Amazon et Nvidia présentent leur alliance élargie comme le moyen le plus rapide de déployer l’IA en production à grande échelle, tandis que le programme de puces d’AWS lui-même souligne la tension stratégique sous-jacente à l’accord : Amazon veut davantage de capacité Nvidia dès maintenant sans renoncer à son indépendance à long terme.

Le partenariat progressait déjà rapidement. En mars, AWS avait annoncé qu’il déploierait plus d’un million de GPU Nvidia à partir de 2026. Cinq mois plus tard, la demande des start-up, des entreprises, des laboratoires d’IA et des gouvernements avait dépassé ce plan, poussant Amazon à commander deux millions supplémentaires de GPU Blackwell Ultra, Rubin et Rubin Ultra pour les centres de données AWS en 2027 et 2028.¹

Le directeur général de Nvidia, Jensen Huang, a présenté cette intensification comme la preuve que la course aux infrastructures d’IA n’est plus spéculative. « La demande dépasse toutes les prévisions », a-t-il déclaré, affirmant que la relation cloud de 16 ans entre les entreprises s’étend désormais aux « GPU, CPU, réseaux, modèles ouverts et logiciels ».²

Le directeur général d’AWS, Matt Garman, a présenté la même initiative comme une proposition de choix pour les clients plutôt que comme une stratégie de verrouillage. Les clients, a-t-il dit, veulent les meilleurs outils pour leurs charges de travail d’IA et la certitude qu’ils fonctionnent ensemble ; la collaboration élargie donne aux laboratoires, aux entreprises et aux gouvernements davantage de moyens de s’appuyer sur AWS.²

L’accord va bien au-delà des achats de puces. AWS prévoit d’intégrer les CPU Vera de Nvidia à son cloud, de proposer les modèles Nemotron de Nvidia via Bedrock et SageMaker, et d’adopter la pile robotique de Nvidia — notamment Jetson, Omniverse et Isaac — pour Amazon Robotics.¹

Pourtant, Amazon construit aussi un contrepoids. Ses puces Trainium rivalisent directement pour les charges de travail d’apprentissage profond, tandis que Graviton cible les processeurs de serveurs ; AWS a indiqué que son activité de puces personnalisées avait dépassé un rythme de revenus annualisé de 25 milliards de dollars. Le constat immédiat est clair : même une entreprise qui investit massivement dans des alternatives considère Nvidia comme indispensable tandis que la demande de capacité de calcul pour l’IA continue de s’accélérer.¹