Dernière mise à jour : 8 septembre 2026.

Cette carte se concentre sur les projets de très grande capacité liés à l’intelligence artificielle, au cloud et au calcul intensif dont la localisation est publiquement connue. Elle ne recense pas tous les centres de données existants en France ni tous les projets encore confidentiels.

Ce qu’il faut retenir

• La Direction générale des Entreprises indique désormais que 63 sites français ont été identifiés comme favorables à l’implantation de data centers. Le chiffre de 35 sites annoncé début 2025 n’est donc plus à jour.
• RTE estime qu’environ 300 data centers sont déjà présents en France, tandis que l’ADEME en recense 352 selon une méthodologie différente.
• L’ADEME estime leur consommation actuelle à environ 10 TWh par an, soit près de 2,2 % de la consommation électrique française.
• En mai 2026, RTE avait déjà réservé près de 18 GW de capacité pour environ 80 projets de data centers.
• Une dizaine de projets demandent désormais plus de 400 MW de puissance.
• SoftBank prévoit une première phase de 45 milliards d’euros et 3,1 GW dans les Hauts-de-France, avant un objectif national pouvant atteindre 75 milliards d’euros et 5 GW.
• Les trois premiers sites SoftBank sont Loon-Plage, Le Bosquel et Bouchain.
• Data4 prépare à Escaudain un campus de 700 MW représentant 5 milliards d’euros d’investissement.
• Le Campus AI de Fouju, porté par MGX, Bpifrance, Mistral et Nvidia, peut techniquement monter jusqu’à 1,4 GW et a déjà sécurisé 700 MW auprès de RTE.
• OpCore prépare près de Montereau une AI Factory de 400 MW.
• Digital Realty construit à Dugny trois data centers totalisant 176 MW de capacité IT.
• Google prépare à Ozans-Châteauroux un immense campus de 8 à 10 bâtiments, mais le projet est toujours au stade de la concertation et des procédures administratives.

Carte : où seront construits les principaux méga data centers IA en France ?

La carte montre une concentration particulièrement impressionnante dans les Hauts-de-France et en Île-de-France.

Ce phénomène s’explique par plusieurs facteurs : disponibilité de terrains de grande taille, proximité de lignes électriques haute tension, anciens sites industriels pouvant être reconvertis et excellente connectivité vers les grands hubs numériques européens.

Notre sélection n’est volontairement pas une carte de tous les data centers français. RTE estime qu’environ 300 centres sont déjà présents sur le territoire et l’ADEME en comptabilise 352. La plupart sont beaucoup plus petits que les gigantesques usines de calcul actuellement prévues pour l’IA.

Les principaux projets de data centers IA en France

Attention à la lecture des puissances : les opérateurs ne communiquent pas tous la même métrique. Certains parlent de puissance électrique disponible au raccordement, d’autres de capacité IT réellement utilisable par les serveurs. Les valeurs ne sont donc pas toujours directement comparables.

SoftBank va transformer les Hauts-de-France en gigantesque hub IA

L’annonce la plus spectaculaire de 2026 vient du japonais SoftBank.

Le groupe a officialisé une stratégie visant à développer jusqu’à 5 GW de capacité de data centers dédiés à l’intelligence artificielle en France.

L’investissement total pourrait atteindre 75 milliards d’euros.

La première phase est déjà beaucoup plus concrète : SoftBank prévoit d’investir 45 milliards d’euros afin de déployer 3,1 GW dans les Hauts-de-France d’ici 2031.

Trois implantations sont officiellement retenues :

• Loon-Plage, dans la zone portuaire de Dunkerque ;
• Le Bosquel, dans la Somme, au sud-ouest d’Amiens ;
• Bouchain, près de Valenciennes.

SoftBank décrit cette opération comme son plus important investissement dans les infrastructures d’IA en Europe.

Le Bosquel pourrait atteindre 1 GW

Le projet du Bosquel est particulièrement impressionnant.

Lors d’un déplacement à Amiens en juin 2026, Emmanuel Macron a évoqué un gigawatt de capacité de centre de données sur ce site.

Un gigawatt représente un ordre de grandeur comparable à la puissance électrique d’un gros réacteur de production. Cette comparaison doit cependant être comprise correctement : un data center de 1 GW ne constitue évidemment pas une centrale électrique et sa consommation réelle dépendra de son niveau de charge et de sa mise en service progressive.

SoftBank récupère l’ancienne centrale de Bouchain

À Bouchain, les informations sont encore plus précises.

EDF a sélectionné SoftBank comme attributaire pressenti pour la conception, la construction et l’exploitation d’un data center de 400 MW sur le site de son ancienne centrale thermique.

La reconversion des anciennes centrales électriques est devenue une stratégie importante pour les data centers.

Ces sites disposent souvent déjà :

• de terrains industriels importants ;
• d’un raccordement à des réseaux électriques de forte puissance ;
• d’infrastructures logistiques ;
• d’un foncier déjà artificialisé.

Loon-Plage complète le triangle SoftBank

Le troisième site est situé à Loon-Plage, près du port de Dunkerque.

SoftBank n’a pas communiqué une répartition individuelle complète de la puissance entre Loon-Plage, Le Bosquel et Bouchain. Il serait donc trompeur de calculer la capacité de Dunkerque simplement en soustrayant les deux autres projets des 3,1 GW annoncés.

Le groupe confirme uniquement que les trois sites forment ensemble la première phase du programme français.

Schneider Electric est parallèlement associé au projet industriel et doit développer à Dunkerque une capacité de fabrication de modules électriques destinés aux data centers.

Escaudain : Data4 investit 5 milliards dans un campus de 700 MW

Les projets de SoftBank ne sont pas les seuls à transformer le Nord de la France.

Data4 a confirmé le 12 juin 2026 un investissement de 5 milliards d’euros à Escaudain, près de Valenciennes.

Le futur campus doit être construit sur l’ancienne friche industrielle du Parc des Soufflantes.

Il occupera environ 33 hectares et comprendra quatre data centers de nouvelle génération.

La puissance maximale annoncée atteint 700 MW.

Data4 présente Escaudain comme le plus grand projet jamais porté par le groupe.

L’entreprise affirme également que le campus pourrait générer jusqu’à 2 400 emplois permanents à terme. Ce chiffre est une estimation communiquée par Data4 et doit être distingué du nombre de salariés nécessaires à la seule exploitation physique des salles informatiques : le groupe inclut dans sa projection un écosystème économique et technologique plus large.

Cambrai : le projet E-Valley reste lui aussi dans la course

Le développement d’Escaudain ne signifie pas la disparition du projet de Cambrai.

Brookfield, propriétaire majoritaire de Data4, développe également une grande infrastructure sur le site E-Valley, aménagé sur une ancienne base aérienne à proximité de Cambrai.

Business France avait annoncé une première capacité d’au moins 300 MW, avec une ambition pouvant atteindre 1 GW.

Brookfield a depuis indiqué que Cambrai et Escaudain constituent deux de ses grands campus français.

La stratégie globale du gestionnaire d’actifs au Canada atteint désormais plusieurs dizaines de milliards d’euros d’investissements dans les infrastructures d’IA françaises.

Fouju : Mistral et Nvidia au cœur de l’un des plus grands Campus AI européens

En Seine-et-Marne, le projet de Fouju est l’un des plus stratégiques pour l’écosystème français.

Campus AI réunit :

• MGX, investisseur émirati spécialisé dans l’IA ;
• Bpifrance ;
• Mistral AI ;
• Nvidia.

Le raccordement électrique prévoit un premier palier de 240 MW d’ici fin 2027, puis 700 MW avant fin 2029.

L’architecture électrique est conçue pour permettre une montée en puissance pouvant atteindre 1,4 GW.

En juillet 2026, la préfecture de Seine-et-Marne a franchi une nouvelle étape en autorisant le campus et plusieurs de ses data centers.

Le projet n’est donc plus simplement une annonce politique.

La construction doit progressivement transformer le site des Bordes à Fouju en l’une des plus grandes infrastructures de calcul dédiées à l’IA en Europe.

Mistral sécurise jusqu’à 200 MW

Mistral doit devenir le premier grand client du campus.

La société française a sécurisé une première capacité de 96 MW, avec la possibilité de monter jusqu’à 200 MW.

Ces ressources serviront notamment à l’entraînement des futurs modèles de Mistral et à l’exécution de services d’inférence.

Le choix est stratégique : alors que les grands laboratoires américains sécurisent des gigawatts de capacités de calcul à travers le monde, Mistral tente de construire une part croissante de son infrastructure en France.

Montereau : OpCore prépare une AI Factory de 400 MW

Autre projet majeur d’Île-de-France : la reconversion de l’ancienne centrale thermique de Montereau-Vallée-de-la-Seine.

EDF et OpCore, société détenue à parts égales par le groupe Iliad et InfraVia, préparent un investissement d’environ 4 milliards d’euros.

OpCore présente aujourd’hui sa « Montereau AI Factory » comme un campus qui doit atteindre environ 400 MW de capacité AI-ready d’ici fin 2028.

Une première mise en service est envisagée avant la montée en puissance complète.

La proximité d’une connexion RTE à 400 kV constitue l’un des principaux atouts du site.

Dugny : trois data centers déjà en construction au nord de Paris

À Dugny, en Seine-Saint-Denis, Digital Realty construit un véritable campus de trois centres de données.

Les installations portent les noms PAR15, PAR16 et PAR17.

