Dans les systèmes d’IA traditionnels, les GPU effectuaient l’essentiel du travail de calcul (comme l’entraînement des modèles), tandis que les CPU géraient les tâches serveur classiques.
L’essor de l’IA agentique — des systèmes capables de planifier, appeler des outils, exécuter du code et orchestrer des workflows complexes — modifie cet équilibre.
Dans ce type d’architecture, le CPU devient en quelque sorte le chef d’orchestre du pipeline IA.
Vera est conçu pour gérer notamment :
Nvidia présente Vera comme un processeur hôte spécialement conçu pour les environnements d’apprentissage par renforcement et d’IA agentique, où une grande partie du travail se déroule en dehors du modèle lui‑même.
Aujourd’hui, la plupart des serveurs reposent sur des processeurs généralistes comme Intel Xeon ou AMD EPYC. Ces puces sont conçues pour prendre en charge un large éventail de charges de travail d’entreprise.
Vera adopte une approche différente.
Au lieu d’être un moteur de calcul autonome, Vera agit comme la couche de contrôle des clusters accélérés par GPU.
Son architecture vise à alimenter efficacement les GPU en données, gérer les flux mémoire et superviser l’environnement logiciel autour des modèles d’IA.
Vera repose sur une architecture Arm avec 88 cœurs, privilégiant l’efficacité énergétique et une bande passante élevée par cœur — deux caractéristiques cruciales pour les systèmes massivement parallèles.
Les processeurs Arm gagnent d’ailleurs du terrain dans les centres de données hyperscale, notamment grâce à leur bon rapport performance‑par‑watt.
Selon Nvidia, Vera pourrait offrir jusqu’à 50 % de performances supplémentaires et deux fois plus d’efficacité par rapport aux infrastructures CPU traditionnelles dans les environnements IA.
Ces gains proviennent en grande partie d’une conception spécifiquement optimisée pour fonctionner au sein des plateformes d’informatique accélérée de Nvidia.
Le Vera CPU n’est pas conçu pour fonctionner seul. Il fait partie de la future plateforme Vera Rubin de Nvidia, qui associe le CPU Vera aux GPU de nouvelle génération Rubin.
Cette plateforme vise des charges de travail très exigeantes, notamment :
En intégrant étroitement CPU, GPU, réseau et mémoire, Nvidia cherche à éliminer les goulets d’étranglement dans les communications et à augmenter le nombre de tokens générés par watt lors de l’inférence.
Cette approche « full‑stack » est devenue centrale dans la stratégie de l’entreprise.
Pendant longtemps, Nvidia dominait surtout le marché des accélérateurs GPU pour l’IA. Désormais, la société tente d’étendre son contrôle à l’ensemble de l’architecture informatique.
Son écosystème inclut progressivement :
L’objectif est de vendre des plateformes complètes d’infrastructure IA, plutôt que des puces individuelles.
Si cette stratégie réussit, elle pourrait modifier l’équilibre historique des centres de données, où les CPU d’Intel et d’AMD occupaient traditionnellement la position dominante.
Les grands fournisseurs de cloud — souvent appelés hyperscalers — sont essentiels à cette stratégie.
Par exemple, les futures super‑usines d’IA Fairwater de Microsoft devraient utiliser des systèmes rack‑scale basés sur la plateforme Vera Rubin et pourraient déployer des centaines de milliers de ces puces dans de vastes clusters.
D’autres acteurs majeurs du cloud construisent également des infrastructures similaires pour l’entraînement et l’inférence à grande échelle.
Ces environnements sont parfois décrits comme des « AI factories », des centres de données optimisés pour produire de l’intelligence artificielle à grande échelle.
L’offensive de Nvidia sur les CPU intervient dans une période de croissance spectaculaire.
La société a annoncé 81,6 milliards de dollars de chiffre d’affaires pour le premier trimestre de l’exercice fiscal 2027, soit une hausse de 85 % sur un an. Les revenus des centres de données ont atteint 75,2 milliards de dollars.
Nvidia prévoit également environ 91 milliards de dollars de revenus pour le trimestre suivant, ce qui reflète une demande toujours très forte pour les infrastructures d’IA.
À plus long terme, la direction estime que les commandes cumulées pour les plateformes Blackwell et Vera Rubin pourraient atteindre 1 000 milliards de dollars dans les prochaines années.
L’enjeu principal du CPU Vera dépasse la simple performance.
Historiquement, le socket CPU des serveurs était dominé par Intel et AMD. En introduisant un processeur étroitement intégré à ses plateformes GPU, Nvidia tente désormais de capturer une part beaucoup plus large du budget matériel des centres de données.
Si les hyperscalers adoptent largement cette architecture, l’infrastructure IA pourrait évoluer vers des systèmes plus intégrés verticalement, centrés sur les GPU et optimisés pour les charges de travail d’IA.
Il reste néanmoins une incertitude importante : les 200 milliards de dollars représentent une estimation du marché potentiel par Nvidia, et non un résultat assuré. L’adoption dépendra notamment de l’acceptation des serveurs Arm, de la capacité de production et de la volonté des opérateurs cloud de s’éloigner des architectures x86 existantes.
Une chose est claire : dans l’ère de l’IA agentique, le CPU — longtemps relégué à un rôle discret — redevient une pièce stratégique de l’architecture informatique.