Le 26 août 2026, AWS et NVIDIA ont annoncé deux millions de GPU supplémentaires d’ici 2028, l’arrivée des CPU Vera et de la mémoire NVHBM, ainsi que des usines d’IA fédérales à 100 000 GPU. Ce n’est plus un simple contrat de fourniture de silicium : AWS co-conçoit désormais l’interconnexion et la mémoire avec NVIDIA. Voici ce que cela change pour un ingénieur cloud.
Des chercheurs de l’université de Toronto ont démontré une attaque Rowhammer, GPUThor, qui contourne l’ECC des GPU NVIDIA Ampere pour déclencher un déni de service ou une élévation de privilèges jusqu’au root. Toute infrastructure qui partage des GPU ou exécute du CUDA non maîtrisé doit reconsidérer sa limite de confiance.
Le 5 août 2026, OpenCost s’associe à llm-d pour publier le premier suivi du coût d’inférence par token sur Kubernetes. La distinction entre coût d’allocation et coût d’usage met fin au calcul trompeur qui justifiait à tort l’auto-hébergement des LLM.
Les trois terminaux GPU dominants en 2026 offrent tous une expérience fluide et instantanée. La vraie différence n’est plus la vitesse brute, mais la philosophie : minimalisme assumé, tout-en-un intégré ou terminal programmable.
En avril 2026, Vultr annonce que son infrastructure GPU Nvidia coûte 50 à 90 % de moins que les offres équivalentes d’AWS, Google Cloud et Azure. Les startups et PME qui ne peuvent pas absorber les marges des hyperscalers ont désormais une alternative crédible — structurée autour d’agents IA et d’un positionnement prix transparent.
La version 1.36, livrée le 22 avril 2026, fait passer la Dynamic Resource Allocation en disponibilité générale. Le GPU n’est plus un entier binaire — il devient une ressource attribuable, partitionnable et planifiée par le scheduler selon les besoins réels des workloads.
