Nvidia pourrait augmenter de plus de 15 % le prix de ses serveurs d’IA, la mémoire en cause

Cette nuance est importante pour les acheteurs. Une baie conçue pour traiter de très grands volumes de données et dotée d’une mémoire abondante pourrait subir une hausse différente de celle d’une configuration moins puissante. Les informations disponibles ne permettent donc pas de calculer le nouveau prix de chaque serveur Rubin ou Blackwell.

Pourquoi la mémoire pèse de plus en plus lourd

Les accélérateurs d’IA utilisent de la mémoire à large bande passante — ou HBM, pour High-Bandwidth Memory — afin de transférer rapidement les données entre le processeur et la mémoire de travail. Les systèmes denses destinés aux centres de données combinent également cette HBM avec de la DRAM classique.

Dans ces infrastructures, la mémoire représente ainsi une part croissante de la facture globale. Une estimation citée dans des analyses consacrées à Vera Rubin évalue à environ 62 % la part des semi-conducteurs mémoire dans le coût d’un superchip Vera Rubin. Il s’agit d’une estimation du coût des composants, et non d’un prix de vente confirmé par Nvidia.

Une analyse distincte de Morgan Stanley estime que la mémoire d’une baie Vera Rubin VR200 NVL72 coûterait environ 2 millions de dollars, soit près de 435 % de plus que la mémoire estimée d’une baie GB300. Cette évolution permet de comprendre pourquoi le prix final peut fortement varier d’une configuration à l’autre.

Des baies à plusieurs millions de dollars

Les estimations disponibles avant les expéditions situent le coût d’une baie Vera Rubin VR200 NVL72 autour de 7,8 millions de dollars, contre environ 4 millions de dollars pour une baie Grace Blackwell GB300 NVL72.

Ces chiffres doivent être interprétés avec prudence :

• ils proviennent d’analystes ou d’acteurs du secteur, et non d’une grille tarifaire publiée par Nvidia ;
• la comparaison porte sur la VR200 et la GB300, pas spécifiquement sur la GB200 ;
• il s’agit d’estimations de coûts ou d’économie système, et non de prix de transaction vérifiés pour chaque client.

Les données publiques confirment donc une nette orientation à la hausse des coûts, mais ne permettent pas d’établir une comparaison définitive entre une baie VR200 et une baie GB200, ni de connaître les conditions commerciales client par client.

Un sujet sensible avant les résultats du 26 août

Le rapport sur les prix est publié peu avant la présentation prévue, le 26 août, des résultats du deuxième trimestre fiscal de Nvidia. Au trimestre précédent, le groupe avait annoncé 81,6 milliards de dollars de chiffre d’affaires, dont environ 75,2 milliards issus des centres de données, avec une marge brute proche de 75 %.

Le calendrier attire l’attention des investisseurs comme des acheteurs d’infrastructures. Une hausse des prix pourrait aider Nvidia à absorber une partie de l’augmentation de ses coûts d’approvisionnement. Elle accroîtrait cependant aussi les dépenses d’investissement des fournisseurs de cloud et des entreprises qui construisent de vastes grappes de calcul pour l’IA.

Les sources disponibles ne permettent pas de déterminer quelle part de cette hausse éventuelle reviendrait à Nvidia sous forme de marge supplémentaire.

Les clients pourraient-ils chercher d’autres solutions ?

Des serveurs Nvidia plus chers pourraient renforcer l’intérêt des grands groupes technologiques pour la diversification. Les puces conçues en interne peuvent être adaptées à des modèles ou à des tâches spécifiques, tandis que les accélérateurs concurrents offrent une autre source de capacité et un levier de négociation supplémentaire.

Amazon, Microsoft, Google et Meta ont donc intérêt à limiter leur dépendance à un seul fournisseur pour certains usages stables et massifs. Mais remplacer Nvidia n’est pas une opération aussi simple que changer de composant matériel. Son avantage repose également sur CUDA, son environnement logiciel largement adopté, ainsi que sur NVLink, sa technologie de mise en réseau des accélérateurs.

Une source de marché estime que Nvidia détient plus de 80 % du marché des accélérateurs d’IA haut de gamme, même si les estimations varient selon la définition retenue du marché. Cette position rend une substitution rapide difficile.

Les accélérateurs MI300 d’AMD peuvent constituer une solution pour certains workloads, tandis que les puces conçues par les fournisseurs de cloud, comme Trainium d’AWS, peuvent être intéressantes dans leur propre environnement. Ces solutions ne sont toutefois pas des remplacements universels d’une infrastructure fondée sur CUDA. La migration d’un parc existant peut entraîner d’importants coûts d’ingénierie, de compatibilité et de réécriture logicielle.

La diversification apparaît donc comme une réponse plausible, mais les éléments disponibles ne montrent pas que ces alternatives pourraient rapidement évincer Nvidia des grands centres de données d’IA.

Ce que le rapport ne permet pas encore d’affirmer

Le rapport de Bloomberg étaye une conclusion limitée, mais importante : certains grands clients de Nvidia auraient été informés d’augmentations supérieures à 15 % dans de nombreux cas pour les systèmes expédiés au début de l’année prochaine, avec un montant dépendant de la génération de puces et de la configuration mémoire.

En revanche, les informations publiques ne permettent pas d’établir :

• un pourcentage de hausse identique pour tous les systèmes ;
• le prix exact des différentes configurations Vera Rubin ou Grace Blackwell ;
• les conditions contractuelles propres à chaque client ;
• une comparaison vérifiée entre VR200 et GB200 ;
• une confirmation formelle des notifications par Nvidia ou par les clients concernés.

Reuters a présenté l’information comme un rapport de Bloomberg et a précisé ne pas avoir pu la vérifier immédiatement. Tant que Nvidia ou ses clients ne dévoileront pas les détails commerciaux, l’interprétation la plus solide est la suivante : l’inflation de la mémoire met sous pression l’économie des serveurs d’IA, mais son impact précis sur les prix et les marges reste confidentiel.