Vera Rubin NVL72 : le déploiement d’OpenAI met à l’épreuve la nouvelle stratégie de Nvidia

Cette liste réunit un spécialiste du cloud pour l’IA et plusieurs grandes plateformes hyperscale. Elle suggère que Rubin est évalué dans différents environnements d’exploitation, et pas uniquement dans le cadre de démonstrations contrôlées par Nvidia.

OpenAI s’inscrit dans cette dynamique plus large. L’entreprise et Nvidia ont annoncé un projet prévoyant au moins 10 gigawatts de centres de données équipés de systèmes Nvidia, dont le premier gigawatt doit être déployé au second semestre 2026 avec la plateforme Vera Rubin.

Pourquoi le déploiement d’OpenAI est-il important ?

OpenAI constitue l’un des tests les plus exigeants pour vérifier si Rubin peut soutenir le développement de modèles de pointe. Un laboratoire d’IA de premier plan a besoin d’une capacité d’entraînement élevée, d’interconnexions rapides, d’une grande fiabilité et d’une infrastructure capable de monter rapidement en puissance.

Un déploiement opérationnel chez OpenAI fournirait donc des indications sur trois fronts :

1. La pertinence pour les charges de travail réelles : Rubin serait utilisé dans un véritable programme d’IA de pointe, et non seulement pour un benchmark ou une présentation commerciale.
2. La maturité du système : Nvidia montrerait que son architecture à l’échelle d’un rack peut franchir les étapes de qualification client avant d’entrer en production.
3. L’effet d’entraînement commercial : des déploiements réussis pourraient inciter d’autres laboratoires et fournisseurs cloud à adopter des systèmes Rubin complets, ce qui renforcerait la demande pour l’ensemble de la plateforme.

Il faut toutefois interpréter cette avancée avec prudence. Une annonce de déploiement ne précise pas à elle seule le nombre de racks installés, les résultats d’entraînement obtenus ni le calendrier de comptabilisation du chiffre d’affaires. Ces éléments détermineront si l’étape est véritablement transformatrice pour Nvidia ou s’il s’agit surtout d’une première validation.

Combien coûte un rack Vera Rubin NVL72 ?

Nvidia n’a pas publié de prix catalogue officiel dans les informations disponibles. Les estimations varient selon la configuration et la date retenue :

• plusieurs articles évoquent un prix d’environ 7 à 8 millions de dollars par rack ;
• une estimation de Bernstein citée dans des articles ultérieurs atteint environ 9,1 millions de dollars ;
• Morgan Stanley a de son côté évalué à environ 7,8 millions de dollars le coût d’un rack VR200 NVL72.

Ces montants doivent être considérés comme des estimations du coût du système ou du prix payé par un acheteur, et non comme un tarif de vente confirmé par Nvidia. Leur dispersion rappelle aussi que l’économie d’un rack ne se résume pas au nombre de GPU : mémoire, stockage, réseau, serveurs, refroidissement et autres composants d’infrastructure pèsent fortement dans la facture.

L’investissement dépasse largement le rack lui-même. Une estimation de Bernstein citée par Investing.com évalue à environ 47 milliards de dollars le coût de construction d’une capacité de centre de données Vera Rubin de 1 gigawatt. Il s’agit d’une estimation d’infrastructure, pas d’une prévision directe du chiffre d’affaires de Nvidia ni d’un coût de construction universel.

Ce que les marges de CoreWeave révèlent sur l’économie du cloud IA

Le rôle de CoreWeave fournit un premier signal commercial. L’entreprise a déclaré que les contrats nouvellement signés au deuxième trimestre devraient afficher des marges supérieures de 5 à 10 points de pourcentage à celles des contrats conclus au cours des trimestres précédents. Elle a également annoncé des hausses de prix sur l’ensemble de ses offres en juillet.

Cela ne signifie pas que chaque déploiement Rubin sera plus rentable. Les marges de CoreWeave dépendent notamment des prix contractuels, du taux d’utilisation, du financement, du coût de l’électricité, du refroidissement, des dépenses d’exploitation et de la configuration matérielle choisie. Mais ces chiffres remettent en question l’idée selon laquelle les nouveaux systèmes d’IA réduiraient automatiquement la rentabilité des fournisseurs cloud en raison de leur intensité capitalistique.

La question centrale est de savoir si de meilleures performances et des prix plus élevés facturés aux clients peuvent compenser l’investissement initial. Si les clients sont prêts à payer pour une capacité d’IA plus rapide ou plus efficace, et si les fournisseurs maintiennent un taux d’utilisation élevé, les systèmes à l’échelle du rack pourraient améliorer leurs marges malgré leur prix d’achat supérieur.

CoreWeave, premier véritable banc d’essai

CoreWeave a été le premier fournisseur cloud spécialisé dans l’IA à mettre en service et à valider entièrement un système Vera Rubin NVL72. Sa validation a couvert le rack de bout en bout : alimentation, refroidissement, réseau et calcul.

La nuance est importante. Allumer quelques puces ne revient pas à exploiter un rack complet refroidi par liquide, avec son réseau et sa pile logicielle. Le travail de CoreWeave a constitué un premier test du fonctionnement de la plateforme à l’échelle de la production et a contribué à réduire le risque d’intégration pour les déploiements ultérieurs.

