Au GTC 2026, NVIDIA déplace le centre de gravité des puces vers les usines à tokens et l'ère de l'Agent-as-a-Service

Au GTC 2026, NVIDIA a montré que la prochaine étape du marché de l'IA ne se construira pas autour de GPU isolés, mais autour d'usines d'inférence, où les tokens et les actions des agents deviennent le produit principal. La thèse centrale de la keynote : l'entreprise ne vend plus seulement des accélérateurs, mais une infrastructure complète pour la production industrielle de résultats d'IA, des bibliothèques CUDA aux racks de serveurs, aux réseaux et à la couche logicielle d'entreprise.

Vingt ans de CUDA comme socle

Le point de départ de ce virage, ce sont les vingt ans de CUDA. C'est le pari sur une plateforme logicielle qui a jadis fait des cartes graphiques NVIDIA, matériel de niche, un outil de calcul universel pour l'apprentissage automatique. Au GTC, ce parcours a été présenté comme une évolution continue : d'abord un écosystème de bibliothèques et de frameworks, puis les systèmes DGX, et maintenant des blocs modulaires prêts à l'emploi pour de grands clusters d'IA. La logique est simple : même la puce la plus puissante ne vaut pas grand-chose sans logiciels, sans optimisations et sans la possibilité de déployer rapidement des cas d'usage en production.

Du SaaS à l'Agent-as-a-Service

De là découle la deuxième thèse de NVIDIA : le marché passe du modèle SaaS à l'Agent-as-a-Service. Si les entreprises payaient auparavant l'accès à un outil et qu'un salarié en tirait le résultat, elles commencent désormais à payer pour une action d'IA accomplie. L'agent ne doit pas seulement générer du texte, mais boucler une tâche : traiter une demande, mener une analyse, préparer un document, prendre une décision dans le cadre de règles données.

L'étalon de l'efficacité n'est donc plus la performance abstraite en FLOPS, mais le coût du token utile et le prix final d'une action pertinente. Dans cette logique, l'inférence devient une économie à part entière, et les centres de données, des sites de production de travail intellectuel.

Le concept de Token Factory

C'est là que NVIDIA avance son concept de Token Factory. L'entreprise invite à voir les centres de données IA actuels non comme des lieux de stockage, mais comme des usines où entrent l'électricité et l'infrastructure, et d'où sort un flux de tokens pour les applications, les assistants et les agents autonomes. Au GTC, une estimation a été avancée : d'ici 2027, les dépenses mondiales de construction et de modernisation de ces capacités pourraient approcher 1 000 milliards de dollars. La demande est alimentée non seulement par l'IA d'entreprise, mais aussi par l'essor des modèles ouverts, qui se sont rapprochés de la frontière en qualité et permettent à davantage d'entreprises de lancer leurs propres services.

L'architecture Vera Rubin

Le socle matériel de cette stratégie est l'architecture Vera Rubin. NVIDIA ne la décrit pas comme un simple gain de puissance par rapport à la génération précédente, mais comme une tentative de repackager toute la pile pour l'inférence. Ce qui compte n'est plus une carte ni même un serveur, mais le rack entier : calcul, CPU, mémoire, stockage, réseau, sécurité et liaisons optiques entre modules.

Cette approche vise à accroître à la fois le débit et la réactivité des systèmes sans faire exploser la facture d'électricité. L'accent est mis séparément sur la modularité : les configurations peuvent être assemblées selon le type de charge, des réponses rapides de masse au raisonnement coûteux en temps réel. Cela dessine aussi une nouvelle segmentation du marché : des réponses bon marché pour le grand public et une inférence premium pour les scénarios agentiques complexes.

Autre signal important du GTC : les agents IA sont de plus en plus considérés comme une partie de l'infrastructure d'entreprise, et non comme une surcouche expérimentale au-dessus des chats. C'est pourquoi, à côté du matériel, NVIDIA promeut des architectures de référence logicielles pour déployer des agents dans les grandes entreprises. L'idée est que l'agent travaille dans le cadre des politiques de sécurité, n'accède qu'aux interfaces autorisées et s'intègre de façon prévisible au paysage informatique de l'entreprise.

Pour les entreprises, cela compte peut-être même plus que les puces : sans contrôle, audit ni capacité de pilotage, aucune autonomie n'atteindra la production.

L'enseignement principal

L'enseignement principal du GTC 2026 est que NVIDIA cherche à occuper non seulement le marché des accélérateurs, mais aussi la place de fournisseur de base de l'économie de l'inférence. Si la concurrence portait auparavant sur le nombre de transistors et le leadership dans l'entraînement des modèles, le centre de gravité se déplace désormais vers le coût de l'action utile, la robustesse des services d'IA et la vitesse de déploiement des systèmes agentiques. Pour le marché, cela signifie passer du discours sur le « GPU le plus puissant » à la question de savoir qui saura produire de l'intelligence en tant que service de façon moins chère et plus fiable.

En bref :

• Au GTC 2026, NVIDIA a déplacé le focus des GPU isolés vers les usines d'inférence, où le produit, ce sont les tokens et les actions des agents.
• Le marché passe du SaaS à l'Agent-as-a-Service ; l'étalon est le coût du token utile. Les dépenses pour ces capacités pourraient approcher 1 000 milliards de dollars d'ici 2027.
• L'architecture Vera Rubin repackage toute la pile pour l'inférence : le rack entier, avec un accent sur la modularité selon les charges.