Elles doivent totaliser :

• plus de 65 000 m² d’espace informatique ;
• 176 MW de capacité IT ;
• environ 110 emplois permanents selon Digital Realty ;
• 450 emplois indirects annoncés.

La construction a commencé en 2025 et la livraison du premier bâtiment, PAR15, est prévue en 2027.

Digital Realty indique explicitement que le campus doit accueillir des infrastructures destinées à l’IA et au cloud souverain.

Marcoussis et Nozay : Data4 possède déjà un immense pôle de calcul au sud de Paris

Tous les grands projets ne partent pas d’un terrain vide.

Data4 dispose depuis plusieurs années d’un important campus dans l’Essonne.

Le groupe développe désormais autour de Marcoussis et Nozay un ensemble pouvant atteindre 500 MW, avec deux campus principaux de 250 MW.

Le site PAR03 de Nozay a été pensé spécifiquement pour répondre à la hausse des charges de calcul liées à l’intelligence artificielle.

Data4 y déploie notamment des architectures capables de gérer des racks dépassant 100 kW ainsi que du refroidissement liquide direct.

DataOne transforme deux anciens sites HP en usines d’IA en Isère

L’Isère accueille deux projets qui avaient été mis en avant dans les premières cartes françaises des grands centres de calcul : Eybens et Villefontaine.

DataOne a acquis en 2024 deux anciens sites de DXC Technology, eux-mêmes issus de l’histoire de Hewlett-Packard.

La société souhaite les transformer en infrastructures destinées au calcul IA.

Le cas d’Eybens permet cependant de rappeler à quel point les annonces de puissance peuvent évoluer.

Les premières communications avaient évoqué des ambitions extrêmement élevées. DataOne a ensuite indiqué que les contraintes physiques du site limitaient davantage les possibilités.

À Eybens, une première capacité d’environ 15 MW fonctionne déjà. Un raccordement de 80 MW a été demandé et la possibilité de monter jusqu’à environ 200 MW a été évoquée, mais cette puissance maximale ne doit pas être présentée comme déjà sécurisée.

Cette nuance est importante pour lire l’ensemble des annonces françaises : une ambition de plusieurs centaines de mégawatts n’équivaut pas toujours à une capacité électrique déjà contractualisée.

Loire-sur-Rhône : une ancienne centrale à charbon transformée en data center de 350 MW

La reconversion des anciennes centrales thermiques se poursuit au sud de Lyon.

EDF a sélectionné Éclairion pour développer un data center sur son ancien site de Loire-sur-Rhône.

La capacité visée atteint 350 MW.

Le projet doit occuper environ 14 hectares d’une friche industrielle déjà dépolluée.

Éclairion doit encore mener les études nécessaires et obtenir les différentes autorisations avant le lancement définitif du projet.

Les premières capacités sont attendues au plus tard à l’horizon 2030.

La Moselle accueillera deux grandes AI Factories d’Éclairion

Éclairion développe également deux importants projets sur d’anciens sites EDF en Moselle.

La Maxe : 250 MW

Le site de La Maxe, près de Metz, doit atteindre une capacité totale de 250 MW.

Éclairion prévoit une première phase de 50 MW puis une montée jusqu’à la capacité complète à l’horizon 2029-2030.

Richemont : 150 MW

À quelques kilomètres, l’ancienne centrale thermique de Richemont doit accueillir une autre infrastructure de 150 MW.

La mise en service annoncée par Éclairion vise actuellement le deuxième trimestre 2029.

Les deux projets pourraient ainsi former un important cluster de calcul intensif dans le Grand Est.

Google prépare un immense data center près de Châteauroux

L’un des projets les plus intéressants à surveiller ne figurait pas encore dans les premières cartes publiées au début de la vague française.

Google prépare son propre centre de données sur la ZAC d’Ozans, à Étrechet, près de Châteauroux.

La Commission nationale du débat public indique que le projet s’étendrait sur environ 195 hectares et comprendrait :

• 8 à 10 bâtiments de data centers ;
• deux postes électriques ;
• des raccordements 225 kV ;
• puis des liaisons 400 kV de très haute tension.

La première phase est envisagée pour 2028-2029.

Une deuxième phase, à partir de 2031, permettrait la mise en service progressive de sept à neuf bâtiments supplémentaires.

Certaines estimations de presse évoquent une puissance totale comprise entre 880 MW et 1,1 GW. Cette valeur ne doit toutefois pas être présentée comme une capacité définitive officiellement validée par Google.

Au 8 septembre 2026, la CNDP classe toujours le projet dans une procédure de concertation préalable.

La France ne dispose pas de 35 sites pour les data centers, mais désormais de 63

Le chiffre de 35 sites revient régulièrement dans les articles consacrés aux data centers français.

Il correspond à la première liste présentée lors du Sommet pour l’action sur l’intelligence artificielle de février 2025.

Cette information est aujourd’hui dépassée.

La Direction générale des Entreprises indique désormais que 63 sites favorables à l’accueil de centres de données ont été identifiés en France métropolitaine.

Ils ont été sélectionnés en fonction notamment :

• du foncier disponible ;
• des capacités de raccordement électrique ;
• des infrastructures existantes ;
• des délais de raccordement ;
• de l’acceptabilité territoriale.

Une grande partie de leur localisation détaillée reste volontairement non publique.

Cinq zones bénéficient d’un « fast track » pour les très gros projets

L’État et RTE ont identifié plusieurs zones capables d’accueillir des consommations électriques gigantesques beaucoup plus rapidement.

Cinq sites particulièrement importants ont notamment été placés dans un dispositif accéléré avec un potentiel de raccordement supérieur à 700 MW :

• Escaudain ;
• Le Bosquel ;
• le Grand Port Maritime de Dunkerque ;
• Fouju ;
• Montereau.

RTE a depuis annoncé vouloir accélérer davantage encore ce type de raccordement.

Le gestionnaire prévoit notamment des zones « prêtes à raccorder » pouvant ajouter :

• 9 GW d’ici 2029 dans les grands pôles industrialo-portuaires de Dunkerque, du Havre et de Fos ;
• 5 GW supplémentaires dans plusieurs grandes zones industrielles.

18 GW de demandes de raccordement : le changement d’échelle est spectaculaire

Les statistiques de RTE permettent de mesurer la vitesse du phénomène.

Fin 2024, les projets de data centers demandant un raccordement au réseau représentaient environ 5 GW pour une quarantaine de projets.

En mai 2026, RTE avait déjà réservé près de 18 GW pour environ 80 projets.

Le total a donc plus que triplé en moins de deux ans.

La majorité des projets demande entre 100 et 200 MW.

Mais RTE observe désormais une dizaine de projets dépassant 400 MW, ce qui aurait été exceptionnel quelques années auparavant.

Pourquoi la France attire-t-elle autant de data centers ?

Les investisseurs ne choisissent pas la France uniquement grâce aux subventions ou aux annonces politiques.

Le pays possède plusieurs avantages structurels particulièrement recherchés pour l’IA.

Une électricité largement décarbonée

L’entraînement et l’utilisation des modèles d’intelligence artificielle nécessitent énormément d’électricité.

La France dispose d’un avantage majeur grâce à son parc nucléaire et hydraulique.

Cette production permet de proposer une électricité dont l’intensité carbone est généralement beaucoup plus faible que celle de nombreux autres grands marchés numériques.

Une capacité de production électrique importante

La France est redevenue un important exportateur d’électricité.

EDF et l’État mettent précisément cet excédent de production en avant pour convaincre les opérateurs de construire leurs infrastructures sur le territoire.

Cela ne signifie cependant pas qu’il existe 18 GW de puissance disponible instantanément partout en France.

Le véritable goulot d’étranglement est souvent le réseau électrique local et le délai nécessaire pour construire ou renforcer les lignes et postes nécessaires.

Des anciennes friches industrielles idéales

De nombreux projets actuels réutilisent :

• des centrales thermiques fermées ;
• d’anciens sites sidérurgiques ;
• des bases aériennes ;
• des friches industrielles ;
• d’anciens sites informatiques.

Bouchain, Loire-sur-Rhône, La Maxe, Richemont, Escaudain et Montereau suivent tous, à des degrés différents, cette logique.

L’avantage est double : limiter l’artificialisation de nouveaux terrains et profiter d’infrastructures électriques héritées de l’activité industrielle précédente.

Une bonne position entre les principaux hubs européens

Les Hauts-de-France bénéficient également d’une situation géographique intéressante entre Londres, Paris, Amsterdam et Francfort.

Ces grandes métropoles constituent quatre des principaux marchés européens du cloud et des échanges de données.

À l’autre extrémité du pays, Marseille profite de l’arrivée de nombreux câbles sous-marins internationaux et constitue déjà l’un des principaux hubs de connectivité d’Europe.

Attention : un investissement annoncé n’est pas forcément un data center construit

Les dizaines de milliards annoncés autour de l’intelligence artificielle peuvent donner l’impression que tous les bâtiments sortiront de terre simultanément.

La réalité est plus complexe.

Un grand projet traverse généralement plusieurs étapes :

• identification du terrain ;
• études de faisabilité ;
• réservation d’une capacité électrique ;
• accord avec RTE ;
• études environnementales ;
• concertation publique ;
• permis de construire ;
• autorisations environnementales ;
• construction ;
• installation des équipements informatiques ;
• mise en service progressive.

Des années peuvent séparer l’annonce initiale de la pleine exploitation d’un campus.

C’est pourquoi TechPi distingue dans cette carte les sites en construction, autorisés, confirmés et encore en concertation.

Combien y a-t-il réellement de data centers en France ?

