Et si le prochain grand vainqueur de la course à l’intelligence artificielle n’était pas celui qui produit les modèles les plus performants, mais celui qui fabrique les puces capables de les faire tourner à moindre coût ? Cette question résonne particulièrement fort depuis l’annonce d’Amazon concernant Uber. La plateforme de mobilité vient d’élargir de manière significative son contrat avec Aws pour faire tourner davantage de ses services sur des puces conçues en interne par le géant du cloud. Une décision qui dépasse largement le simple renouvellement technique et qui illustre parfaitement les nouvelles tensions stratégiques entre les hyperscalers.

Dans un secteur où chaque milliard investi dans les data centers se transforme en avantage concurrentiel, le choix d’Uber n’est pas anodin. L’entreprise qui a longtemps misé sur ses propres centres de données, puis sur Oracle et Google, se tourne désormais davantage vers Amazon. Elle augmente l’utilisation des processeurs Graviton à faible consommation et lance un essai officiel de Trainium3, la dernière génération de puces d’entraînement conçues pour rivaliser avec Nvidia. Pour les fondateurs de startups, les responsables marketing digital et les investisseurs qui suivent de près l’écosystème technologique, ce mouvement mérite d’être analysé en profondeur.

Un contrat élargi qui change la donne pour Aws

Mardi dernier, Amazon a officialisé l’extension de son partenariat cloud avec Uber. L’objectif affiché est clair : faire migrer une part croissante des fonctionnalités de partage de trajets vers l’infrastructure Aws, en s’appuyant notamment sur deux familles de puces maison. D’un côté, Graviton, ces processeurs basés sur l’architecture Arm qui consomment nettement moins d’énergie que les solutions x86 traditionnelles. De l’autre, Trainium3, encore en phase de test, qui vise directement le marché de l’entraînement de modèles d’intelligence artificielle, jusqu’ici dominé de manière quasi monopolistique par Nvidia.

Ce n’est pas la première fois qu’Aws met en avant ses puces propriétaires pour séduire de grands comptes. Anthropic, OpenAI et Apple ont déjà augmenté leur recours à ces solutions. Andy Jassy, le PDG d’Amazon, avait d’ailleurs indiqué en décembre dernier que Trainium représentait déjà une activité de plusieurs milliards de dollars. L’arrivée d’Uber dans cette liste renforce la crédibilité de la stratégie et envoie un signal fort aux concurrents.

Pour comprendre l’importance de cette annonce, il faut se souvenir du parcours cloud d’Uber. Historiquement, la société gérait ses propres data centers. En 2023, elle a signé des accords massifs et pluriannuels avec Oracle Cloud Infrastructure et Google Cloud Platform. L’ambition était de sortir progressivement de l’infrastructure on-premise et de basculer la majorité des charges de travail vers ces deux fournisseurs. Même en décembre dernier, Uber réaffirmait publiquement cette orientation dans un billet de blog, en soulignant le défi technique de migrer d’énormes volumes de données tout en introduisant des instances Arm dans un environnement jusqu’alors dominé par x86.

En février 2023, Uber a commencé sa transition depuis les centres de données on-premise vers le cloud en utilisant OCI et Google Cloud Platform, relevant le double défi de déplacer des charges de travail massives et d’introduire des instances de calcul Arm dans un environnement auparavant dominé par x86.

– Extrait du billet de blog Uber de décembre

Dans ce même texte, Uber mettait particulièrement en avant les puces Arm d’Ampere utilisées dans le cloud Oracle. C’est précisément à ce niveau que l’histoire devient fascinante et révèle à quel point la Silicon Valley fonctionne comme un réseau d’intérêts croisés.

L’histoire mouvementée d’Ampere Computing

Ampere Computing a été fondée par Renee James, ancienne cadre de haut niveau chez Intel qui n’avait pas obtenu le poste de PDG. Elle a mobilisé l’ensemble de son réseau, y compris son rôle d’investisseuse chez Carlyle et son siège au conseil d’administration d’Oracle, pour lever les fonds nécessaires. Oracle a détenu environ un tiers de la société, ce qui a forcé James à renoncer à son statut d’administratrice indépendante chez Oracle.