CoreWeave a également publié une comparaison sur matériel réel affirmant que Vera Rubin NVL72 produisait dix fois plus de tokens par seconde et par mégawatt que le Nvidia GB200 NVL72, dans le cadre d’un test DeepSeek-R1 réalisé dans des conditions comparables. Il s’agit d’un benchmark communiqué par l’entreprise dans un contexte précis, et non d’une garantie de performance pour toutes les charges de travail.

Nvidia vend désormais davantage que des accélérateurs

Le lancement de Rubin illustre la volonté de Nvidia de fournir des systèmes complets d’infrastructure pour l’IA. Nvidia décrit une chaîne d’approvisionnement regroupant plus de 350 sites industriels dans 30 pays, qu’elle présente comme sa plus vaste chaîne dédiée aux systèmes à l’échelle du rack.

Cette couverture géographique est révélatrice : le principal obstacle n’est plus seulement la production d’un nombre suffisant de GPU. Un rack opérationnel nécessite une coordination entre les GPU, les processeurs, la mémoire avancée, les serveurs, les équipements réseau, le refroidissement liquide, l’alimentation électrique et les équipes d’installation.

En coordonnant — voire en livrant directement — des systèmes complets, Nvidia pourrait renforcer son contrôle sur la chaîne de valeur de l’infrastructure IA. Mais cette stratégie augmente aussi le risque d’exécution. Un retard sur un composant essentiel peut retarder tout un rack, puis décaler le calendrier d’un centre de données client et la reconnaissance du chiffre d’affaires de Nvidia.

Les configurations prévues de deux, quatre et huit racks contiendraient respectivement 144, 288 et 576 GPU, si elles reprennent le même module de base de 72 GPU. Ces totaux relèvent d’un simple calcul d’échelle ; les sources disponibles ne confirment pas séparément l’existence de références commerciales officielles ni les calendriers de livraison des trois configurations. L’enjeu essentiel est que Nvidia conçoit des blocs reproductibles à l’échelle du rack, capables d’être assemblés pour former de véritables « usines d’IA ».

Les points à surveiller lors des résultats du 26 août

Nvidia a annoncé viser un chiffre d’affaires de 91 milliards de dollars, à plus ou moins 2 %, pour son deuxième trimestre fiscal. Cette prévision ne suppose aucune contribution des activités de calcul pour centres de données en Chine. Le groupe vise également une marge brute d’environ 74,9 % selon les normes GAAP et 75,0 % hors GAAP.

La publication du 26 août doit être lue comme un test de l’élan commercial de Rubin, et pas seulement comme un bilan du trimestre écoulé. Les investisseurs suivront notamment quatre questions.

1. Rubin passe-t-il de la validation au déploiement en volume ?

Il faudra rechercher des indications concrètes sur les livraisons de production, les installations chez les clients, la disponibilité des composants et le moment où Rubin commencera à contribuer de manière significative au chiffre d’affaires. Nvidia a indiqué que les livraisons de production devaient commencer à l’automne, tandis que d’autres articles décrivent déjà la plateforme comme étant en production complète et expédiée aux clients.

2. Nvidia peut-elle préserver ses marges ?

Les systèmes à l’échelle du rack intègrent davantage de composants coûteux et complexes que les accélérateurs vendus seuls. Les commentaires sur la marge brute montreront si Nvidia peut répercuter ces coûts tout en conservant un pouvoir de fixation des prix proche de ses prévisions.

3. La mémoire ou d’autres composants freinent-ils l’offre ?

Nvidia a évoqué des limites d’approvisionnement et une hausse de ses dépenses destinées à sécuriser ses composants dans un contexte de tension plus large sur le marché de la mémoire. Les investisseurs devront surveiller les informations concernant la disponibilité de la mémoire, le coût des composants et l’éventuel impact de ces contraintes sur la montée en puissance de Rubin.

4. Les perspectives confirment-elles une demande durable ?

Le chiffre d’affaires immédiat de 91 milliards de dollars sera important, mais le signal le plus révélateur pourrait venir des prévisions pour le trimestre suivant et des commentaires de la direction sur les engagements des clients. Pour que le récit Rubin gagne en crédibilité, il faudra des signes de demande répétable, pas seulement la réussite d’un premier déploiement.

En résumé

Le déploiement de Vera Rubin chez OpenAI est important parce qu’il relie la prochaine plateforme de Nvidia aux charges de travail particulièrement exigeantes du développement de l’IA de pointe. La présence de systèmes Rubin chez CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure et Nebius montre également que l’architecture avance au-delà de l’annonce produit.

L’essentiel reste toutefois l’exécution. Les prix des racks sont des estimations et non des tarifs officiels, l’amélioration des marges annoncée par CoreWeave lui est propre, et une première validation ne prouve pas encore la capacité à livrer en très grand volume. Les résultats de Nvidia du 26 août aideront à déterminer si Vera Rubin devient une activité de systèmes à la fois scalable et rentable — ou si elle reste une transition d’infrastructure impressionnante, mais encore à ses débuts.