Deux chiffres circulent actuellement.

RTE parle d’environ 300 data centers présents en France en 2026.

L’ADEME en recense de son côté 352.

Cette différence ne signifie pas nécessairement qu’une source est fausse.

Le nombre dépend de la définition retenue : centre de colocation commercial, installation privée d’entreprise, infrastructure informatique interne, taille minimale prise en compte ou encore date de mise à jour.

L’important est surtout l’évolution de leur puissance.

RTE indique que seuls huit data centers actuels sont directement raccordés à son réseau de haute et très haute tension, pour environ 800 MW cumulés.

Les projets en développement peuvent désormais demander à eux seuls plusieurs centaines de mégawatts, voire dépasser le gigawatt.

Les data centers consomment déjà environ 10 TWh d’électricité par an

L’ADEME estime la consommation des 352 centres de données recensés en France à environ 10 TWh d’électricité par an.

À titre de comparaison, la consommation électrique totale du pays atteignait environ 449 TWh en 2025.

Les data centers représenteraient donc environ 2,2 % de la consommation nationale.

L’ADEME compare cet ordre de grandeur à la consommation électrique annuelle de neuf à dix agglomérations de plus de 100 000 habitants.

Et ce chiffre pourrait augmenter très rapidement avec l’intelligence artificielle.

L’ADEME envisage une consommation multipliée par 3,7 d’ici 2035 dans son scénario tendanciel

En janvier 2026, l’ADEME a publié plusieurs scénarios consacrés aux besoins futurs des centres de données.

Dans son scénario tendanciel, la consommation d’électricité induite par les usages numériques français pourrait être multipliée par 3,7 d’ici 2035.

L’agence précise qu’une grande partie de cette consommation pourrait néanmoins continuer à avoir lieu à l’étranger si les services français reposent sur des infrastructures étrangères.

Ce point permet de comprendre le dilemme français.

Construire davantage de data centers en France augmente la consommation électrique nationale.

Mais héberger les mêmes calculs à l’étranger ne fait pas disparaître leur consommation : celle-ci est simplement déplacée vers un autre pays, parfois avec une électricité beaucoup plus carbonée.

Le véritable débat environnemental dépasse donc le simple nombre de data centers

La question n’est pas uniquement de savoir s’il faut construire ou non des centres de données.

Il faut aussi déterminer :

• où ils sont implantés ;
• quel type d’électricité ils utilisent ;
• leur efficacité énergétique ;
• leur consommation d’eau ;
• la possibilité de récupérer leur chaleur ;
• les sols utilisés ;
• les services numériques auxquels ils sont destinés.

L’ADEME recommande notamment de favoriser les implantations permettant de récupérer la chaleur fatale produite par les serveurs afin d’alimenter des réseaux de chaleur, des bâtiments ou d’autres usages proches.

Et la consommation d’eau ?

Elle dépend énormément de la technologie de refroidissement.

Certains data centers utilisent des systèmes évaporatifs qui peuvent consommer une quantité significative d’eau.

D’autres nouveaux projets privilégient des circuits fermés, le refroidissement liquide ou des architectures permettant d’éviter presque entièrement la consommation d’eau douce pour le refroidissement.

Campus AI affirme par exemple que son architecture de Fouju utilisera un refroidissement sans consommation d’eau douce.

La loi française prend désormais explicitement ce problème en compte.

La loi peut désormais bloquer un data center dans une zone en tension sur l’eau

La loi de simplification de la vie économique du 26 mai 2026 a créé un régime spécifique permettant à certains grands centres de données d’obtenir le statut de projet d’intérêt national majeur.

Ce statut peut accélérer certaines procédures administratives et d’urbanisme.

Mais le texte contient également un garde-fou important :

l’administration peut refuser le permis de construire d’un centre de données lorsque le territoire connaît des tensions structurelles sur la ressource en eau.

Le gouvernement cherche donc simultanément à accélérer les projets jugés stratégiques et à tenir compte de leur impact local.

Les data centers créent-ils vraiment beaucoup d’emplois ?

C’est l’un des débats les plus sensibles.

La construction d’un campus de plusieurs centaines de mégawatts mobilise énormément de salariés dans le bâtiment, l’électricité, l’ingénierie et les infrastructures.

Une fois le chantier terminé, l’exploitation d’un data center extrêmement automatisé nécessite généralement beaucoup moins de personnel.

Les opérateurs communiquent donc souvent des chiffres intégrant :

• les emplois directs du site ;
• les sous-traitants ;
• la maintenance ;
• les fournisseurs ;
• les entreprises technologiques susceptibles de s’installer autour du campus ;
• les centres de formation ou de recherche associés.

Digital Realty annonce par exemple environ 110 emplois permanents pour son campus de Dugny, tandis que Data4 évoque jusqu’à 2 400 emplois permanents autour du projet d’Escaudain et de son écosystème.

Ces chiffres ne recouvrent donc pas exactement la même chose et ne doivent pas être comparés directement.

Pourquoi l’intelligence artificielle nécessite-t-elle des data centers beaucoup plus gros ?

L’IA générative change profondément la conception des centres de données.

Un modèle moderne peut nécessiter des dizaines de milliers de GPU fonctionnant simultanément.

Ces puces consomment beaucoup d’électricité et produisent énormément de chaleur.

Les nouveaux data centers doivent donc supporter :

• des racks dépassant parfois 100 kW ;
• des systèmes de refroidissement liquide ;
• des réseaux extrêmement rapides entre GPU ;
• des centaines de mégawatts d’alimentation électrique ;
• des installations fonctionnant 24 heures sur 24.

C’est ce changement technique qui explique en grande partie le passage de data centers de quelques dizaines de mégawatts à des campus dont la puissance se mesure désormais en centaines de mégawatts ou en gigawatts.

La France peut-elle réellement fournir toute cette électricité ?

À court terme, RTE considère que le développement des data centers reste compatible avec le système électrique français.

Mais cela ne signifie pas que toutes les demandes actuelles de 18 GW seront nécessairement réalisées.

Un grand nombre de projets peuvent :

• être retardés ;
• être réduits ;
• changer d’emplacement ;
• ne jamais obtenir leur financement ;
• être abandonnés.

RTE modifie d’ailleurs progressivement la gestion de sa file d’attente afin de privilégier les projets les plus matures.

Le principe doit évoluer vers une logique de « premier prêt, premier servi » plutôt qu’un simple ordre chronologique.

Les Hauts-de-France deviennent la région clé de l’IA française

Lorsque l’on place les projets sur une carte, une région se détache immédiatement.

Les Hauts-de-France concentrent une quantité exceptionnelle de projets.

On y retrouve notamment :

• Loon-Plage ;
• Bouchain ;
• Le Bosquel ;
• Escaudain ;
• Cambrai / E-Valley.

La puissance cumulée potentielle de ces infrastructures se compte en plusieurs gigawatts.

Cette concentration pourrait transformer une partie de l’ancien bassin industriel du Nord en l’un des plus grands pôles européens de calcul pour l’intelligence artificielle.

Quels sont les prochains projets à surveiller ?

La carte française pourrait évoluer rapidement dans les prochains mois.

Plusieurs éléments doivent être surveillés :

• les futurs sites supplémentaires de SoftBank destinés à passer de 3,1 GW à 5 GW ;
• le second grand site de Campus AI après Fouju ;
• l’évolution du projet Google à Châteauroux ;
• la construction effective d’E-Valley à Cambrai ;
• la montée en puissance de DataOne à Eybens et Villefontaine ;
• les autorisations du projet Éclairion à Loire-sur-Rhône ;
• les nouveaux sites EDF proposés sur d’anciennes emprises industrielles ;
• les quatre projets de Prologis en région parisienne, représentant 584 MW annoncés en 2025 ;
• les nouvelles implantations à Marseille et dans le sud de la France.

Cette page sera mise à jour au fur et à mesure des permis, raccordements RTE, débuts de chantier et mises en service.

FAQ sur les data centers en France

Combien y a-t-il de data centers en France ?

RTE estime qu’environ 300 data centers sont déjà présents en France en 2026. L’ADEME en recense 352 avec une méthodologie différente.

Quel est le plus gros projet de data center en France ?

En matière de programme d’investissement annoncé, SoftBank est actuellement le projet le plus massif, avec jusqu’à 75 milliards d’euros et 5 GW de capacité envisagée sur plusieurs sites français.

Où seront les trois premiers data centers SoftBank ?

Ils seront implantés à Loon-Plage près de Dunkerque, au Bosquel dans la Somme et à Bouchain dans le Nord.

Quelle puissance représentera le programme SoftBank ?

La première phase doit atteindre 3,1 GW dans les Hauts-de-France. SoftBank vise ensuite jusqu’à 5 GW en France.

Mistral AI aura-t-il son propre data center ?

Mistral est actionnaire de Campus AI avec MGX, Bpifrance et Nvidia. La société a sécurisé jusqu’à 200 MW de capacité de calcul à Fouju et bénéficiera d’un accès privilégié aux capacités du réseau Campus AI.

Google construit-il un data center en France ?

Google prépare un projet de très grande taille sur la ZAC d’Ozans, à Étrechet près de Châteauroux. Il pourrait comprendre 8 à 10 bâtiments. Le projet est toutefois encore en phase de concertation préalable au 8 septembre 2026.

Combien consomment les data centers français ?

L’ADEME estime actuellement leur consommation à environ 10 TWh par an, soit approximativement 2,2 % de la consommation électrique française.

Pourquoi construit-on autant de data centers pour l’IA ?

