Mais pourquoi un nouveau CPU ? Et pourquoi spécifiquement pour les agents IA ?
Lors de récentes discussions sur les résultats de l’entreprise, Jensen Huang a expliqué que Vera ouvre un « tout nouveau marché de 200 milliards de dollars » pour Nvidia.
Historiquement, Nvidia règne sur les GPU utilisés pour l’entraînement et l’inférence des modèles d’IA, tandis que les CPU de serveurs proviennent surtout d’acteurs comme Intel et AMD.
Avec Vera, Nvidia tente désormais de s’emparer aussi de cette couche CPU du centre de données.
Cette stratégie s’inscrit dans la vision de Nvidia d’« AI factories » — de grands centres de données conçus pour produire des résultats d’IA à grande échelle. Dans ces systèmes, les GPU effectuent les calculs massifs, mais les CPU coordonnent l’environnement logiciel, les données et les workflows.
Il faut toutefois préciser que le chiffre de 200 milliards de dollars est une estimation stratégique avancée par Nvidia, et non une prévision indépendante du marché.
Les CPU traditionnels du cloud ont été conçus pour des tâches comme :
Mais les agents IA fonctionnent différemment.
Au lieu de simplement répondre à une requête, ils réalisent souvent plusieurs étapes :
Ces opérations se déroulent en dehors du réseau neuronal lui‑même, mais doivent être extrêmement rapides pour que les GPU ne restent jamais inactifs.
Le CPU Vera est précisément conçu pour cette couche d’orchestration. Nvidia explique qu’il est optimisé pour l’apprentissage par renforcement et les environnements d’IA agentique, avec environ deux fois plus d’efficacité et jusqu’à 50 % de performances supplémentaires dans certains scénarios par rapport aux CPU de serveurs traditionnels.
Sur le plan technique, Vera intègre 88 cœurs CPU personnalisés compatibles Arm, appelés « Olympus », avec une bande passante mémoire élevée pour les systèmes IA de grande taille.
Le CPU Vera n’est pas conçu pour remplacer les GPU — il est destiné à travailler étroitement avec eux.
Dans la plateforme Vera Rubin de Nvidia, plusieurs types de puces sont intégrés dans un système de centre de données unifié :
L’ensemble forme une architecture complète destinée aux services d’IA à grande échelle.
Un exemple emblématique est le rack Vera Rubin NVL72, qui regroupe :
connectés via le réseau haute vitesse NVLink.
Dans ce système, le CPU agit comme le centre de contrôle :
Son rôle est essentiel pour maintenir les GPU constamment alimentés en calcul, ce qui maximise l’utilisation de ces accélérateurs très coûteux.
L’argument de Nvidia repose sur un changement majeur dans la manière dont l’IA fonctionne.
Les premiers systèmes d’IA générative se contentaient surtout de recevoir un prompt et produire une réponse.
Les agents IA, eux, effectuent des processus multi‑étapes et des actions complexes. Cela multiplie les interactions avec les modèles, les bases de données et les outils.
Selon certains analystes, les besoins de calcul pour l’IA agentique pourraient être des ordres de grandeur supérieurs à ceux des premières applications d’IA générative, car un agent peut appeler des modèles et des services plusieurs fois pour accomplir une seule tâche.
Dans ce contexte, les CPU deviennent en quelque sorte le « plan de contrôle » de l’infrastructure IA : ils planifient les tâches, gèrent les entrées/sorties, exécutent du code et coordonnent des milliers d’opérations GPU.
Si des milliards d’agents IA fonctionnent en continu dans le cloud, cette couche CPU pourrait représenter une part majeure de l’infrastructure mondiale de l’IA.
L’arrivée de Vera marque aussi l’entrée plus directe de Nvidia sur le marché des CPU de serveurs.
Jusqu’ici :
La stratégie de Nvidia est différente : au lieu de vendre uniquement des composants, l’entreprise veut proposer des systèmes IA complets et intégrés.
L’architecture Vera Rubin en est un exemple. Nvidia co‑conçoit CPU, GPU, réseau et logiciels pour former une plateforme unique optimisée pour l’IA.
L’entreprise affirme que cette intégration permet de réduire le coût par token et d’améliorer les performances des services d’IA à grande échelle.
Cependant, l’issue de cette bataille reste incertaine. Les grands fournisseurs de cloud ont tout intérêt à développer leurs propres puces afin de réduire leur dépendance à Nvidia.
Le pari de Nvidia est que son écosystème intégré — combinant GPU, CPU, réseau et logiciels — sera difficile à reproduire rapidement.
Le lancement de Vera illustre une évolution plus large de l’entreprise.
Nvidia ne se présente plus seulement comme un fabricant de GPU. Elle se positionne désormais comme un fournisseur complet d’infrastructure IA, allant des puces jusqu’aux systèmes de centres de données entiers.
Si la vision de Jensen Huang — celle d’un monde rempli d’agents autonomes — se réalise, des processeurs comme Vera pourraient devenir un pilier central de cette nouvelle économie de l’IA.
