IA souveraine : Nvidia équipe 92,4 % des modèles nationaux, révèle Counterpoint

L’écart est suffisamment important pour parler d’une situation proche du monopole dans ce segment précis — même si le marché plus large des accélérateurs d’IA est moins concentré. Selon Neil Shah, analyste chez Counterpoint, l’ironie est évidente : des pays qui cherchent l’autonomie technologique restent dépendants de la pile matérielle et logicielle d’un même groupe américain .

L’enquête a porté sur plus de 80 pays, dont environ 55 auraient développé leurs propres LLM. Presque tous utilisent du matériel Nvidia .

Pourquoi Nvidia conserve une telle avance

CUDA, le véritable verrou

Les analyses disponibles convergent sur un point : l’avantage de Nvidia ne repose pas uniquement sur la puissance brute de ses puces.

Son principal rempart est CUDA, une plateforme logicielle développée depuis près de vingt ans. Elle comprend des outils pour les développeurs, des bibliothèques optimisées et des composants couvrant l’entraînement, l’inférence — c’est-à-dire l’utilisation d’un modèle déjà entraîné — ainsi que la simulation robotique .

Lorsqu’un laboratoire construit ses logiciels autour de CUDA, passer à une autre architecture implique souvent de réécrire, tester et optimiser une partie importante de son code. Cette difficulté augmente le coût et le risque d’un changement de fournisseur. Des observateurs décrivent ainsi un écosystème dans lequel chercheurs, opérateurs cloud et entreprises ont progressivement organisé leurs activités autour de Nvidia .

Une offre qui va de la puce au système complet

Nvidia ne vend pas seulement des accélérateurs. Le groupe propose aussi des bibliothèques de modèles, des solutions réseau comme NVLink et NVSwitch, ainsi que des systèmes d’IA prêts à déployer . Pour un projet national qui doit rapidement passer de l’annonce à la mise en production, cette offre intégrée peut être plus simple à acheter et à exploiter qu’un assemblage de solutions concurrentes.

L’effet d’échelle

Nvidia a expédié davantage d’accélérateurs d’IA que l’ensemble de ses concurrents réunis, selon les analyses citées. Cette avance lui procure des volumes importants, une position favorable dans la chaîne d’approvisionnement de TSMC et des moyens de recherche et développement considérables .

Le verrou CUDA n’est toutefois pas considéré comme éternel. Des outils plus indépendants du matériel, comme Triton, ainsi que les puces conçues par Google ou Amazon, peuvent progressivement réduire les coûts de migration . Mais dans l’IA souveraine, aucun concurrent n’a encore réussi à transformer ces progrès en part de marché significative.

Les alternatives existent, mais restent localisées

Les rivaux de Nvidia ne sont pas absents. Ils ont cependant surtout obtenu des positions ciblées :

• AMD bénéficie notamment de la présence de ses accélérateurs dans le supercalculateur européen LUMI, dans le projet australien Maincode et dans le partenariat sud-coréen avec Moreh .
• Cerebras s’est implanté au Moyen-Orient grâce à sa collaboration avec G42, liée au supercalculateur d’IA Condor Galaxy à Abou Dhabi .
• NAVER, en Corée du Sud, développe avec Nvidia et Brookfield l’infrastructure de la « fabrique nationale d’IA ». Dans ce cas, Nvidia est toutefois un partenaire central, et non une solution concurrente .
• Les accélérateurs internes de Google, comme les TPU, et d’Amazon, comme Trainium, progressent sur certains usages, notamment l’inférence. Ils ne sont cependant pas proposés de manière significative aux projets d’IA souveraine étudiés .

Nvidia renforce aussi sa position par ses investissements

La stratégie du groupe ne se limite pas à vendre du matériel. Ses investissements et partenariats peuvent aussi contribuer à faire de son architecture la plateforme par défaut des projets d’IA avancée.