Les modèles d’intelligence artificielle nécessitent de gigantesques grappes de GPU pour leur entraînement et leur utilisation. Ces machines ont besoin de beaucoup d’électricité, de refroidissement et de connectivité, ce qui pousse les opérateurs à construire des infrastructures beaucoup plus grandes.

Un data center de 1 GW consomme-t-il autant qu’une centrale nucléaire ?

Un gigawatt correspond à une puissance électrique et permet de comparer des ordres de grandeur. Mais une centrale produit de l’électricité tandis qu’un data center en consomme. La consommation réelle dépend également du taux de charge du site. La comparaison doit donc rester indicative.

Pourquoi autant de data centers sont-ils prévus dans le Nord ?

Les Hauts-de-France réunissent plusieurs avantages : grandes friches industrielles, raccordements électriques importants, proximité de Dunkerque et des réseaux européens, ainsi qu’une position géographique entre Paris, Londres, Amsterdam et Francfort.

La France dispose-t-elle vraiment de 35 sites prêts pour les data centers ?

Ce chiffre correspond à l’annonce initiale de février 2025. La Direction générale des Entreprises indique désormais que 63 sites favorables ont été identifiés sur le territoire métropolitain.

Peut-on savoir si un data center est prévu près de chez soi ?

Les grands projets nécessitant des procédures environnementales ou une concertation deviennent généralement publics. En revanche, la localisation de tous les sites identifiés par l’État n’est pas publiée. Les préfectures, la CNDP, RTE et les communes concernées constituent les sources les plus fiables pour suivre un projet local.

La France est-elle en train de devenir la capitale européenne des data centers IA ?

Il est encore trop tôt pour l’affirmer.

Paris, Londres, Francfort, Amsterdam et Dublin disposent déjà d’écosystèmes de data centers beaucoup plus anciens.

Mais la nouvelle génération d’infrastructures IA change le rapport de force.

Le critère principal n’est plus seulement d’être proche d’une grande capitale ou d’un nœud Internet. Il faut pouvoir mobiliser des centaines de mégawatts d’électricité rapidement.

Et sur ce terrain, la France dispose d’un avantage inhabituel en Europe : un parc électrique largement nucléaire et bas carbone, un important réseau très haute tension et de nombreuses anciennes emprises industrielles susceptibles d’être reconverties.

Les chiffres montrent cependant l’ampleur du pari.

Avec près de 18 GW de demandes de raccordement déjà enregistrées par RTE, le pays doit désormais décider quels projets méritent réellement plusieurs centaines de mégawatts, comment les raccorder et comment répartir les bénéfices et les contraintes avec les territoires concernés.

La course française aux data centers ne fait donc que commencer. Le vrai sujet des prochaines années ne sera probablement plus de savoir si de nouveaux centres de calcul vont être construits, mais lesquels seront réellement raccordés, à quelle vitesse et pour quels usages de l’intelligence artificielle.

Sources

• SoftBank — programme français de 5 GW et première phase de 3,1 GW
• Élysée — investissements SoftBank, sites confirmés et calendrier
• EDF — data center SoftBank de 400 MW à Bouchain
• Data4 — campus de 700 MW et 5 milliards d’euros à Escaudain
• Bpifrance — expansion nationale de Campus AI jusqu’à 3 GW
• Bpifrance — Mistral sécurise jusqu’à 200 MW à Fouju
• Préfecture de Seine-et-Marne — autorisations du Campus AI de Fouju
• EDF — projet OpCore à Montereau-Vallée-de-la-Seine
• Digital Realty — Dugny Digital Hub et ses 176 MW
• Data4 — capacités des campus Paris-Saclay
• Éclairion — capacités de La Maxe, Richemont et Bruyères-le-Châtel
• CNDP — projet Google Ozans-Châteauroux
• RTE — nombre de data centers, consommation et demandes de raccordement
• Direction générale des Entreprises — 63 sites identifiés en France
• ADEME — consommation électrique et scénarios d’évolution des data centers
• Légifrance — statut de projet d’intérêt national majeur pour les data centers

L’article Carte des data centers en France : où seront construits les méga centres dédiés à l’IA ? est apparu en premier sur TechPi.

Dernière mise à jour : 3 septembre 2026.

Ce qu’il faut retenir

• Nvidia a signé un accord définitif pour acquérir Hugging Face pour 12,9303 milliards de dollars.
• Environ 11,9 milliards de dollars seront consacrés au rachat des actions détenues par les actionnaires.
• Jusqu’à 1 milliard de dollars supplémentaires prendront la forme d’un programme de rétention en actions destiné aux salariés de Hugging Face rejoignant Nvidia.
• La transaction doit encore obtenir les autorisations réglementaires.
• Sa finalisation est attendue au premier semestre 2027.
• Hugging Face n’étant pas cotée en Bourse, il est plus exact de parler de valorisation que de capitalisation boursière.
• La société avait été valorisée 4,5 milliards de dollars en 2023.
• Une proposition de Nvidia l’aurait valorisée 7 milliards de dollars en 2025.
• Le montant exact détenu par les trois fondateurs n’est pas public.
• Selon différentes estimations publiques, ils pourraient encore posséder collectivement environ 28 % à 39,5 % du capital.
• Sur la base des 11,9 milliards versés aux actionnaires, cette participation représenterait théoriquement environ 3,3 à 4,7 milliards de dollars.
• Il est impossible de répartir précisément cette somme entre Clément Delangue, Julien Chaumond et Thomas Wolf.

Nvidia rachète officiellement Hugging Face pour 12,9303 milliards de dollars

La rumeur qui circulait depuis la fin du mois d’août est désormais devenue un accord officiel.

Nvidia annonce avoir conclu un accord définitif pour acquérir Hugging Face pour :

12 930 300 000 dollars.

Le montant est étonnamment précis.

Nvidia et Hugging Face ont même glissé un petit clin d’œil dans ce chiffre : 129303 renvoie notamment à l’univers graphique associé à Hugging Face et à la couleur verte emblématique de Nvidia.

Mais derrière l’anecdote se trouve surtout la plus importante acquisition effectivement menée par Nvidia si elle obtient les autorisations nécessaires.

Le précédent record du groupe était le rachat de Mellanox, finalisé pour environ 7 milliards de dollars en 2020.

Attention : les actionnaires ne vont pas se partager 12,93 milliards

C’est la première distinction essentielle lorsque l’on cherche à calculer ce que vont réellement toucher les associés de Hugging Face.

Dans son document déposé auprès de la SEC, Nvidia détaille la structure financière de l’opération.

Le milliard consacré aux salariés n’est donc pas simplement ajouté au compte bancaire des fondateurs.

Il s’agit d’un programme de rémunération en actions destiné à inciter certains salariés de Hugging Face à rester après leur intégration chez Nvidia.

Pour calculer la valeur théorique des participations actuelles, le chiffre pertinent est donc plutôt celui des 11,9 milliards de dollars destinés aux actionnaires.

Et surtout : personne n’a encore encaissé les milliards

L’annonce du 3 septembre ne signifie pas que Nvidia a déjà viré 11,9 milliards de dollars aux actionnaires.

L’accord définitif a été signé, mais la transaction doit encore franchir différentes étapes.

Nvidia prévoit une finalisation pendant le premier semestre 2027.

L’opération dépend notamment :

• des autorisations réglementaires ;
• des conditions classiques de clôture ;
• d’éventuels ajustements du prix prévus par l’accord.

Les sommes présentées dans cet article représentent donc des valeurs théoriques avant la finalisation du rachat.

Hugging Face n’a pas vraiment une « capitalisation » de 12,9 milliards

Le terme capitalisation est souvent utilisé dans les discussions autour des startups, mais il est techniquement impropre dans ce cas.

Hugging Face est une société privée.

Ses actions ne sont pas négociées quotidiennement sur une place boursière comme celles de Nvidia, Apple ou Microsoft.

Il n’existe donc pas de capitalisation boursière Hugging Face en temps réel.

On parle plutôt de :

• valorisation lors d’une levée de fonds ;
• valeur des capitaux propres ;
• ou valeur retenue dans le cadre d’une acquisition.

Le chiffre de 12,9303 milliards de dollars correspond ici au montant global annoncé pour la transaction.

De 4,5 à presque 13 milliards en seulement trois ans

La progression est spectaculaire.

En août 2023, Hugging Face avait levé 235 millions de dollars lors d’un tour de table mené par Salesforce Ventures.

Cette opération valorisait alors l’entreprise :

4,5 milliards de dollars.

Participaient notamment à ce financement :

• Salesforce ;
• Nvidia ;
• Google ;
• Amazon ;
• AMD ;
• Intel ;
• Qualcomm ;
• IBM ;
• Sound Ventures.

En prenant les 11,9 milliards désormais destinés aux actionnaires, la valeur des fonds propres représente environ 2,64 fois la valorisation de 2023.

Cela correspond à une progression d’environ 164 %.

Hugging Face avait refusé une valorisation de 7 milliards

La décision prise en 2025 apparaît désormais particulièrement intéressante.

Le Financial Times avait révélé que Nvidia avait proposé d’investir environ 500 millions de dollars dans Hugging Face.

La transaction aurait valorisé la société autour de :

7 milliards de dollars.

Hugging Face avait refusé.

Un peu plus d’un an plus tard, les 11,9 milliards destinés aux actionnaires représentent exactement 70 % de plus que cette ancienne valorisation de 7 milliards.

Le refus apparaît donc financièrement très favorable aux actionnaires qui ont conservé leurs titres.

