Avec la croissance continue de la demande en puissance de calcul pour l’IA, la concurrence entre les entreprises de cloud évolue : on passe de « qui possède le plus de GPU » à « qui est capable de contrôler l’ensemble de la pile technologique, du matériel au logiciel ». Alors que la location de puissance de calcul « brute » devient de plus en plus difficile à dissocier de la guerre des prix, une question plus décisive apparaît : la valeur de l’infrastructure IA dépend-elle du GPU lui-même, ou plutôt de la couche logicielle qui orchestre, met en place et optimise l’efficacité d’exécution des GPU ?

Nscale a acquis Anyscale pour environ 1,65 milliard de dollars, Nebius a acquis Eigen AI, CoreWeave a acquis Weights & Biases, et IREN a acquis Mirantis, etc. Cinq acquisitions qui pointent vers la même tendance : de nouvelles entreprises « cloud » disposant de GPU, d’électricité et de centres de données s’étendent collectivement vers les couches MLOps et d’orchestration de l’IA.

Ce que la société New Cloud achète ne se limite pas à un ensemble de logiciels ou à un lot de clients : c’est une capacité qui fait passer du modèle « facturation à l’heure de GPU » au modèle « compétition selon les résultats de la tâche ». Le système de planification détermine combien d’heures de GPU une tâche doit consommer, et il influence aussi l’utilisation de la puissance, le coût client et la marge de la plateforme. En maîtrisant les deux couches — logiciels et matériel — les fabricants peuvent à la fois optimiser en synergie et, grâce à une intégration système plus profonde, augmenter le coût de migration des clients. Ainsi, les gains d’efficacité restent à l’intérieur de la plateforme.

Dans le même temps, l’intégration se produit aussi en sens inverse. Lightning AI s’est rapprochée du fournisseur de GPU Voltage Park, et des plateformes d’inférence comme Fireworks, Modal ou Baseten construisent ou contrôlent aussi, à des degrés divers, la puissance de calcul sous-jacente. Les sociétés d’infrastructure rachètent des logiciels, les plateformes d’inférence s’étendent vers le matériel : elles se dirigent toutes deux, depuis des directions opposées, vers le même objectif final — contrôler à la fois les actifs de calcul et les logiciels d’orchestration.

Cela signifie que la prochaine phase de la concurrence de New Cloud ne consiste plus seulement à accumuler des GPU, à négocier des contrats d’électricité et à accélérer les livraisons, mais à obtenir le contrôle de l’ensemble des charges de travail IA. La vraie barrière pourrait venir de qui saura intégrer au mieux les puces, les clusters, la planification et les services d’inférence en un système plus efficace et plus difficile à quitter. Toutefois, même si les deux trajectoires mènent au même point final, leur structure de coûts est radicalement différente : New Cloud peut compléter la partie logicielle par des acquisitions, tandis que les plateformes d’inférence, si elles veulent construire les infrastructures en aval, doivent assumer des dépenses d’investissement bien plus lourdes. Cela laisse aussi une question clé pour la deuxième partie : lorsque toutes les entreprises veulent contrôler la pile technologique complète, qui trouvera des financements suffisamment bon marché pour soutenir cette expansion ?