Un investissement annoncé de 5 milliards de dollars dans SSI

Le 27 juillet 2026, Nvidia et Safe Superintelligence (SSI), le laboratoire fondé par l’ancien scientifique en chef d’OpenAI Ilya Sutskever, ont annoncé un partenariat stratégique de long terme. Reuters a rapporté un investissement en actions de 5 milliards de dollars ; les entreprises n’ont pas détaillé elles-mêmes les conditions financières .

L’accord prévoit également un accès aux systèmes Nvidia de nouvelle génération Vera Rubin. Selon Nvidia et SSI, cette infrastructure doit multiplier les capacités de calcul de SSI d’un ordre de grandeur .

Ce partenariat relie ainsi un laboratoire de recherche de premier plan à la feuille de route matérielle de Nvidia. Il illustre la manière dont le fabricant peut consolider son influence au-delà des seuls projets publics.

Corée du Sud, Japon et fonds de modèles ouverts : prudence sur les montants

Nvidia, NAVER et Brookfield ont annoncé un projet visant à porter à 200 mégawatts l’infrastructure de la fabrique nationale d’IA sud-coréenne . Des projets d’infrastructure au Japon sont également mentionnés dans les éléments disponibles, mais ils ne sont pas suffisamment détaillés pour confirmer ici un montant global.

De même, Nvidia aurait annoncé son intention d’allouer 26 milliards de dollars sur cinq ans à la création de modèles d’IA à poids ouverts, selon des informations rapportées par Forbes . Si cette initiative se concrétise, elle pourrait favoriser l’adoption de modèles dont l’infrastructure reste optimisée pour l’écosystème Nvidia.

En revanche, l’affirmation selon laquelle les accords conclus au Japon et en Corée du Sud dépasseraient 500 milliards de dollars n’est pas suffisamment étayée par les sources disponibles. Elle ne peut donc pas être présentée comme un fait établi.

Le rôle des restrictions américaines envers la Chine

La Chine ne figure pas dans l’étude de Counterpoint. Les sources disponibles relient cette exclusion au fait que ses puces nationales, notamment Huawei Ascend et Cambricon, restent moins performantes que les solutions Nvidia les plus avancées, tandis que les restrictions américaines limitent l’accès aux accélérateurs de pointe .

Les laboratoires chinois doivent donc composer avec des stocks d’anciens GPU Nvidia acquis avant les interdictions, des solutions locales aux performances moindres ou des capacités de calcul plus contraintes. Cette situation crée un double effet stratégique : les contrôles américains contribuent à préserver la position de Nvidia sur les marchés mondiaux de l’IA souveraine, tout en renforçant l’incitation de Pékin à développer une chaîne nationale autonome.

Les sources réunies pour cette analyse ne contiennent pas d’éléments suffisamment précis et citables sur d’éventuelles déclarations récentes du PDG de DeepSeek, les accusations concernant Moonshot, les droits de douane américains de 2026, la procédure dite Section 232 ou le pacte « Pax Silica ». Ces sujets restent donc des lacunes documentaires, et non des conclusions de cette étude.

Ce que les données permettent — ou non — d’affirmer

Le paradoxe de la souveraineté

Le message central de l’indice Counterpoint est difficile à ignorer : posséder ses données, développer son propre modèle et héberger ses serveurs ne suffit pas à garantir une véritable indépendance technologique.

Avec 92,4 % des infrastructures étudiées, Nvidia contrôle la couche matérielle et logicielle sur laquelle s’appuie l’essentiel de cette IA nationale. AMD et Cerebras progressent par niches — en Europe, en Australie, en Corée du Sud et au Moyen-Orient — mais l’écart reste immense.

La souveraineté de l’IA ne se joue donc pas seulement dans les modèles visibles par le public. Elle se joue aussi dans les processeurs, les logiciels de développement, les réseaux, les capacités de production et l’accès au calcul. Pour les États, diversifier ces briques sera probablement aussi important que créer leur propre LLM.