Combien possèdent réellement Clément Delangue, Julien Chaumond et Thomas Wolf ?

C’est là que les calculs deviennent plus compliqués.

Hugging Face n’étant pas cotée, son registre complet d’actionnaires et son cap table ne sont pas publics.

Nous ne connaissons donc pas officiellement le nombre d’actions détenues individuellement par :

• Clément Delangue ;
• Julien Chaumond ;
• Thomas Wolf.

Plusieurs bases privées tentent néanmoins de reconstituer le capital à partir des différentes levées de fonds.

Et les estimations ne sont pas parfaitement cohérentes.

Les trois fondateurs pourraient posséder entre 28 % et 39,5 %

Inc rapporte une estimation attribuée à Dealroom selon laquelle les trois cofondateurs détiendraient encore environ 28 % de Hugging Face à eux trois.

La page publique actuelle de Dealroom affiche toutefois une estimation différente, avec environ :

39,5 % du capital attribué collectivement aux fondateurs.

Cette divergence montre pourquoi il ne faut pas présenter un montant individuel comme une information confirmée.

Nous pouvons en revanche effectuer deux simulations.

Autrement dit, les trois Français pourraient collectivement détenir des actions valorisées entre environ 3,3 et 4,7 milliards de dollars dans le cadre du rachat.

Ce calcul reste une estimation et non une information issue de Nvidia ou de Hugging Face.

Plus d’un milliard de dollars chacun ? C’est possible, mais pas confirmé

Si les trois fondateurs possédaient exactement la même quantité d’actions — ce que rien ne permet d’affirmer — les calculs donneraient environ :

• 1,11 milliard de dollars chacun dans le scénario à 28 % ;
• 1,57 milliard de dollars chacun dans le scénario à 39,5 %.

Cette division par trois est uniquement illustrative.

Les fondateurs peuvent posséder des participations différentes, avoir vendu une partie de leurs actions lors d’opérations précédentes ou être soumis à des conditions différentes.

Le montant net effectivement perçu dépendra également de la fiscalité et de la structure juridique utilisée pour détenir leurs actions.

Les trois fondateurs pourraient-ils devenir milliardaires ?

Sur le papier, cela devient très plausible.

Même dans le scénario relativement conservateur d’une participation collective de 28 %, les trois fondateurs se partageraient théoriquement plus de 3,3 milliards de dollars avant impôts.

Mais affirmer aujourd’hui que chacun possède officiellement plus d’un milliard de dollars serait aller trop loin.

Pour le démontrer, il faudrait connaître :

• leur participation individuelle exacte ;
• les éventuelles actions déjà revendues ;
• les préférences attachées aux actions des investisseurs ;
• les modalités finales du rachat ;
• leur situation fiscale.

Lux Capital pourrait également réaliser une opération gigantesque

Dealroom estime actuellement la participation de Lux Capital autour de 14,5 %.

Si ce pourcentage était toujours exact au moment de la clôture et s’appliquait simplement aux 11,9 milliards destinés aux actionnaires, la valeur théorique serait d’environ :

1,73 milliard de dollars.

Il s’agit là encore d’une estimation brute.

Les participations peuvent avoir évolué, et les conditions attachées aux différentes catégories d’actions ne sont pas publiques.

Google, Amazon, Salesforce, Intel, AMD et Nvidia étaient aussi actionnaires

La particularité de Hugging Face est d’avoir réussi à réunir au capital des entreprises pourtant concurrentes.

Parmi ses investisseurs historiques figurent notamment :

• Salesforce ;
• Google ;
• Amazon ;
• Nvidia ;
• Intel ;
• AMD ;
• IBM ;
• Qualcomm.

Dealroom estime collectivement certaines participations stratégiques autour de 5,2 % du capital.

Appliqué mécaniquement aux 11,9 milliards, cela représenterait environ 619 millions de dollars.

Mais les participations individuelles de ces groupes ne sont pas publiées et Nvidia était elle-même déjà investisseur de Hugging Face.

Kevin Durant pourrait transformer 250 000 dollars en environ 60 millions

L’un des investissements les plus étonnants est celui de la star NBA Kevin Durant et de son associé Rich Kleiman.

Plusieurs sources indiquent qu’ils auraient investi :

• 100 000 dollars lors d’un premier tour ;
• puis environ 150 000 dollars lors de la série A.

Soit environ :

250 000 dollars au total.

Une estimation relayée notamment par Barron’s et The Next Web valorise aujourd’hui cette participation autour de 60 millions de dollars.

Cela représenterait un multiple proche de 240 fois la mise initiale.

Cette estimation n’a toutefois pas été confirmée directement par Kevin Durant, Rich Kleiman ou leur société Thirty Five Ventures.

Près de 400 millions levés pour une sortie à presque 13 milliards

Hugging Face indique avoir levé au total plus de 395 millions de dollars depuis sa création.

Comparer directement ce chiffre aux 11,9 milliards destinés aux actionnaires reste imparfait, puisque les investisseurs sont entrés à des valorisations très différentes.

Mais cela donne une idée de la création de valeur.

Le montant consacré au rachat des actions représente environ :

30 fois tout le capital externe levé par l’entreprise depuis sa création.

12,9 milliards pour environ 150 millions de dollars de revenus

La valorisation est encore plus impressionnante lorsqu’on la compare au chiffre d’affaires.

Avant l’opération, The Information estimait les revenus annualisés de Hugging Face autour de :

150 millions de dollars.

Les 11,9 milliards destinés aux actionnaires représentent ainsi environ 79 fois ces revenus annualisés.

En utilisant le montant global de 12,93 milliards incluant la rétention des salariés, le multiple dépasse même 86 fois les revenus.

Nvidia ne paie donc clairement pas Hugging Face uniquement pour son chiffre d’affaires actuel.

Nvidia achète surtout une infrastructure stratégique de l’IA

Hugging Face compte désormais plus de 18 millions de développeurs, chercheurs et créateurs selon Nvidia.

La plateforme héberge :

• plus de 3 millions de modèles ;
• environ 500 000 datasets selon les chiffres mis en avant par Nvidia ;
• plus d’un million d’applications ;
• des bibliothèques majeures comme Transformers et Diffusers ;
• des services de stockage et d’inférence ;
• des outils pour les agents et la robotique.

Plus de 200 000 entreprises utiliseraient désormais la plateforme.

Pour Nvidia, l’enjeu est donc moins de récupérer 150 millions de dollars de revenus que de devenir propriétaire de l’un des principaux points de rencontre de toute l’intelligence artificielle ouverte.

Une toute petite acquisition à l’échelle de Nvidia

Le paradoxe est que 12,93 milliards de dollars représentent une somme considérable pour Hugging Face, mais relativement limitée pour Nvidia.

La capitalisation boursière du fabricant de GPU tourne actuellement autour de 5 500 milliards de dollars.

Le prix total de Hugging Face représente ainsi environ :

0,24 % de la valeur boursière de Nvidia.

Le groupe a également généré près de 60 milliards de dollars de bénéfice net sur son dernier trimestre fiscal.

Nvidia dispose donc largement des moyens financiers nécessaires pour mener cette acquisition.

Hugging Face restera officiellement ouvert aux GPU concurrents

L’un des principaux sujets d’inquiétude concernait la neutralité de Hugging Face.

Nvidia prend aujourd’hui un engagement explicite.

La plateforme doit continuer à permettre aux utilisateurs de choisir :

• leurs modèles ;
• leurs frameworks ;
• leurs fournisseurs de cloud ;
• leurs services d’inférence ;
• leurs architectures matérielles.

Nvidia affirme notamment qu’il ne sera pas nécessaire d’utiliser ses GPU pour exploiter Hugging Face.

Le dépôt auprès de la SEC mentionne également le maintien du support des autres fabricants de silicium.

Le rachat n’est donc pas encore totalement terminé

La situation a beaucoup évolué depuis notre premier article consacré au rachat potentiel de Hugging Face.

Le 27 août, l’opération était encore rapportée par plusieurs médias sans confirmation officielle des deux entreprises.

Depuis, Nvidia a signé l’accord définitif et communiqué publiquement son montant.

Alors, combien vont réellement empocher les fondateurs de Hugging Face ?

La réponse la plus rigoureuse est :

nous ne le savons pas encore exactement.

Le cap table complet de Hugging Face n’est pas public.

Les estimations disponibles suggèrent toutefois une participation collective des fondateurs comprise entre environ 28 % et 39,5 %.

À partir des 11,9 milliards de dollars destinés aux actionnaires, cela représente une valeur théorique collective située entre :

3,33 et 4,70 milliards de dollars avant impôts.

Il est donc parfaitement plausible que cette acquisition fasse de Clément Delangue, Julien Chaumond et Thomas Wolf trois entrepreneurs disposant chacun d’une fortune théorique dépassant le milliard de dollars.

Mais sans connaître leur participation individuelle exacte, impossible de l’affirmer avec certitude.

Une autre certitude existe en revanche : dix ans après avoir créé Hugging Face, les trois Français viennent de signer l’une des sorties les plus importantes jamais réalisées par des fondateurs français dans la technologie.

