Pourquoi le monde ne peut pas echapper a NVIDIA : CUDA, Blackwell et le vrai verrou de l'IA

La question habituelle est quelle puce va le plus vite, mais la question de sortie de la chaine StudyZoom international change le cadre : meme si une puce plus rapide apparait, pourquoi le monde reste chez le meme fournisseur. La reponse tient moins au silicium poli qu'au reseau logiciel tisse autour de lui depuis vingt ans. Si la vitesse seule decidait, les rivaux a prix reduit auraient comble l'ecart depuis longtemps.

Le vrai fosse : CUDA, pas le silicium

Ne en 2006, CUDA est la couche de programmation parallele qui a transforme les processeurs graphiques en plateforme de calcul generale. Sans ses bibliotheques pretes, ses outils de debogage et son logiciel capable de reunir des milliers de puces dans un seul entrainement, les grands modeles modernes seraient difficiles a entrainer. Selon Thenextweb, la force reside moins dans les puces que dans plus de 7 000 applications et bibliotheques que les developpeurs appellent chaque jour.

Cette accumulation cree un cout de changement . Quand un pipeline d'inference, des traitements de donnees et des noyaux sur mesure sont ecrits pour CUDA, passer a une carte rivale n'est pas un simple echange de materiel ; il faut porter le code, le revalider et retrouver la performance. Meme des documents internes d'Amazon decrivent ce fardeau comme un frein a ses propres puces. Tant que le code tourne et rapporte, personne ne prend ce risque a la legere.

L'echelle Blackwell et les chiffres des centres de donnees

L'echelle materielle monte vite : de Hopper a la famille Blackwell , puis Blackwell Ultra et la generation Vera Rubin attendue dans l'annee, un rythme annuel difficile a suivre. Le fait de gagner tous les tests MLPerf en entrainement comme seule plateforme presente partout conforte ce recit par des mesures independantes. La these du volant presentee dans le support Nvidia Investor Relations dit la meme chose : plus de developpeurs, plus de modeles optimises, plus d'installations cloud, puis plus de demande des entreprises.

Les chiffres nourrissent cette boucle. Selon SiliconAnalysts, la societe gardait environ 80 pour cent du marche des accelerateurs IA en 2026 avec un revenu des centres de donnees proche de 194 milliards de dollars. Yahoo Finance rapporte un trimestre recent avec un revenu des centres de donnees en hausse de 117 pour cent sur un an a 89 milliards de dollars, avec la demande Blackwell Ultra et une marge brute de 75 pour cent. Le bond de 98 pour cent du reseau sur Spectrum-X Ethernet et NVLink montre que c'est toute l'usine qui se vend, pas seulement la puce.

Les rivaux a la porte : AMD, TPU et silicium sur mesure

La concurrence est reelle. Le commentaire porte par Theglobeandmail met en avant AMD avec les Instinct MI450 en CDNA 5 pour 2026 et un pacte pluriannuel avec OpenAI : un premier deploiement d'un gigawatt et un plan de 6 gigawatts sur AMD. Les TPU de Google, Trainium et Inferentia d'Amazon, MAIA de Microsoft et MTIA de Meta font tourner des charges choisies a moindre cout. Avec un bassin d'accelerateurs attendu au-dela de 500 milliards de dollars en 2028, ces options grandissent vite.

Le dossier cout pese surtout en inference . Si l'entrainement est un chantier unique et geant, l'inference est le loyer paye chaque jour, et les acheteurs changent plus volontiers de puce pour le reduire. Selon BusinessInsider, des piles d'inference recentes utilisent des couches ouvertes qui facilitent le passage entre puces. C'est un jeu different du monde de l'entrainement ou CUDA est le plus fort, et le premier vrai test du pouvoir de prix de Nvidia.

Les agents effacent-ils le mur ou le deplacent

L'idee la plus marquante de l'annee est que les agents de code IA combleraient seuls l'ecart logiciel. L'equipe Infinity de l'ancien chercheur Google Brain Jeremy Nixon dit avoir reconstruit un logiciel proche de CUDA pour la jeune pousse D-Matrix en environ 10 heures avec des agents. Cela ressemble a la chute du mur, mais la seconde phrase compte davantage : le code genere doit encore etre verifie, regle et tenu en charge de production.

La reponse du responsable ecosysteme developpeurs de Nvidia, Ankit Patel, vise ce point : les developpeurs utilisent les bibliotheques CUDA plus intensement chaque annee, et la societe elle-meme construit CUDA plus vite avec des agents et valide a plus grande echelle. Pour l'entrepreneur Bing Xu, dont la precedente societe fut rachetee par Nvidia, la profondeur des outils de verification peut devenir le prochain fosse. Les agents erodent donc la premiere tranchee tout en creusant la seconde. Avec les programmes souverains et des nouveaux clouds en route vers 8 gigawatts, la demande totale grandit et la lutte n'est pas encore a somme nulle.