Amazon Web Services (AWS) et NVIDIA ont annoncé le 26 août 2026 l’élargissement de leur partenariat technologique, avec un plan visant à déployer deux millions d’unités de traitement graphique supplémentaires de NVIDIA dans l’infrastructure mondiale d’AWS en 2027 et 2028. Cette initiative s’étend aux processeurs, aux réseaux, aux modèles ouverts, au traitement des données et à la robotique, au lieu de se limiter à la fourniture de GPU dans le cloud.
Ce plan intervient après l’annonce faite par AWS lors de la conférence NVIDIA GTC 2026 de son intention d’ajouter plus d’un million de GPU à partir de 2026, les deux entreprises ayant indiqué que la demande avait dépassé les prévisions précédentes. La nouvelle capacité sera utilisée pour des charges de travail comprenant l’intelligence artificielle agentique, la découverte scientifique, l’automatisation des entreprises, l’intelligence artificielle physique et la robotique.
Des options matérielles plus larges pour les clients d’AWS
AWS cherche à maintenir ouvertes les options de calcul pour ses clients, en combinant les GPU NVIDIA et les unités Trainium conçues par AWS, ou en utilisant les deux types conjointement. Cette expansion comprend des travaux visant à intégrer une architecture fondée sur les processeurs NVIDIA Vera à AWS, afin de fournir une capacité CPU haute performance pour les charges de travail d’intelligence artificielle agentique et d’apprentissage par renforcement.
Vera cible des tâches telles que l’exécution de code, l’utilisation d’outils, l’exécution d’environnements isolés, les analyses, les pipelines de données et l’orchestration des composants des systèmes. Le processeur peut être utilisé comme unité hôte pour des systèmes accélérés ou comme processeur autonome au sein d’usines d’intelligence artificielle, selon les deux entreprises.
Relier Trainium aux technologies de NVIDIA
La collaboration comprend également la prise en charge de la technologie NVLink Fusion, destinée à assurer une interconnexion à haut débit entre les puces des prochaines générations de Trainium. Annapurna Labs, filiale d’Amazon, travaillera avec NVIDIA sur la technologie de mémoire à large bande passante personnalisée NVHBM, qui devrait permettre à Trainium d’accéder à une mémoire plus rapide et plus économe en énergie, en collaboration avec les fournisseurs de mémoire.
L’objectif de la combinaison de NVHBM et de NVLink Fusion est d’améliorer l’évolutivité et les performances des charges de travail d’intelligence artificielle, en intégrant Trainium et les GPU NVIDIA dans une architecture commune au niveau du rack. Les deux entreprises coopèrent également sur des technologies réseau permettant de relier les GPU plus efficacement pendant l’entraînement de modèles à grande échelle.
Une infrastructure dédiée au secteur gouvernemental
AWS et NVIDIA prévoient de construire des usines d’intelligence artificielle pour le gouvernement américain, comprenant 100 000 GPU sur l’architecture sécurisée d’AWS, afin de prendre en charge les charges de travail liées à la sécurité nationale et les missions gouvernementales classifiées au niveau Impact Level 6 (IL6) et au-delà. L’annonce ne précise pas de calendrier distinct pour cette partie ni les détails de la répartition opérationnelle des usines.
Qu’est-ce qui change concrètement ?
Cette initiative montre que la concurrence dans l’infrastructure cloud destinée à l’intelligence artificielle ne porte pas uniquement sur le nombre de GPU, mais aussi sur l’intégration des processeurs, de la mémoire, des réseaux, des logiciels et des niveaux de sécurité. Les clients bénéficient de plusieurs options matérielles et d’une intégration plus approfondie entre les composants de NVIDIA et d’AWS, mais le volume de capacité annoncé représente un engagement futur et non une capacité immédiatement disponible.
AWS indique que des intégrations existantes fournissent actuellement des instances EC2 reposant sur des GPU et Trainium au sein d’AWS Nitro System, ainsi qu’une connectivité via Elastic Fabric Adapter, en plus des modèles Nemotron sur Amazon Bedrock et Amazon SageMaker. L’entreprise précise également que le traitement des données accéléré par GPU sur Amazon EMR a atteint jusqu’à 3,7 fois la vitesse de traitement d’Apache Spark et une amélioration de 30 % des performances par rapport au coût, tandis que l’index vectoriel accéléré d’Amazon OpenSearch Service a permis une indexation jusqu’à 9 fois plus rapide, pour un coût égal au quart de celui des configurations comparées. Amazon Robotics utilise les plateformes Jetson, Omniverse et Isaac pour développer l’automatisation des entrepôts.