À lire également sur TechPi

• Nvidia serait prêt à racheter Hugging Face pour 12,9 milliards de dollars
• OpenAI renforce sa sécurité après la faille Hugging Face
• Toutes les actualités intelligence artificielle de TechPi

Sources

• Nvidia — annonce officielle de l’acquisition de Hugging Face
• SEC — dépôt officiel de Nvidia détaillant les 11,9 milliards versés aux actionnaires et le programme de rétention
• Reuters — acquisition de Hugging Face par Nvidia
• Dealroom — estimation du capital de Hugging Face
• Inc. — estimation de la participation des cofondateurs
• TechCrunch — levée de 235 millions de dollars et valorisation de 4,5 milliards en 2023

L’article Nvidia rachète Hugging Face pour 12,93 milliards $ : combien les trois fondateurs vont-ils toucher ? est apparu en premier sur TechPi.

Ce qu’il faut retenir

• Anthropic aurait signé un contrat cloud d’environ 35 milliards de dollars.
• Le contrat est conclu avec Lambda, pas directement avec Nvidia.
• Lambda est soutenu financièrement par Nvidia et déploie des infrastructures reposant sur ses GPU.
• Le projet concerne un data center situé dans le comté de Nueces, au Texas.
• La capacité concernée est d’environ 350 MW.
• Le site est développé par Hut 8.
• Nvidia détiendrait le bail de l’infrastructure selon les sources citées.
• Le contrat porterait sur environ six ans.
• Anthropic vient également de conclure un contrat de 45 milliards de dollars avec Nscale.
• Ni Anthropic, ni Nvidia, ni Lambda, ni Hut 8 n’ont publiquement détaillé le contrat de 35 milliards au moment de notre vérification.

35 milliards de dollars pour davantage de puissance derrière Claude

Claude coûte extrêmement cher à entraîner et à faire fonctionner.

À mesure que Claude Code et les nouveaux modèles d’Anthropic gagnent des utilisateurs, l’entreprise doit sécuriser des quantités toujours plus importantes de GPU.

Reuters rapporte donc un nouvel accord portant sur environ 35 milliards de dollars de capacité cloud.

La puissance sera fournie par Lambda.

Le contrat durerait environ six ans selon une source proche du dossier citée par l’AFP.

Nvidia n’est pas le cocontractant d’Anthropic

C’est la première nuance importante.

Le titre « Anthropic signe 35 milliards avec Nvidia » simplifie excessivement le dossier.

Anthropic loue ses ressources à Lambda.

Lambda est néanmoins un acteur extrêmement proche de Nvidia.

Nvidia a investi dans l’entreprise, qui construit son activité cloud autour de ses accélérateurs GPU.

Lambda prépare notamment des clusters basés sur la génération Vera Rubin.

Un data center de 350 MW au Texas

L’infrastructure est située dans le comté de Nueces, au Texas.

Elle est développée par Hut 8, entreprise historiquement liée au minage de cryptomonnaies qui s’est massivement repositionnée vers les centres de données IA.

Le projet représente environ 350 mégawatts de capacité informatique.

À cette échelle, le centre ne ressemble plus à une simple salle de serveurs : il s’agit d’une véritable usine numérique nécessitant une alimentation électrique comparable à celle d’une infrastructure industrielle majeure.

Nvidia serait aussi titulaire du bail

Le montage financier est particulièrement intéressant.

Selon les informations rapportées par Reuters et le Wall Street Journal, Nvidia aurait sécurisé la capacité immobilière auprès de Hut 8.

Lambda utilise ensuite le site pour installer des GPU achetés auprès de Nvidia avant de louer cette puissance à Anthropic.

La chaîne devient donc :

Hut 8 → Nvidia → Lambda → Anthropic.

Nvidia intervient simultanément comme fournisseur technologique, investisseur de Lambda et acteur central de l’infrastructure.

Un exemple spectaculaire de l’économie circulaire de l’IA

Ce type de montage nourrit un débat croissant à Wall Street.

Nvidia vend des GPU aux entreprises qui construisent des clouds IA.

Le groupe investit parfois dans ces mêmes sociétés ou soutient leurs financements.

Ces clouds signent ensuite de gigantesques contrats avec des laboratoires qui ont eux-mêmes besoin de dizaines de milliards de dollars de calcul Nvidia.

Cela ne signifie pas que la demande est artificielle.

Mais la multiplication des liens financiers rend de plus en plus difficile la distinction entre fournisseur, investisseur, financeur et client final.

Anthropic vient déjà de signer 45 milliards avec Nscale

Le contrat Lambda arrive quelques jours après une autre annonce monumentale.

Anthropic s’est également engagé à louer environ 45 milliards de dollars de ressources auprès du britannique Nscale sur six ans.

Cette infrastructure doit être installée en Virginie-Occidentale avec environ 460 MW de capacité et des systèmes Nvidia Vera Rubin.

En quelques jours, ce sont donc près de 80 milliards de dollars de contrats cloud rapportés autour d’Anthropic.

Il faut toutefois éviter d’additionner mécaniquement tous les accords annoncés par l’entreprise comme s’il s’agissait de dépenses immédiatement payées : les engagements portent sur plusieurs années et peuvent avoir des structures financières différentes.

Anthropic a également sécurisé jusqu’à 5 GW chez Amazon

Le laboratoire ne dépend pas uniquement de Nvidia.

Anthropic a officiellement annoncé en avril un accord avec Amazon portant sur jusqu’à 5 GW de capacité et plus de 100 milliards de dollars d’engagements sur dix ans autour des technologies AWS.

Cette infrastructure utilise notamment les accélérateurs Trainium conçus par Amazon.

Anthropic cherche donc volontairement à diversifier ses fournisseurs.

Pourquoi autant de puissance ?

La demande vient de deux phénomènes simultanés.

Les modèles deviennent toujours plus coûteux à entraîner, mais l’inférence devient elle aussi un énorme poste de dépenses.

Les agents comme Claude Code peuvent produire des milliers d’appels de modèle pendant une seule tâche complexe.

Un utilisateur peut ainsi consommer beaucoup plus de calcul qu’avec un chatbot classique répondant à quelques questions.

TechPi suit régulièrement cette évolution dans nos articles consacrés à Anthropic et aux nouveaux modèles Claude.

La bataille de l’IA devient une bataille énergétique

Les montants donnent surtout une idée du changement d’échelle.

La concurrence entre OpenAI, Anthropic, Google et Meta n’est plus uniquement une guerre de chercheurs et d’algorithmes.

C’est désormais une compétition pour réserver :

• les GPU ;
• la mémoire HBM ;
• les data centers ;
• les transformateurs électriques ;
• les gigawatts nécessaires pour les alimenter.

Anthropic n’a donc pas signé directement 35 milliards de dollars avec Nvidia. Mais Nvidia est tellement présent dans toute la chaîne que la nuance devient presque la partie la plus intéressante de l’histoire.

Sources

• Reuters — accord Anthropic/Lambda de 35 milliards de dollars
• Anthropic — extension officielle du partenariat avec Amazon
• Hut 8 — infrastructure de 352 MW au Texas

L’article Anthropic signe 35 milliards $ de calcul chez Lambda : Nvidia est partout dans le montage est apparu en premier sur TechPi.

Ce qu’il faut retenir

• Samsung aurait engagé environ 70 % de sa capacité mémoire jusqu’en 2031 dans des contrats long terme.
• Nvidia, Microsoft et Google figurent parmi les principaux clients cités.
• L’information provient de sources industrielles du Seoul Economic Daily et n’a pas été détaillée officiellement par Samsung.
• La montée en puissance de la HBM4 consomme davantage de capacité DRAM.
• Les rendements de production HBM4 restent inférieurs à ceux de HBM3E.
• Un module HBM3E de 36 Go atteindrait environ 2 100 dollars sur le marché spot.
• Ce prix serait quatre à cinq fois supérieur à certains contrats long terme.
• Samsung étudierait la conversion d’une ligne de production foundry en capacité mémoire.
• SK Hynix estime que les tensions pourraient durer jusqu’en 2030.

70 % de la capacité déjà engagée jusqu’en 2031

Les géants de l’IA ne veulent plus simplement réserver quelques mois de production.

Ils sécurisent désormais leurs approvisionnements sur plusieurs années.

Selon des sources industrielles citées par le Seoul Economic Daily, la division mémoire de Samsung aurait alloué environ 70 % de sa capacité de production jusqu’en 2031 à des accords de fourniture à long terme.

Nvidia, Microsoft et Google font partie des principaux partenaires mentionnés.

Ces contrats permettent aux grands groupes d’obtenir une meilleure visibilité sur leurs futurs approvisionnements et des prix beaucoup plus prévisibles.

Non, 70 % de toute la mémoire Samsung ne part pas forcément chez trois entreprises

La formulation qui circule actuellement mérite une correction.

Le média coréen parle de 70 % de capacité affectée à des Long-Term Agreements.

Il cite Nvidia, Microsoft et Google parmi les principales contreparties.

Il ne dit pas que ces trois entreprises se partagent nécessairement à elles seules exactement 70 % de toutes les puces produites par Samsung.

Il ne faut pas non plus conclure que seuls 30 % des composants resteront disponibles pour les smartphones, PC ou consoles.

Les lignes, technologies et types de mémoire ne sont pas parfaitement interchangeables.

Pourquoi l’IA absorbe autant de DRAM

La véritable responsable est la HBM, pour High Bandwidth Memory.

Ces mémoires empilent plusieurs couches de DRAM et sont indispensables aux accélérateurs utilisés dans les centres de données IA.

Une seule puce HBM de grande capacité peut donc consommer beaucoup plus de dies qu’un module classique.

La nouvelle génération HBM4 accentue cette pression.

Selon les spécialistes interrogés par le média coréen, ses rendements de fabrication restent plus faibles que ceux de HBM3E.

Il faut donc utiliser davantage de silicium pour obtenir la même quantité de produits commercialisables.

