Même Nvidia doit se battre pour ses propres GPU : les révélations choc du directeur auto

Division automobile de Nvidia : une lutte interne pour l'accès aux GPU et la crise des ressources IA

Dans un entretien franc accordé au podcast Decoder de The Verge (juillet 2026), Xinzhou Wu, vice-président et directeur de la division automobile de Nvidia, a fait une révélation surprenante : même son équipe doit se battre chaque semaine pour obtenir des ressources de calcul GPU. Une confession qui ouvre une fenêtre brutale sur la manière dont le boom de l'IA épuise les ressources, y compris chez le fabricant de puces le plus valorisé au monde .

Une guerre interne pour les GPU

• Réunions d'allocation hebdomadaires. Wu a confirmé rencontrer ses collègues « presque toutes les semaines » pour répartir la puissance de calcul nécessaire à l'entraînement, aux tests et au développement. Interrogé directement sur la difficulté d'obtenir des GPU, il a répondu en riant : « Oui, croyez-le ou non, même Nvidia a un approvisionnement limité en GPU pour le calcul » .
• Jensen Huang, arbitre occasionnel. La compétition interne pour l'allocation des GPU est devenue si intense que le PDG de Nvidia doit parfois intervenir pour arbitrer entre les différentes unités commerciales .
• Tension structurelle entre data centers et automobile. La division data centers de Nvidia, qui alimente le boom de l'IA en GPU, génère des revenus colossaux et immédiats. En face, la division automobile parie sur un avenir autonome qui ne sera rentable que dans plusieurs années. Wu a reconnu ce calcul interne délicat : comment répartir une capacité de production limitée entre des clients qui paient le prix fort aujourd'hui et un marché qui ne se matérialisera que demain .

Ce que cela révèle de la crise mondiale des ressources IA

• L'offre de GPU est contrainte, même pour les équipes internes de Nvidia. Si l'entreprise qui conçoit et fabrique les puces IA les plus convoitées au monde ne peut pas approvisionner facilement sa propre division automobile, cela souligne à quel point la demande de calcul IA a dépassé l'offre .
• La production de GPU gaming aurait été réduite de 30 à 40 % début 2026. Plusieurs médias ont rapporté que Nvidia prévoyait de réduire la production de sa série RTX 50 de 30 à 40 % au premier semestre 2026, en raison d'une pénurie de mémoire GDDR7. Les data centers d'IA consomment la capacité mémoire disponible, et les fournisseurs privilégient la mémoire HBM pour les puces IA au détriment de la mémoire pour GPU grand public . Les contraintes d'approvisionnement en GDDR7 de Samsung signifient que les prix des GPU grand public ne devraient pas baisser de manière significative avant le quatrième trimestre 2027 .
• La mémoire est le goulot d'étranglement. Le GDDR7 représente désormais 70 à 80 % du coût de fabrication d'un GPU, et Samsung ne peut pas en produire suffisamment pour répondre à la fois à la demande IA et à la demande grand public . Les fournisseurs de HBM (SK Hynix, Micron) ont annoncé que toute leur production 2026 était déjà vendue, confirmant une pénurie de mémoire tirée par l'IA qui devrait durer plusieurs années .

La feuille de route de la conduite autonome de Nvidia

Wu a présenté un calendrier ambitieux lors de l'interview :

Étape	Objectif
Capacités urbaines de niveau 2++ sur la plateforme Drive AGX	2026
Essais de robotaxis de niveau 4 avec des partenaires	2027
Véhicules autonomes de niveau 4 pour particuliers	2028

L'entreprise construit une pile logicielle complète pour la conduite autonome appelée Nvidia Drive, proposant des plateformes matérielles et des modèles de base entraînés sur des données synthétiques. Wu a avancé que les constructeurs automobiles n'ont pas besoin de milliards de kilomètres de conduite autonome comme Waymo ou Tesla : ils peuvent se brancher sur l'écosystème Nvidia, qui exécute 5 millions de tests de validation par jour .

Contexte clé de l'interview

• L'opposition de Tesla au lidar. L'approche de Nvidia embrasse plusieurs types de capteurs, dont le lidar, se positionnant ainsi contre la philosophie de Tesla qui repose exclusivement sur des caméras. Wu a déclaré que vous n'avez pas besoin de millions de kilomètres de données de conduite pour battre Tesla : vous avez besoin des bons capteurs et d'un système d'IA capable de raisonner .
• Tendances de l'adoption des VE et barrières commerciales. Wu a évoqué comment les tendances d'adoption des véhicules électriques et les barrières commerciales américaines, en particulier les contrôles à l'exportation affectant les ventes de puces en Chine, créent des vents contraires pour le secteur automobile. Nvidia a fait face à des désaffections de constructeurs chinois à la suite de retards et de revers de performance .
• Architecture de sécurité. Nvidia exécute deux systèmes en parallèle sur sa plateforme Drive : un modèle d'IA de bout en bout gère la conduite, tandis qu'une « pile classique » basée sur les normes de sécurité ISO 26262 agit comme un « grand frère » de surveillance, vérifiant chaque image .

Preuves insuffisantes

• Les termes exacts des commentaires de Wu sur les tendances d'adoption des VE et les barrières commerciales ne sont pas entièrement capturés dans les sources disponibles au-delà de références générales.
• Nvidia n'a pas officiellement confirmé les chiffres de réduction de 30 à 40 % de la production de GPU gaming. Ces informations proviennent de forums chinois (Board Channels) et ont été rapportées par plusieurs médias comme des « rumeurs » ou des « rapports » .

Résumé

La division automobile de Nvidia est confrontée à une réelle compétition interne pour l'accès aux GPU, à tel point qu'elle organise des réunions d'allocation hebdomadaires et que le PDG Jensen Huang doit parfois servir d'arbitre . Cette situation reflète une crise plus large des ressources IA, où l'approvisionnement en mémoire GPU (GDDR7 et HBM) est sévèrement contraint par la demande des centres de données, forçant Nvidia à réduire sa production de GPU gaming de 30 à 40 % . Pendant ce temps, la feuille de route de conduite autonome de Wu vise des fonctionnalités urbaines de niveau 2++ en 2026, des essais de robotaxis de niveau 4 en 2027 et des véhicules de niveau 4 pour consommateurs d'ici 2028 — un calendrier qui dépend de l'obtention des ressources de calcul que son équipe peine déjà à sécuriser.