Les résultats trimestriels records de Nvidia montrent que la demande en IA reste en forte hausse, tandis que la course à l’infrastructure s’étend aux CPU, au réseau, à la robotique et à l’edge computing.

28 août 2026

Note de la rédaction : Bienvenue dans Prompt, notre briefing hebdomadaire sur l’évolution du paysage de l’IA. Nous proposons une analyse des principaux développements de la semaine, accompagnée d’une sélection des informations les plus importantes.

Pendant des années, la course à l’infrastructure IA a été définie en grande partie par une seule chose : les GPU.

Les derniers résultats de Nvidia suggèrent que cette course ne ralentit pas. Elle s’élargit.

Le fabricant de puces pour l’IA a annoncé cette semaine un chiffre d’affaires trimestriel de 96,2 milliards de dollars, soit plus du double de celui généré un an plus tôt. Le chiffre d’affaires des centres de données a atteint 89 milliards de dollars, en hausse de 117 % sur un an, alors que la demande en infrastructure de calcul pour l’IA continuait de progresser.

Mais les chiffres ne sont peut-être pas l’élément le plus important du trimestre de Nvidia.

Dans le même temps, l’entreprise a annoncé des résultats records. Nvidia a renforcé son partenariat avec AWS, ce qui ajoutera 2 millions de GPU Nvidia supplémentaires à l’infrastructure mondiale du fournisseur cloud. Cette collaboration s’étend aussi au-delà des GPU, aux CPU, au réseau, aux modèles ouverts, à l’infrastructure IA gouvernementale et à la robotique.

Related: Z.AI's Use of Chinese Chips for New Model is About Optimization

Nvidia mène également une offensive similaire en périphérie. L’entreprise a dévoilé cette semaine sa plateforme Jetson Orin Nano 2, conçue pour exécuter l’IA dans des robots, des drones et des systèmes de vision, alors que Nvidia cherche à tirer parti de l’intérêt croissant pour l’IA physique. Contrairement aux GPU de centres de données, ces systèmes compacts exécutent les modèles directement sur l’appareil, ce qui est important pour les applications où la réactivité est essentielle ou lorsque la connectivité cloud ne peut pas être supposée.

Pris ensemble, ces զարգements montrent un marché de l’infrastructure IA qui ne se contente pas de continuer à se développer, mais qui devient aussi beaucoup plus vaste.

L’entraînement de grands modèles a été à l’origine d’une grande partie de la première vague d’investissement dans l’infrastructure. Désormais, l’IA agentique, l’inférence, la robotique et d’autres charges de travail émergentes créent de nouveaux besoins en infrastructure de calcul dans le cloud, les centres de données et, de plus en plus, en périphérie.

Cette expansion complique également les décisions d’infrastructure des entreprises. Les DSI ne choisissent plus seulement la quantité de capacité GPU nécessaire. Ils évaluent différents puces, architectures cloud, besoins réseau et infrastructures de plus en plus spécialisées selon l’endroit et la manière dont l’IA sera exécutée.

La contrainte ne se limite pas aux puces. La disponibilité électrique et la capacité du réseau sont devenues des considérations de premier ordre pour les nouveaux centres de données IA, et les plus grands déploiements du secteur sont désormais planifiés autant autour de l’énergie que des puces — un changement qui étend la planification de l’infrastructure bien au-delà du centre de données lui-même, vers les services publics, les terrains et les raccordements au réseau à long délai.

Des signes indiquent également que Nvidia ne dominera pas seule le marché. Le fournisseur chinois d’IA Z.ai a déclaré cette semaine qu’il avait utilisé 100 000 puces produites localement pour traiter les requêtes de son dernier modèle, ce qui montre que les entreprises cherchent à réduire leur dépendance à Nvidia et à optimiser les charges de travail d’IA sur différents matériels.

Pour l’instant, toutefois, le dernier trimestre de Nvidia envoie un signal clair : l’essor de l’infrastructure IA n’approche pas de sa fin. Il entre dans sa prochaine phase.

Autres informations dans l’actualité IA cette semaine :

OpenAI Report Explains Hugging Face Attack in Detail : L’enquête du laboratoire d’IA sur la faille de sécurité de Hugging Face révèle comment des centaines d’agents d’IA ont quitté leur environnement de test, collaboré via des canaux non autorisés et finalement attaqué la plateforme.

Related: Qwen 3.8 Flash-Next is Cheap, But There Are Complicating Factors

Meta Pays $18B to Settle US Child Safety Lawsuit : L’entreprise de réseaux sociaux a accepté de payer 18 milliards de dollars pour régler un procès américain lié à la sécurité des enfants et s’est engagée à renforcer la protection des jeunes utilisateurs sur Facebook et Instagram.

China's Humanoid Edge Is Hardware, Not AI : L’avantage de la Chine en robotique semble tenir moins à l’IA qu’à sa capacité à fabriquer des composants matériels essentiels tels que des moteurs, des réducteurs et des aimants.

OpenAI Moves Energy Planning Inside Data Center Organization : OpenAI intègre la planification énergétique directement dans son organisation dédiée aux centres de données, alors que la disponibilité de l’électricité devient de plus en plus liée à sa vaste expansion d’infrastructure IA.

Apple Debuts PCs, Chips Dedicated to AI Workloads : Le géant de la technologie grand public avance de manière mesurée dans le domaine de l’IA.

In Catch-up Mode, Google Intros AI Agents for Financial, Legal Services : Google a lancé de nouveaux agents d’IA pour les services financiers et juridiques, signalant un engagement plus profond dans l’IA agentique sectorielle alors qu’il tente de rattraper ses concurrents.

XPeng’s Robotics Unit Valued at $6.3B After Investment : L’unité robotique du constructeur chinois de véhicules électriques a atteint une valorisation de 6,3 milliards de dollars après un nouveau tour de financement, soulignant l’intérêt croissant des investisseurs pour le marché chinois de la robotique humanoïde en forte expansion.

Related: Cost Challenges With Perplexity Portable Computer

Lancium, Nvidia Partner on Gigawatt-Scale AI Data Centers : Les entreprises collaborent sur des centres de données IA à l’échelle du gigawatt, mettant en lumière la manière dont les développeurs repensent l’infrastructure électrique et réseau pour répondre à la forte croissance de la demande de calcul IA.