Mais pourquoi un nouveau CPU ? Et pourquoi spécifiquement pour les agents IA ?
Lors de récentes discussions sur les résultats de l’entreprise, Jensen Huang a expliqué que Vera ouvre un « tout nouveau marché de 200 milliards de dollars » pour Nvidia.
Historiquement, Nvidia règne sur les GPU utilisés pour l’entraînement et l’inférence des modèles d’IA, tandis que les CPU de serveurs proviennent surtout d’acteurs comme Intel et AMD.
Avec Vera, Nvidia tente désormais de s’emparer aussi de cette couche CPU du centre de données.
Cette stratégie s’inscrit dans la vision de Nvidia d’« AI factories » — de grands centres de données conçus pour produire des résultats d’IA à grande échelle. Dans ces systèmes, les GPU effectuent les calculs massifs, mais les CPU coordonnent l’environnement logiciel, les données et les workflows.
Il faut toutefois préciser que le chiffre de 200 milliards de dollars est une estimation stratégique avancée par Nvidia, et non une prévision indépendante du marché.
Les CPU traditionnels du cloud ont été conçus pour des tâches comme :
Mais les agents IA fonctionnent différemment.
Au lieu de simplement répondre à une requête, ils réalisent souvent plusieurs étapes :
Ces opérations se déroulent en dehors du réseau neuronal lui‑même, mais doivent être extrêmement rapides pour que les GPU ne restent jamais inactifs.
Le CPU Vera est précisément conçu pour cette couche d’orchestration. Nvidia explique qu’il est optimisé pour l’apprentissage par renforcement et les environnements d’IA agentique, avec environ deux fois plus d’efficacité et jusqu’à 50 % de performances supplémentaires dans certains scénarios par rapport aux CPU de serveurs traditionnels.
Sur le plan technique, Vera intègre 88 cœurs CPU personnalisés compatibles Arm, appelés « Olympus », avec une bande passante mémoire élevée pour les systèmes IA de grande taille.
Le CPU Vera n’est pas conçu pour remplacer les GPU — il est destiné à travailler étroitement avec eux.
Dans la plateforme Vera Rubin de Nvidia, plusieurs types de puces sont intégrés dans un système de centre de données unifié :
L’ensemble forme une architecture complète destinée aux services d’IA à grande échelle.
Un exemple emblématique est le rack Vera Rubin NVL72, qui regroupe :
connectés via le réseau haute vitesse NVLink.
Dans ce système, le CPU agit comme le centre de contrôle :
Son rôle est essentiel pour maintenir les GPU constamment alimentés en calcul, ce qui maximise l’utilisation de ces accélérateurs très coûteux.
L’argument de Nvidia repose sur un changement majeur dans la manière dont l’IA fonctionne.
Les premiers systèmes d’IA générative se contentaient surtout de recevoir un prompt et produire une réponse.
Les agents IA, eux, effectuent des processus multi‑étapes et des actions complexes. Cela multiplie les interactions avec les modèles, les bases de données et les outils.
Selon certains analystes, les besoins de calcul pour l’IA agentique pourraient être des ordres de grandeur supérieurs à ceux des premières applications d’IA générative, car un agent peut appeler des modèles et des services plusieurs fois pour accomplir une seule tâche.
Dans ce contexte, les CPU deviennent en quelque sorte le « plan de contrôle » de l’infrastructure IA : ils planifient les tâches, gèrent les entrées/sorties, exécutent du code et coordonnent des milliers d’opérations GPU.
Si des milliards d’agents IA fonctionnent en continu dans le cloud, cette couche CPU pourrait représenter une part majeure de l’infrastructure mondiale de l’IA.
L’arrivée de Vera marque aussi l’entrée plus directe de Nvidia sur le marché des CPU de serveurs.
Jusqu’ici :
La stratégie de Nvidia est différente : au lieu de vendre uniquement des composants, l’entreprise veut proposer des systèmes IA complets et intégrés.
L’architecture Vera Rubin en est un exemple. Nvidia co‑conçoit CPU, GPU, réseau et logiciels pour former une plateforme unique optimisée pour l’IA.
L’entreprise affirme que cette intégration permet de réduire le coût par token et d’améliorer les performances des services d’IA à grande échelle.
Cependant, l’issue de cette bataille reste incertaine. Les grands fournisseurs de cloud ont tout intérêt à développer leurs propres puces afin de réduire leur dépendance à Nvidia.
Le pari de Nvidia est que son écosystème intégré — combinant GPU, CPU, réseau et logiciels — sera difficile à reproduire rapidement.
Le lancement de Vera illustre une évolution plus large de l’entreprise.
Nvidia ne se présente plus seulement comme un fabricant de GPU. Elle se positionne désormais comme un fournisseur complet d’infrastructure IA, allant des puces jusqu’aux systèmes de centres de données entiers.
Si la vision de Jensen Huang — celle d’un monde rempli d’agents autonomes — se réalise, des processeurs comme Vera pourraient devenir un pilier central de cette nouvelle économie de l’IA.