Cette même Renee James avait joué un rôle clé dans le vote qui a permis à Oracle d’acquérir NetSuite pour 9,3 milliards de dollars en 2016, une opération dans laquelle Larry Ellison était un actionnaire important. Le deal avait d’ailleurs déclenché une plainte d’actionnaires, sans succès, qui estimait qu’Oracle avait surpayé.

En décembre, SoftBank, concurrent majeur d’Ampere, a racheté la société. Oracle a cédé sa participation et a réalisé une plus-value avant impôts de 2,7 milliards de dollars. James a quitté le conseil d’administration d’Oracle fin 2024 et n’occupe plus de fonctions opérationnelles chez Ampere. Larry Ellison a justifié la vente en expliquant qu’il ne considérait plus la conception de puces en interne comme un avantage concurrentiel pour ses data centers. Oracle préfère désormais acheter les processeurs et a signé des accords massifs avec Nvidia.

Il est intéressant de noter que Oracle, SoftBank et Nvidia font tous partie de l’écosystème de deals circulaires autour d’OpenAI, destinés à financer la construction massive de data centers pour le Stargate Project. Dans ce contexte, le fait qu’Aws parvienne à convaincre Uber, l’un des clients stars d’Oracle, grâce à ses puces conçues en interne, ressemble à un camouflet stratégique.

Pourquoi les puces propriétaires deviennent un argument commercial décisif

Le marché des puces d’intelligence artificielle reste ultra-concentré. Nvidia contrôle une part écrasante des accélérateurs GPU utilisés pour l’entraînement et l’inférence. Cette domination se traduit par des délais de livraison longs, des prix élevés et une dépendance technologique que de plus en plus d’entreprises cherchent à réduire. Amazon, Google et Microsoft investissent donc massivement dans leurs propres architectures.

Graviton s’est imposé comme une solution efficace pour les charges de travail générales. En proposant un excellent rapport performance/watt, ces processeurs Arm permettent de réduire significativement la facture énergétique, un poste de dépense qui devient critique avec l’explosion des besoins en calcul. Trainium, quant à lui, s’attaque directement au terrain de jeu de Nvidia. La version 3 testée par Uber promet des gains en densité de calcul et en efficacité énergétique qui pourraient séduire d’autres grands comptes.

Pour une entreprise comme Uber, qui traite des millions de courses quotidiennes, optimise en temps réel les trajets, gère la tarification dynamique et développe des fonctionnalités basées sur l’apprentissage automatique, chaque point de performance et chaque dollar économisé comptent. Utiliser des puces optimisées pour ces usages spécifiques peut se traduire par une baisse tangible des coûts opérationnels et une meilleure réactivité des services.

Les startups et scale-ups qui construisent des produits data-intensive ou IA-native devraient observer attentivement ces mouvements. La capacité d’un fournisseur cloud à proposer des accélérateurs propriétaires devient un critère de choix au même titre que la couverture géographique, les certifications de sécurité ou les outils de développement.

Les implications pour la concurrence entre hyperscalers

L’annonce d’Amazon n’est pas seulement un gain commercial. C’est aussi une manière de rappeler à Google et Oracle que la maîtrise du silicium reste un levier de différenciation puissant. Google possède depuis longtemps ses TPU. Microsoft multiplie les partenariats et développe ses propres initiatives. Mais Aws semble aujourd’hui le plus agressif dans la commercialisation de ses solutions auprès de clients tiers.

Uber rejoint ainsi une liste de références prestigieuses. Le fait qu’Anthropic, OpenAI et Apple aient déjà accru leur utilisation de Trainium donne du poids à la proposition de valeur. Pour les équipes commerciales d’Aws, pouvoir citer ces logos dans un pitch devient un argument de poids face aux directions techniques et aux comités d’investissement.

Du côté d’Oracle, la situation est plus délicate. Après avoir vendu sa participation dans Ampere et affiché une préférence pour l’achat de puces Nvidia, la société se retrouve dans une position où l’un de ses clients emblématiques teste activement la solution concurrente d’Amazon. Même si Uber conserve très probablement une stratégie multi-cloud, le signal envoyé n’est pas neutre.

