrement dit, l’activité liée aux infrastructures de data centers représente désormais l’immense majorité du chiffre d’affaires de NVIDIA.
La transformation est spectaculaire.
L’entreprise qui était autrefois principalement associée aux cartes graphiques est devenue l’un des principaux fournisseurs mondiaux de l’infrastructure nécessaire à l’intelligence artificielle.
NVIDIA construit une plateforme plutôt qu’un produit
C’est probablement le point le plus important à retenir.
Avec Vera Rubin, NVIDIA ne cherche pas simplement à vendre une nouvelle génération de GPU.
L’entreprise propose une architecture comprenant :
GPU → CPU → mémoire → réseau → stockage → refroidissement → sécurité → logiciel → gestion du data center.
Cette intégration permet à NVIDIA de contrôler davantage de paramètres et de proposer aux clients une solution beaucoup plus proche d’un système complet.
C’est également la logique du DSX AI Factory, la plateforme de référence développée par NVIDIA pour concevoir et simuler des infrastructures IA complètes. Elle intègre notamment les aspects liés au calcul, au réseau, au stockage, au refroidissement et à l’énergie. (NVIDIA Newsroom)
NVIDIA va même jusqu’à utiliser des jumeaux numériques pour simuler le fonctionnement de ces infrastructures avant leur construction.
L’objectif est simple : réduire les erreurs, accélérer le déploiement et optimiser la consommation énergétique.
Une stratégie qui dépasse NVIDIA
Cette évolution n’est évidemment pas uniquement celle de NVIDIA.
Microsoft, Google, Amazon, Meta, OpenAI et les grands fournisseurs de cloud investissent eux aussi des dizaines de milliards de dollars dans leurs propres infrastructures.
Mais NVIDIA occupe une position particulière parce qu’elle se trouve au centre de cette chaîne.
Ses GPU alimentent les modèles.
Ses réseaux connectent les GPU.
Ses CPU complètent les systèmes.
Ses logiciels optimisent les calculs.
Et ses architectures permettent désormais de concevoir les data centers qui les accueillent.
Cette position explique en partie pourquoi l’entreprise est devenue un acteur aussi stratégique dans l’économie de l’intelligence artificielle.
Le prochain défi sera énergétique
La croissance de ces infrastructures pose néanmoins une question majeure.
Combien d’électricité faudra-t-il pour alimenter les futures AI factories ?
Plus les modèles deviennent autonomes, plus leur utilisation augmente. Un utilisateur qui pose une question à un chatbot consomme relativement peu de ressources. Mais un agent qui raisonne pendant plusieurs minutes, effectue des dizaines d’appels à différents modèles, exécute du code et vérifie son travail peut mobiliser beaucoup plus de calcul.
À grande échelle, cette différence devient considérable.
C’est pourquoi la prochaine bataille de l’IA ne se déroulera pas uniquement dans les laboratoires de recherche.
Elle se jouera également autour des centrales électriques, des réseaux, des systèmes de refroidissement et des terrains capables d’accueillir les nouveaux data centers.
L’IA devient une industrie physique.
De la carte graphique à l’usine à intelligence
Il y a donc une certaine ironie à regarder NVIDIA comme une simple entreprise de semi-conducteurs.
Son véritable projet est désormais beaucoup plus vaste.
NVIDIA veut fournir les briques permettant de construire les infrastructures qui produiront l’intelligence artificielle de demain.
Les GPU restent au cœur de cette stratégie, mais ils ne sont plus qu’une partie de l’équation.
La nouvelle unité de mesure n’est plus seulement le nombre de processeurs installés dans un data center. C’est la quantité d’intelligence qu’une infrastructure peut produire, à quel coût et avec quelle consommation énergétique.
C’est ce qui explique l’importance de Vera Rubin.
Et c’est probablement aussi ce qui annonce la prochaine étape de la révolution de l’IA : une compétition qui ne portera plus seulement sur le meilleur modèle, mais sur la capacité à construire les machines, les réseaux et les infrastructures capables de le faire fonctionner à l’échelle mondiale.
NVIDIA ne vend donc plus simplement des GPU.
Elle cherche à construire les usines dans lesquelles l’intelligence artificielle sera produite.
À propos de l’auteur
Adrien Hassler est le créateur d’AdrienTech, un média consacré à l’intelligence artificielle, aux nouvelles technologies, aux infrastructures numériques et à l’astronomie. À travers ses articles, il analyse les évolutions technologiques qui transforment progressivement notre quotidien et les infrastructures qui rendent ces innovations possibles.
