AWS et NVIDIA déploieront deux millions de GPU supplémentaires et étendent le partenariat aux CPU Vera et à la robotique

18 mars 2026. À GTC 2026, AWS annonce l’ajout de plus d’un million de GPU NVIDIA à partir de 2026. 26 août 2026. Les deux groupes doublent la mise : deux millions de GPU supplémentaires à déployer en 2027-2028. Jensen Huang résume le mouvement d’une phrase : « la demande dépasse toutes les prévisions ». Résultat : le partenariat qui se limitait à des cartes s’étend désormais aux CPU, à la mémoire, au réseau et à la robotique.

Deux millions de GPU, et une demande qui court plus vite que les prévisions

Le chiffre central est massif. AWS prévoit de déployer 2 millions de GPU NVIDIA supplémentaires — Blackwell Ultra, Rubin et Rubin Ultra — à travers son infrastructure mondiale en 2027-2028. Cette capacité vient s’ajouter au million de GPU déjà annoncé à GTC 2026, que la demande réelle a dépassé avant même son déploiement complet.

Pour un opérateur, la question n’est plus « aurons-nous des GPU ? » mais « combien, et pour quel profil de charge ? ». La réponse d’AWS élargit aussi l’offre d’instances accélérées : le fournisseur étend la capacité Blackwell, notamment via les RTX PRO 4500 Blackwell Server Edition pour les instances Amazon EC2 G7, dont il est le premier grand cloud à proposer des instances accélérées. Les G7 affichent 4,6× les performances d’inférence et 2,1× les performances graphiques de la génération G6 précédente.

L’enjeu n’est plus seulement la quantité. C’est la vitesse à laquelle une charge passe du pilote à la production. Quand un lab frontalier, une entreprise ou un gouvernement doit monter en échelle, l’attente d’une tranche de GPU est un coût d’opportunité réel.

Vera : le CPU entre dans le partenariat

Historiquement, le partenariat AWS-NVIDIA concernait les accélérateurs. L’annonce du 26 août change la nature du contrat en faisant entrer le CPU NVIDIA Vera dans l’offre AWS.

Vera est le processeur que NVIDIA conçoit pour la prochaine génération de calcul IA. Le brancher sur AWS ne vise pas à remplacer les Graviton ni les instances Intel/AMD : il ajoute une option supplémentaire pour les charges « agentiques » qui exigent un CPU haute performance à côté des accélérateurs. Matt Garman, CEO d’AWS, formule l’intention sans détour : offrir « le choix le plus large de calcul », du silicium maison aux derniers accélérateurs et CPU des partenaires.

C’est un signal stratégique fort. Un fournisseur cloud qui accepte de co-commercialiser le CPU d’un partenaire — en plus de son propre silicium — admet que la guerre de l’IA se gagne sur la composition de la pile, pas sur un composant isolé.

NVLink Fusion et NVHBM : la mémoire sur mesure

La partie la plus technique de l’annonce concerne l’interconnexion et la mémoire. À re:Invent 2025, AWS avait annoncé le support de NVLink Fusion, l’interconnect haut débit de NVIDIA, dans ses prochaines puces Trainium. L’extension d’août va plus loin : Annapurna Labs, la filiale silicium d’Amazon, travaillera directement avec la mémoire haute bande passante sur mesure de NVIDIA — la NVHBM — en partenariat avec les fabricants de mémoire.

Concrètement, cela donne aux puces Trainium un accès à une mémoire plus rapide et plus économe en énergie, et la possibilité d’intégrer Trainium et les GPU NVIDIA dans une architecture commune à l’échelle du rack. Pour un ingénieur cloud, la conséquence est directe : la frontière entre silicium maison (Trainium) et silicium partenaire (NVIDIA) devient poreuse. Un même cluster pourra mélanger les deux sans changer de modèle d’exploitation.

L’IA fédérale à 100 000 GPU

L’annonce comporte un volet souverain. AWS et NVIDIA prévoient de construire des usines d’IA pour le gouvernement américain, avec un objectif de 100 000 GPU sur l’infrastructure sécurisée d’AWS, pour des charges classées Impact Level 6 (IL6) et au-delà.