Google, de son côté, continue de pousser ses propres accélérateurs et son écosystème Vertex AI. Mais la capacité d’Aws à convaincre un acteur aussi visible qu’Uber sur le terrain des puces Arm et des accélérateurs d’entraînement renforce la perception d’un leadership technique.

Ce que cela change pour les équipes techniques et les décideurs

Les responsables infrastructure et les CTO doivent désormais intégrer de nouveaux critères dans leurs appels d’offres. Au-delà du prix du compute et du stockage, la disponibilité de puces spécialisées, leur maturité logicielle, les frameworks supportés et les outils de monitoring deviennent déterminants. Les équipes qui ont déjà commencé à optimiser leurs workloads pour Arm se trouvent en position favorable pour tirer parti de Graviton. Celles qui expérimentent l’entraînement de modèles propriétaires regardent de près les performances de Trainium par rapport aux GPU Nvidia.

Pour les directions financières, l’argument énergétique est de plus en plus audible. Dans un contexte où le coût de l’électricité et les engagements de réduction d’empreinte carbone pèsent lourd, un processeur qui délivre plus de performance par watt peut justifier un changement de fournisseur ou une réallocation de charges de travail.

Les équipes data science et machine learning, quant à elles, doivent évaluer la maturité de l’écosystème logiciel. La disponibilité de drivers, de bibliothèques optimisées, de support pour les frameworks majeurs (PyTorch, TensorFlow, JAX) et la qualité de la documentation conditionnent la vitesse d’adoption. Aws a investi massivement sur ces aspects ces dernières années, ce qui facilite la bascule pour les clients.

Les leçons pour les startups et scale-ups

Plusieurs enseignements se dégagent pour les entreprises en croissance qui construisent leur stack technique aujourd’hui.

• Ne pas se lier exclusivement à un seul fournisseur de puces, même dominant. La diversification des architectures (GPU, TPU, Trainium, Inferentia, etc.) devient une forme d’assurance.
• Surveiller de près les annonces de disponibilité et de performance des puces propriétaires des hyperscalers. Elles peuvent créer des fenêtres d’opportunité tarifaire ou technique.
• Intégrer dès la conception des applications la portabilité entre architectures. Les frameworks et les couches d’abstraction qui facilitent le passage d’un accélérateur à un autre gagnent en valeur.
• Évaluer le coût total de possession, qui inclut non seulement le prix de l’heure de calcul mais aussi l’énergie, le temps d’ingénierie et les risques de pénurie.
• Utiliser les références clients comme Uber, Anthropic ou Apple pour négocier de meilleures conditions ou obtenir un accès anticipé aux nouvelles générations de puces.

Les fondateurs qui construisent des produits autour de l’intelligence artificielle générative ou de l’optimisation opérationnelle en temps réel ont tout intérêt à tester régulièrement les nouvelles offres. Un gain de 20 à 30 % sur le coût d’entraînement ou d’inférence peut transformer l’économie d’un modèle économique encore fragile.

Le rôle croissant de l’efficacité énergétique

La consommation électrique des data centers est devenue un sujet politique et économique majeur. Les annonces de nouvelles capacités de production d’électricité dédiées aux besoins du cloud se multiplient. Dans ce contexte, les puces qui offrent un meilleur ratio performance/watt ne sont plus seulement un argument technique : elles deviennent un élément de responsabilité environnementale et de maîtrise des coûts à long terme.

Graviton a déjà prouvé sa capacité à réduire significativement la facture énergétique pour de nombreuses charges de travail. Trainium suit la même logique en ciblant les phases d’entraînement, souvent les plus gourmandes. Pour une entreprise qui fait tourner des milliers d’instances en continu, la différence peut se chiffrer en millions d’euros par an.

Les équipes de communication et de marketing des grands groupes cloud mettent d’ailleurs de plus en plus en avant ces gains. Les rapports ESG et les engagements climatiques des clients finaux poussent à valoriser les choix techniques qui réduisent l’empreinte carbone. Uber, en tant qu’entreprise très visible, a tout intérêt à pouvoir communiquer sur des choix d’infrastructure plus efficients.

