La course à l’infrastructure IA franchit un nouveau palier : AWS prévoit d’ajouter 2 millions de GPU NVIDIA à son infrastructure mondiale entre 2027 et 2028. L’enjeu dépasse largement la simple capacité cloud, avec en toile de fond la montée en charge des usines IA, des modèles agentiques, de la robotique et des besoins souverains américains.
AWS NVIDIA change d’échelle sur le calcul IA
Amazon Web Services et NVIDIA étendent un partenariat vieux de 16 ans pour répondre à une demande qui dépasse désormais les prévisions initiales. Après avoir évoqué à la GTC 2026 l’ajout de plus d’un million de GPU NVIDIA à partir de 2026, AWS annonce maintenant 2 millions de GPU supplémentaires, répartis sur son infrastructure globale et ses AI factories en 2027-2028.
Le plan couvre des GPU NVIDIA Blackwell Ultra, Rubin et Rubin Ultra. AWS compte aussi étendre ses capacités Blackwell avec les NVIDIA RTX PRO 4500 Blackwell Server Edition dans les instances Amazon EC2 G7, que le groupe présente comme 4,6 fois plus rapides en inférence IA et 2,1 fois plus performantes en graphismes que les G6. AWS précise être le premier grand fournisseur cloud à proposer des instances basées sur les RTX PRO 4500.
Pour prendre la mesure de la stratégie côté infrastructure, on peut aussi regarder le partenariat OpenAI-Amazon autour de Trainium, qui éclaire la montée en puissance d’AWS sur l’IA à grande échelle.
Au-delà des GPU, les deux entreprises approfondissent leur travail commun sur les CPU, l’interconnexion, les modèles ouverts, le traitement de données et la robotique. NVIDIA Spectrum est également mis à contribution pour optimiser le réseau des grands clusters GPU destinés à l’entraînement massif.
CPU Vera, NVLink Fusion et mémoire NVHBM au programme
AWS confirme l’arrivée d’une infrastructure basée sur les NVIDIA Vera CPU. L’objectif est d’ajouter une option orientée charges agentiques, avec un accent mis sur les besoins en calcul CPU haute performance aux côtés des accélérateurs.
Trainium et GPU dans une même architecture
Le volet le plus technique concerne l’extension de NVLink Fusion. Après l’annonce à re:Invent 2025 du support de cette interconnexion rapide dans les prochaines puces Trainium, NVIDIA et Annapurna Labs veulent maintenant y associer la nouvelle mémoire NVHBM de NVIDIA, développée avec des fournisseurs de mémoire. L’idée est de donner à Trainium un accès à une mémoire plus rapide et plus efficiente, tout en intégrant de façon transparente Trainium et GPU dans une architecture commune à l’échelle du rack.
L’ensemble continuera de s’appuyer sur le AWS Nitro System et sur Elastic Fabric Adapter, y compris pour les instances EC2 à base de GPU NVIDIA et de Trainium exploitant NVLink Fusion. AWS met en avant la sécurité, la fiabilité et les performances réseau nécessaires aux déploiements IA de production.
Données, modèles ouverts et sécurité fédérale
Le partenariat s’étend aussi aux modèles ouverts. La famille NVIDIA Nemotron reste prise en charge sur Amazon Bedrock en mode serverless managé, ainsi que sur Amazon SageMaker pour les clients qui veulent déployer et affiner leurs modèles sur leur propre infrastructure.
Sur la partie data, AWS et NVIDIA annoncent une accélération du traitement GPU sur Amazon EMR via les instances EC2 G7 et la bibliothèque NVIDIA cuDF. AWS avance jusqu’à 3,7 fois plus de performances et un gain de 30 % en rapport performances/prix face à des configurations CPU. Pour l’indexation vectorielle dans Amazon OpenSearch Service, l’usage de cuVS et de GPU dédiés permettrait jusqu’à 9 fois plus de vitesse, pour un quart du coût, aussi bien sur clusters managés que sur Amazon OpenSearch Serverless.
Le dossier le plus sensible concerne le secteur public américain. AWS et NVIDIA prévoient de construire des AI factories pour le gouvernement des États-Unis, avec 100 000 GPU déployés sur une infrastructure sécurisée AWS pour les charges fédérales et de sécurité nationale, y compris pour des niveaux de classification Impact Level 6 (IL6) et au-delà.
Enfin, Amazon Robotics va accélérer ses travaux sur la robotique avec la plateforme d’IA physique de NVIDIA, en s’appuyant sur Jetson, Omniverse et Isaac. Les deux groupes citent la simulation, la génération de données synthétiques, l’entraînement de robots, l’optimisation de trajectoires, la sûreté fonctionnelle et la validation real-to-sim sur des instances EC2 accélérées par GPU.
Cette annonce montre surtout que la bataille de l’IA ne se joue plus seulement sur les modèles, mais sur la capacité à réserver des volumes industriels de calcul, de mémoire et de réseau plusieurs années à l’avance. Avec 2 millions de GPU de plus déjà fléchés, AWS sécurise sa place face à Microsoft Azure et Google Cloud, tandis que NVIDIA verrouille encore un peu plus sa position au cœur de l’infrastructure IA mondiale.
Source : NVIDIA