Même Nvidia n’obtiendrait pas tout ce qu’il commande

Le niveau de tension devient tel que les contrats ne garantiraient même plus la livraison intégrale des volumes prévus.

Le Seoul Economic Daily affirme que certains grands clients ne récupèrent pas toutes les quantités qu’ils avaient négociées.

Ils doivent alors se tourner vers le marché spot, où les prix explosent.

2 100 dollars pour seulement 36 Go de HBM3E

Selon MegaGrid Supply, cité par le quotidien, un produit HBM3E de 36 Go atteint environ :

2 100 dollars sur le marché spot.

Ce serait quatre à cinq fois le tarif rapporté dans certains accords à long terme.

Un module HBM4 à 16 couches atteindrait quant à lui environ 3 500 dollars lorsqu’il est acheté hors contrat.

Ces chiffres concernent le marché professionnel spécialisé et ne doivent évidemment pas être comparés directement au prix d’une barrette DDR5 grand public.

La DRAM classique subit les conséquences

La pénurie HBM n’est pas confinée aux serveurs.

Les mêmes fabricants doivent arbitrer leurs investissements, leurs wafers et leurs lignes de production entre plusieurs catégories de mémoire.

Entre mai et juillet, la valeur des exportations sud-coréennes de DRAM a progressé alors même que le volume exporté diminuait.

Le prix unitaire moyen a bondi de plus de 36 % sur cette période selon les données citées par le Seoul Economic Daily.

C’est exactement le mécanisme qui peut ensuite toucher :

• les PC ;
• les smartphones ;
• les cartes graphiques ;
• les consoles ;
• les SSD et autres appareils électroniques.

Samsung cherche déjà à produire davantage

Samsung envisagerait notamment de convertir sa ligne foundry S5 située à Pyeongtaek en capacité de production mémoire.

L’objectif serait de soulager une partie de la pénurie.

Le problème est qu’une usine de semi-conducteurs ne se construit ni ne se reconvertit en quelques semaines.

Les investissements réalisés aujourd’hui ne produiront leurs effets qu’après plusieurs trimestres, voire plusieurs années.

Une pénurie qui pourrait durer jusqu’en 2030

Samsung n’est pas le seul fabricant inquiet.

SK Hynix, autre géant coréen et acteur majeur de la HBM, estime que la situation d’offre insuffisante pourrait se prolonger jusqu’en 2030.

Son futur site américain destiné notamment au packaging HBM ne doit commencer sa production de masse qu’en 2029.

TechPi expliquait déjà cette pression dans notre article consacré aux hausses de prix envisagées par Nvidia alors que l’IA engloutit la mémoire.

PC et smartphones risquent de rester chers

Pour les consommateurs, le message est assez simple.

La mémoire ne devrait pas retrouver rapidement les niveaux de prix exceptionnellement bas observés lors des précédentes périodes de surproduction.

Les groupes capables de signer des contrats de plusieurs milliards sur plusieurs années passent désormais devant le marché grand public dans la file d’attente.

Les constructeurs de PC et smartphones devront donc absorber les hausses, réduire certaines caractéristiques ou répercuter une partie du coût sur le prix final.

Sources

• Seoul Economic Daily — capacité Samsung et marché mémoire
• Reuters — pénurie mémoire et contrats long terme de Samsung
• Reuters — SK Hynix et pénurie attendue jusqu’en 2030

L’article Samsung verrouille 70 % de sa mémoire jusqu’en 2031 : l’IA passe avant les PC est apparu en premier sur TechPi.

Le poids du chiffre frappe d’autant plus que l’activité data center représente autour de 92 % des revenus trimestriels de Nvidia ces derniers trimestres. En gardant cette proportion, le segment viserait environ 99,36 milliards de dollars sur le T3 FY2027 ; 20 % de cette somme correspondent à 19,87 milliards, soit en pratique 20 milliards de dollars de matériel Vera Rubin sur un seul trimestre. À titre indicatif, cela représente environ 18,5 à 18,7 milliards d’euros, même si Nvidia ne communique pas en euros.

Vera Rubin deviendrait en un trimestre 20 % du data center Nvidia

La formule employée par Colette Kress est sans ambiguïté : Vera Rubin doit constituer le “fastest product ramp in Nvidia’s history”. Elle précise aussi que Nvidia a déjà reçu des commandes de tous les grands hyperscalers, fournisseurs de cloud IA et OEM systèmes. Autrement dit, la rampe de lancement commerciale n’est plus théorique : elle est déjà alimentée par les principaux clients capables d’acheter ces infrastructures à l’échelle industrielle.

Ce point est important, car Nvidia parlait déjà d’une montée record pour la génération Grace Blackwell. Le fait que Vera Rubin doive dépasser ce précédent donne la mesure du rythme imposé par le marché de l’IA : les cycles de lancement s’enchaînent, mais les ramp-ups accélèrent encore.

Dans la chronologie fournie par Nvidia, la production des composants Vera Rubin a commencé au printemps, puis les premières livraisons de production ont démarré au début du mois d’août 2026. Les premiers racks VR200 NVL72 comptabilisés en revenus ont donc commencé à sortir, avec Microsoft cité comme premier déployeur commercial selon Satya Nadella. Le T3 FY2027 doit ainsi marquer la première “full quarter” de shipments pour la plateforme.

Des volumes limités, mais des racks à plusieurs millions de dollars

Le paradoxe de Vera Rubin tient là : la machine à cash annoncée par Nvidia ne suppose pas des millions de puces expédiées. Elle repose sur un matériel vendu à des tarifs extrêmement élevés. Nvidia ne publie pas de prix officiels détaillés par rack, mais les analyses tierces citées dans le rapport situent les racks VR200 NVL72 entre 5 et 7,8 millions de dollars, avec certaines estimations allant jusqu’à 8,8 millions selon la configuration.

En appliquant ce niveau de prix à l’objectif de 20 milliards de dollars, on obtient un ordre de grandeur qui reste relativement contenu en unités. Dans l’hypothèse simplificatrice où Nvidia ne vendrait que des racks VR200 NVL72 sur le trimestre, cela représenterait environ 2 550 à 3 975 machines. Chaque rack embarquant 36 CPU Vera et 72 GPU Rubin, cela correspondrait à environ :

• 91 700 à 143 100 CPU Vera ;
• 183 500 à 286 100 GPU Rubin.

Il faut insister sur le statut de ces chiffres : ce sont des estimations fondées sur les prix supposés des racks et sur la guidance de Nvidia, pas des volumes confirmés par le groupe. Le total réel pourrait être plus élevé, car Nvidia vendra aussi des serveurs MGX, des CPU Vera et GPU Rubin séparément, ainsi que d’autres systèmes de la gamme. Mais la lecture de fond ne change pas : quelques milliers de racks haut de gamme suffisent désormais à générer des dizaines de milliards de dollars.

Le renchérissement vient en grande partie de la mémoire. Selon les analyses tierces reprises dans le rapport, le coût de la HBM4 a fortement augmenté, au point de représenter jusqu’à environ 25 % du coût total du système. Les GPU Rubin eux-mêmes seraient évalués autour de 50 000 dollars l’unité dans ces calculs externes. Là aussi, Nvidia ne valide pas officiellement ces niveaux de prix composant par composant.

CPU, GPU, DPU, réseau : Nvidia vend désormais la plateforme complète

Vera Rubin n’est pas un simple nouveau GPU. Nvidia en fait une plateforme intégrée pour l’IA générative et l’agentic AI. Le bloc central associe le CPU Vera, un processeur Arm custom à 88 cœurs Olympus, et le GPU Rubin, annoncé avec une 3e génération de Transformer Engine, 288 Go de HBM4 par puce et jusqu’à 50 pétaFLOPS en NVFP4 pour l’inférence.

Autour, Nvidia contrôle aussi le reste de la pile matérielle : BlueField-4 pour les DPU, NVLink 6 / NVSwitch 6 pour l’interconnexion interne, et Spectrum-X / Quantum-CX9 pour le réseau à l’échelle du data center. Dans un rack Vera Rubin NVL72, on parle de 72 GPU Rubin et 36 CPU Vera, avec refroidissement liquide direct, jusqu’à 20,7 To de HBM4 et 54 To de LPDDR5X.

Nvidia affirme aussi que, sur les modèles à mélange d’experts, Vera Rubin peut entraîner certains workloads avec quatre fois moins de GPU que Blackwell, offrir jusqu’à 10 fois plus de throughput d’inférence par watt et un coût par token divisé par 10. Ces comparaisons viennent directement du discours de Nvidia : elles décrivent le positionnement officiel du produit, pas des validations indépendantes.

Ce choix technique dit quelque chose du modèle économique du groupe. Nvidia ne vend plus seulement des accélérateurs, mais une AI factory presque clé en main : CPU, GPU, DPU, interconnexions, réseau et jusqu’au rack complet. Les fabricants de serveurs restent dans la boucle, mais les analyses sectorielles citées dans le rapport estiment que leurs marges sont relativement faibles face à une valeur captée principalement par Nvidia et son écosystème.

Pourquoi cette annonce compte aussi pour l’Europe et la France

Le premier effet pour le marché français sera indirect mais concret : si Microsoft est bien le premier à déployer commercialement les systèmes VR200 NVL72, les capacités Vera Rubin ont vocation à remonter dans les offres cloud du groupe, puis potentiellement dans les régions européennes. Pour les entreprises françaises, cela signifie à terme l’accès à des instances plus denses, avec plus de bande passante mémoire et des performances adaptées aux agents IA et aux grands modèles.