Les risques et les limites de la stratégie puces propriétaires

Malgré l’enthousiasme, plusieurs obstacles demeurent. La maturité logicielle reste un point sensible. Les écosystèmes autour des GPU Nvidia bénéficient de plus de dix ans d’investissement massif en drivers, bibliothèques et outils de développement. Les alternatives, aussi prometteuses soient-elles, doivent encore combler un certain retard sur la facilité d’utilisation et la richesse des fonctionnalités.

La disponibilité physique des puces constitue un autre enjeu. Même si Amazon contrôle sa chaîne de conception, la fabrication reste dépendante de foundries externes, principalement TSMC. Les tensions géopolitiques et les capacités de production limitées peuvent créer des goulets d’étranglement.

Enfin, le lock-in reste un risque. Adopter massivement une architecture propriétaire peut rendre plus difficile un éventuel retour vers des solutions standardisées. Les entreprises avisées maintiennent donc une capacité de bascule et évitent de lier trop étroitement leur stack applicative à un seul type d’accélérateur.

Perspectives à moyen terme pour le marché des accélérateurs

La bataille entre Nvidia et les puces propriétaires des hyperscalers ne fait que commencer. Nvidia continue d’innover à un rythme élevé et conserve une avance technologique significative sur de nombreux benchmarks. Cependant, la pression concurrentielle s’intensifie. Chaque grand client qui teste ou adopte une alternative affaiblit un peu plus la position de monopole de fait.

On peut s’attendre à voir d’autres annonces similaires dans les mois qui viennent. Des entreprises de taille comparable à Uber, opérant dans la mobilité, le e-commerce, la finance ou les médias, pourraient suivre le même chemin. Les hyperscalers vont continuer d’investir massivement dans la conception de silicium personnalisé, car le retour sur investissement apparaît de plus en plus évident.

Pour les startups spécialisées dans la conception de puces ou dans les outils logiciels d’optimisation, cette dynamique crée des opportunités. Les besoins en compilation, en scheduling intelligent des workloads, en observation des performances et en portabilité entre architectures ne cessent de croître.

Comment les équipes marketing et produit peuvent tirer parti de ces évolutions

Les professionnels du marketing digital et de la communication tech ont également un rôle à jouer. Les choix d’infrastructure deviennent des arguments de différenciation. Une startup qui peut affirmer qu’elle entraîne ses modèles sur des puces plus efficaces énergétiquement ou qu’elle a réduit ses coûts de calcul de 30 % dispose d’un message fort auprès des clients sensibles à la durabilité ou au rapport qualité-prix.

Les pages produit, les livres blancs et les communications investisseurs peuvent intégrer ces éléments de manière concrète. Plutôt que de se contenter de parler d’« IA de pointe », il devient pertinent de détailler l’architecture sous-jacente et les gains obtenus. Les décideurs techniques apprécient la transparence et les preuves chiffrées.

Les événements et webinaires consacrés à l’optimisation des coûts cloud ou à la migration vers des architectures Arm attirent de plus en plus de participants. Les contenus qui décryptent les annonces comme celle d’Uber et Aws génèrent un fort engagement auprès d’une audience qualifiée de CTO, VP Engineering et responsables data.

Le contexte plus large des deals circulaires dans l’IA

L’écosystème autour d’OpenAI, SoftBank, Oracle, Nvidia et des grands cloud providers illustre parfaitement la nature circulaire de nombreux financements et contrats. Les mêmes acteurs se retrouvent à la fois clients, fournisseurs, investisseurs et partenaires. Cette interdépendance crée de la stabilité à court terme mais peut aussi générer des tensions lorsque les intérêts divergent.

Le fait qu’Aws parvienne à convaincre Uber grâce à ses puces internes montre que la maîtrise technologique reste un levier puissant pour sortir de ces logiques purement relationnelles. Même dans un univers de deals complexes, la performance et le coût continuent de primer.

Pour les observateurs et les investisseurs, ces mouvements fournissent des signaux précieux sur l’évolution des rapports de force. La capacité d’un hyperscaler à attirer ou à retenir des clients stratégiques grâce à son silicium devient un indicateur de santé concurrentielle.