C’est la première fois qu’un accord public de cette ampleur place un cloud commercial au centre de l’IA de défense et de sécurité nationale. Le message est double : d’une part, les agences fédérales ne construiront pas seules leur capacité d’entraînement ; d’autre part, la conformité aux niveaux de classification devient un différenciateur commercial à part entière.

Nemotron, cuDF, cuVS : la pile logicielle ouverte s’installe

Au-delà du matériel, l’accord consolide la présence des modèles ouverts Nemotron de NVIDIA sur Amazon Bedrock (serverless géré) et Amazon SageMaker (fine-tuning auto-hébergé). L’objectif affiché est le « choix de modèles le plus large ».

Deux chiffres donnent la mesure de l’accélération logicielle. Sur Amazon EMR, le traitement de données accéléré par cuDF sur des instances G7 atteint 3,7× la vitesse avec 30 % de meilleur rapport prix/performance face à des configurations CPU. Sur Amazon OpenSearch Service, l’indexation vectorielle accélérée par cuVS décharge la construction des index sur des GPU dédiés : 9× plus rapide pour un quart du coût.

Ces gains ne sont pas cosmétiques. Les pipelines RAG et la recherche sémantique butent précisément sur l’indexation vectorielle à plusieurs milliards d’enregistrements. La rendre 9× plus rapide change le point d’équilibre économique de ces architectures.

La robotique physique entre dans le cloud

Le volet le moins attendu est la robotique. Amazon Robotics adopte la plateforme d’IA physique de NVIDIA — Jetson, Omniverse, Isaac — pour accélérer l’automatisation d’entrepôts et la prochaine génération de robots. La collaboration couvre la simulation, la génération de données synthétiques, l’entraînement, l’optimisation d’itinéraires, la sécurité fonctionnelle et la validation « réel-à-simulation », le tout sur des instances EC2 accélérées par GPU.

C’est un indice fort de la convergence entre le cloud et l’IA physique. Le même fournisseur qui héberge vos modèles entraîne aussi les robots qui déplacent vos colis. La charge de travail « robotique » devient une charge cloud comme une autre, avec les mêmes exigences de simulation massive et de validation continue.

Ce que cela change pour un ingénieur cloud

L’accord ne change pas votre vie demain matin. Il change ce que vous pouvez planifier à 18-24 mois.

Premièrement, la capacité : deux millions de GPU supplémentaires, c’est une assurance contre la pénurie, mais pas un stock immédiat. Si votre feuille de route d’inférence ou d’entraînement dépend d’une tranche précise de Blackwell Ultra ou de Rubin, réservez-la dès que les instances sont annoncées, pas à la mise en production.

Deuxièmement, le choix de silicium : avec Vera, Trainium et les GPU NVIDIA sur un même interconnexion via NVLink Fusion, la question n’est plus « quelle plateforme ? » mais « quel mix pour quel coût ? ». Suivez les benchmarks croisés de Trainium contre Blackwell sur vos propres charges avant de trancher.

Troisièmement, la souveraineté : le volet fédéral à 100 000 GPU signale que la conformité (IL6+, zones dédiées, chiffrement) devient un produit. Si vous opérez dans un secteur régulé, ce segment va fixer les standards.

Verdict

Si vous entraînez ou servez des modèles sur AWS, ce partenariat est une bonne nouvelle de moyen terme : plus de capacité, plus de choix de silicium et une interconnexion unifiée. Commencez dès maintenant à comparer Trainium et Blackwell sur vos charges réelles — c’est la seule façon de convertir l’annonce en économie.

Si vous êtes un fournisseur ou un client souverain, lisez le volet fédéral comme un marqueur stratégique. L’IA classifiée ne s’achètera plus en matériel isolé : elle se consommera comme un service cloud certifié, avec NVIDIA et AWS en position de référence.

Références

• AWS and NVIDIA to Deliver 2 Million Additional GPUs and Next-Generation Infrastructure for Agentic and Physical AI — NVIDIA Newsroom, 26 août 2026
• AWS and NVIDIA expand partnership for next-gen AI infrastructure — About Amazon, 26 août 2026
• AWS and NVIDIA deepen strategic collaboration at GTC 2026 — AWS Machine Learning Blog