Les tarifs de location Nvidia H100 augmentent malgré le lancement de Blackwell : +40% en six mois

Le marché du calcul en IA a démontré une résilience inattendue du matériel ancien : après le lancement des systèmes Nvidia Blackwell, la location d'accélérateurs H100 non seulement n'a pas diminué, mais a notablement augmenté. Sur six mois, le tarif moyen de location à long terme a augmenté d'environ 1,70 à 2,35 dollars par GPU par heure, et la capacité disponible basée sur Hopper pour de nombreux fournisseurs s'est pratiquement épuisée. La logique du marché suggérait l'inverse.

Le H100 n'est plus le produit phare : c'est la génération précédente d'accélérateurs Nvidia sur l'architecture Hopper, tandis que Blackwell est promue comme la nouvelle base pour les plus grands clusters d'IA. Habituellement, après un changement de génération, les anciennes GPU deviennent moins chères parce que certains clients passent à des systèmes plus rapides et qu'une plus grande offre secondaire apparaît sur le marché. Mais en 2026, ce scénario ne s'est pas concrétisé.

Les analystes enregistrent simultanément deux signaux de pénurie. Premièrement, les prix augmentent : une augmentation d'environ 40% sur six mois pour un produit mature semble atypique. Deuxièmement, même à ces tarifs, trouver des H100 disponibles est difficile.

Les locataires tentent de prolonger les contrats existants à n'importe quel prix, dans certains cas immédiatement pour plusieurs années à venir. Cela signifie que pour de nombreuses entreprises, il est plus important de garantir l'accès au calcul que d'attendre que le marché se refroidisse.

La raison est que Blackwell n'a pas encore réussi à remplacer Hopper en volume suffisant. Les nouvelles instances avec des accélérateurs de génération Blackwell sont progressivement déployées sur le marché, et une partie significative des déploiements n'est attendue que vers le milieu de l'année. Tant que l'offre est limitée, la demande continue de croître plus vite que les fournisseurs ne parviennent à introduire de nouveaux racks et clusters.

En conséquence, les systèmes supérieurs de la génération précédente ne sont pas libérés : ils restent le cheval de travail pour l'entraînement des modèles, l'ajustement fin, l'inférence et les services d'IA d'entreprise. Ceci est particulièrement visible sur les tâches d'entraînement. Malgré l'apparition de Blackwell, de nombreuses charges de travail d'entraînement de modèles en termes de rapport prix/performance s'adaptent toujours bien au H100, en particulier si les entreprises n'ont pas besoin de méga-clusters expérimentaux, mais de configurations familières de dizaines ou de centaines de GPU.

Pour l'inférence, la nouvelle génération est certes plus attrayante, mais dans la pratique, la disponibilité du matériel importe souvent plus que la performance théorique. Si le cluster Blackwell nécessaire n'est pas disponible dans les mois à venir, l'entreprise utilise ce qui peut être déployé maintenant. Le H100 a une position pratique solide pour cela.

Ces accélérateurs sont bien connus du marché, les frameworks sont déjà optimisés pour eux, les configurations cloud et les pipelines internes des entreprises sont déjà adaptés à eux. Nvidia promeut le H100 comme un accélérateur universel pour l'entraînement et l'inférence de grands modèles sur l'architecture Hopper, et dans les clusters réels, non seulement la performance maximale compte, mais aussi la prévisibilité de l'approvisionnement, la compatibilité et l'économie claire. Si Blackwell promet une augmentation multiple de l'efficacité sur les charges de travail les plus lourdes des grands modèles de langage, alors H100 reste un outil compréhensible et éprouvé où la migration vers une nouvelle génération ne s'amortit pas immédiatement.

Un facteur distinct est la structure même du marché de la location de GPU. La grande majorité des transactions ne se font pas par des prix horaires publics, mais par des contrats à moyen et long terme. Quand la demande s'accélère soudainement, les fournisseurs de cloud ont la possibilité de choisir les clients, d'augmenter les tarifs et de demander des engagements plus longs.

Pour les startups et les équipes d'entreprise, cela signifie une chose désagréable : la rareté est maintenant exprimée non seulement par le prix, mais aussi par l'absence de créneaux. Même si le budget est disponible, le cluster nécessaire peut simplement ne pas être disponible.

La conclusion pour le marché est simple : dans le boom de l'IA, un accélérateur n'est considéré comme « obsolète » que sur le papier. Tant que la production de nouveaux systèmes accuse du retard par rapport à la demande, la génération précédente de systèmes Nvidia conserve une valeur quasi stratégique et peut devenir plus chère contrairement à la logique habituelle des mises à jour matérielles. Pour les clients du cloud, c'est un signal pour réserver la capacité à l'avance et être plus prudent dans la planification d'une migration rapide vers Blackwell. Pour Nvidia elle-même, c'est la confirmation que la demande de calcul croît toujours plus vite que l'infrastructure ne peut être mise à jour.