Conseils pratiques pour démarrer une évaluation

Si vous dirigez une équipe technique ou si vous influencez les choix d’infrastructure, voici une démarche pragmatique pour évaluer l’intérêt des puces Aws dans votre contexte.

• Identifiez les charges de travail les plus coûteuses en compute et en énergie.
• Mesurez le ratio performance/prix actuel sur vos instances x86 ou GPU.
• Testez un sous-ensemble représentatif sur Graviton pour les applications générales.
• Si vous entraînez des modèles, demandez un accès anticipé ou un crédit pour expérimenter Trainium3.
• Évaluez la charge de travail de portage et les éventuelles incompatibilités logicielles.
• Calculez le retour sur investissement sur 12 à 24 mois en intégrant les économies d’énergie.
• Documentez les gains et les frictions pour nourrir la décision de montée en charge.

Cette approche progressive limite les risques tout en permettant de capitaliser rapidement sur les éventuels avantages.

Vers une nouvelle normalité multi-architectures

À moyen terme, il est probable que les grandes entreprises opèrent dans un environnement multi-architectures par défaut. Une partie des workloads restera sur GPU Nvidia pour les cas d’usage les plus exigeants ou les mieux supportés. Une autre partie basculera vers des solutions propriétaires des cloud providers pour des raisons de coût, de disponibilité ou d’efficacité énergétique. Les outils d’orchestration et de placement intelligent des jobs gagneront en importance.

Les plateformes qui sauront abstraire la complexité sous-jacente et offrir une expérience développeur homogène tireront leur épingle du jeu. C’est un terrain de jeu encore ouvert pour les startups innovantes.

L’annonce concernant Uber et Aws s’inscrit dans cette tendance de fond. Elle confirme que la conception de puces n’est plus réservée aux seuls fabricants traditionnels et que les hyperscalers utilisent désormais le silicium comme arme commerciale à part entière.

Conclusion : un signal fort pour tout l’écosystème

Le choix d’Uber d’étendre son usage des puces Amazon et de tester Trainium3 dépasse le simple renouvellement de contrat. Il illustre la montée en puissance d’une concurrence réelle sur le terrain des accélérateurs d’intelligence artificielle. Pour Nvidia, c’est un rappel que sa domination, bien que solide, n’est plus incontestée. Pour Oracle et Google, c’est un signal que Aws sait capitaliser sur ses investissements en silicium pour conquérir des parts de marché. Pour les entreprises clientes, c’est une opportunité de réduire les coûts et de diversifier les risques.

Les fondateurs, les CTO et les responsables marketing qui suivent ces évolutions disposent d’un avantage. Ils peuvent anticiper les bascules technologiques, optimiser leurs stacks et communiquer de manière plus crédible sur leurs choix d’infrastructure. Dans un marché où la performance, le coût et l’impact environnemental s’entremêlent, la maîtrise du hardware redevient un sujet stratégique de premier plan.

L’histoire d’Ampere, les deals croisés autour d’OpenAI et la capacité d’Aws à convaincre des clients emblématiques montrent à quel point la Silicon Valley reste un écosystème d’intérêts complexes. Dans ce contexte, les entreprises qui réussissent sont celles qui savent naviguer entre les relations et les réalités techniques. Le silicium, une fois de plus, s’impose comme un juge de paix.

Alors que la demande de calcul pour l’intelligence artificielle continue d’exploser, les prochains mois s’annoncent riches en annonces similaires. Chaque nouveau client gagné par une architecture propriétaire renforce la dynamique et accélère l’émergence d’un marché plus concurrentiel. Pour tous ceux qui construisent, financent ou commercialisent des solutions technologiques, il est temps d’intégrer pleinement cette dimension dans leur réflexion stratégique.

Les puces ne sont plus seulement un composant technique. Elles sont devenues un argument commercial, un levier de négociation et un élément de différenciation. L’exemple d’Uber et d’Amazon en apporte une démonstration concrète et actuelle. À chacun maintenant d’en tirer les conséquences pour sa propre feuille de route.