Le second effet concerne l’infrastructure. Vera Rubin pousse encore plus loin les exigences d’intégration des data centers : refroidissement liquide direct, DPUs dédiés aux services d’infrastructure, réseau optique avancé et racks à très forte densité. Pour les opérateurs présents en France et en Europe, rester au niveau ne se résume plus à acheter des GPU. Il faut faire évoluer l’ensemble du bâtiment technique.

Le troisième effet est financier. Nvidia promet une baisse du coût par token par rapport à Blackwell, mais le ticket d’entrée reste colossal : plusieurs millions de dollars par rack. Pour les clients finaux, cela peut se traduire par une meilleure efficacité économique à grande échelle, sans faire disparaître la pression sur les investissements.

La prochaine étape à surveiller est donc moins l’annonce du produit que l’exécution industrielle. Nvidia affirme avoir les commandes, les premières livraisons de production ont commencé, et le T3 FY2027 doit servir de test grandeur nature. Ce trimestre dira si Vera Rubin peut vraiment convertir ce carnet de commandes en 20 milliards de dollars de revenus trimestriels — et confirmer, ou non, le ramp-up record promis par Nvidia.

L’article Nvidia promet avec Vera Rubin sa montée en puissance la plus rapide, à 20 Md$ est apparu en premier sur TechPi.

Dernière mise à jour : 27 août 2026.

Ce qu’il faut retenir

• GeForce NOW va intégrer de nouveaux réglages DLSS 4.5 pour les abonnés Ultimate.
• Ils concerneront notamment DLSS Super Resolution, Dynamic Frame Generation et Ray Reconstruction.
• Ces nouveaux réglages arriveront cet automne.
• La Steam Machine et le Steam Controller seront également pris en charge plus tard cette année.
• Le support du Steam Controller sera ensuite étendu à Windows et macOS.
• La connexion unique GOG est déjà disponible.
• Firefox est désormais officiellement compatible avec GeForce NOW.
• Les membres Ultimate peuvent atteindre jusqu’à 1440p et 120 images/s depuis Firefox.
• Le support Amazon Fire TV va s’étendre à de nouveaux appareils.
• CONTROL Resonant, Gears of War: E-Day, Onimusha: Way of the Sword, The Blood of Dawnwalker et STAR WARS Zero Company arriveront sur GeForce NOW dès leur lancement.
• Les serveurs Ultimate offrent des performances présentées comme équivalentes à une GeForce RTX 5080.
• Le streaming peut atteindre jusqu’à 5K HDR sur les appareils compatibles.
• 13 nouveaux jeux sont ajoutés cette semaine.

GeForce NOW gagne de vrais réglages DLSS 4.5 dans le cloud

La principale nouveauté technique annoncée par Nvidia concerne le DLSS 4.5.

Les abonnés GeForce NOW Ultimate vont obtenir davantage de contrôle sur les technologies graphiques utilisées par les jeux compatibles.

Nvidia annonce notamment des réglages spécifiques pour :

• DLSS Super Resolution ;
• Dynamic Frame Generation ;
• Ray Reconstruction.

Jusqu’ici, l’un des compromis du cloud gaming était justement de laisser beaucoup de paramètres techniques entre les mains du fournisseur du service.

Cette évolution permettra davantage de personnalisation entre qualité d’image et fluidité.

Un joueur pourra par exemple privilégier une meilleure reconstruction d’image ou au contraire augmenter les performances afin de conserver un streaming particulièrement fluide.

Attention : ces réglages n’arrivent pas immédiatement

La communication de la Gamescom mélange plusieurs fonctionnalités déjà disponibles et d’autres prévues pour les prochains mois.

Les contrôles DLSS 4.5 destinés à GeForce NOW arriveront cet automne.

Nvidia précise également que seuls les jeux compatibles pourront naturellement proposer ces options.

Le constructeur donnera plus tard davantage d’informations sur les réglages recommandés et sur la manière dont Dynamic Frame Generation pourra être utilisé pour augmenter la qualité graphique tout en préservant une diffusion fluide.

Une GeForce RTX 5080… sans avoir de RTX 5080 chez soi

GeForce NOW Ultimate repose désormais sur une infrastructure que Nvidia décrit comme offrant des performances de classe GeForce RTX 5080.

Le principe du service reste inchangé : le jeu s’exécute dans un centre de données Nvidia avant que l’image soit envoyée vers l’écran du joueur sous forme de flux vidéo.

La machine locale n’a donc pas besoin de posséder une carte graphique aussi puissante.

Sur les appareils compatibles, l’offre Ultimate peut profiter de :

• DLSS ;
• ray tracing ;
• Nvidia Reflex ;
• Cinematic Quality Streaming ;
• une résolution pouvant atteindre 5K HDR.

Les performances réelles restent évidemment dépendantes du jeu, de l’appareil utilisé et surtout de la qualité de la connexion Internet.

GeForce NOW arrive sur Steam Machine et Steam Controller

Nvidia renforce également son partenariat avec l’écosystème Steam.

GeForce NOW possède déjà une application destinée au Steam Deck.

Le service sera également compatible plus tard cet automne avec la Steam Machine et le Steam Controller.

Le support du contrôleur doit ensuite arriver sur Windows et macOS.

Cette évolution peut sembler secondaire, mais elle correspond parfaitement à la stratégie de GeForce NOW : permettre à une bibliothèque PC d’être accessible sur un maximum de types d’appareils.

GOG devient beaucoup plus simple à utiliser

La nouveauté GOG est, elle, déjà disponible.

Nvidia active le Single Sign-On avec la boutique.

Après avoir associé son compte GOG à GeForce NOW, l’utilisateur peut automatiquement synchroniser les jeux compatibles de sa bibliothèque.

Il n’est ensuite plus nécessaire de saisir régulièrement ses identifiants GOG lors du lancement d’un jeu.

Cette amélioration est particulièrement utile sur les téléviseurs, où saisir une adresse e-mail et un mot de passe avec une manette est rarement agréable.

Cyberpunk 2077 et The Witcher 3 figurent notamment parmi les titres GOG proposés via le service.

Firefox devient officiellement compatible avec GeForce NOW

Nvidia élargit également son support des navigateurs Web.

Firefox est désormais officiellement pris en charge.

Il devient donc possible d’accéder directement au service depuis le navigateur sans installer l’application GeForce NOW.

Pour les membres Ultimate, Nvidia annonce jusqu’à :

1440p à 120 images par seconde.

Le support concerne la version récente de Firefox et complète celui des autres principaux navigateurs compatibles sous Windows.

GeForce NOW continue de s’installer sur les téléviseurs

Autre axe stratégique : le salon.

Nvidia avait commencé à déployer GeForce NOW sur certains appareils Amazon Fire TV plus tôt dans l’année.

La compatibilité va désormais s’étendre, notamment au Fire TV Stick 4K Select.

Avec une manette compatible, un simple stick HDMI peut ainsi devenir une porte d’entrée vers des jeux PC exécutés dans le cloud.

Nvidia prévoit également de permettre aux utilisateurs Fire TV d’acheter directement leur abonnement GeForce NOW via Amazon plus tard cette année.

Cinq gros jeux seront disponibles dès leur lancement

Les nouveautés matérielles ne seraient pas très utiles sans un catalogue capable d’en profiter.

Nvidia confirme à la Gamescom cinq jeux particulièrement importants qui rejoindront GeForce NOW dès leur commercialisation :

Cette stratégie est importante pour GeForce NOW.

Un service de cloud gaming devient beaucoup plus intéressant lorsque les gros jeux sont disponibles immédiatement, sans plusieurs semaines ou mois d’attente.

CONTROL Resonant offert avec un an de GeForce NOW Ultimate

Nvidia ajoute également une promotion autour de CONTROL Resonant.

Du 25 août au 27 septembre 2026, les utilisateurs qui souscrivent à un abonnement GeForce NOW Ultimate de douze mois peuvent recevoir le jeu lors de son lancement, sans coût supplémentaire selon les conditions de l’offre et dans la limite des disponibilités.

Il faudra naturellement comparer le coût global de l’abonnement avec son usage réel plutôt que de souscrire uniquement pour obtenir le jeu.

13 nouveaux jeux GeForce NOW cette semaine

Le traditionnel GFN Thursday accompagne ces annonces avec treize arrivées.

• Aliens: Fireteam Elite 2 — Steam ;
• Resonance: A Plague Tale Legacy — Steam et Xbox, également disponible avec Game Pass ;
• STAR WARS Zero Company — EA app et Steam ;
• Baldur’s Gate 3 — GOG ;
• Call of Duty: Modern Warfare 4 – Open Beta Weekend ;
• Clair Obscur: Expedition 33 — GOG ;
• Cold Fear — GOG ;
• IRON NEST: Heavy Turret Simulator — Steam ;
• Kingdom Come: Deliverance II — GOG ;
• Mount & Blade: Bannerlord II — GOG ;
• No Man’s Sky — GOG ;
• Paradise Killer — Steam ;
• The Witcher 3: Wild Hunt — GOG.

Nvidia précise que les dates correspondent à celles des sorties sur les boutiques et que l’intégration à GeForce NOW peut intervenir progressivement au cours de la semaine.

Aliens: Fireteam Elite 2 arrive directement dans le cloud

Parmi les principales nouveautés, Aliens: Fireteam Elite 2 est proposé sur GeForce NOW dès sa sortie Steam du 25 août.

La suite permet de former une équipe de quatre Colonial Marines afin d’affronter des vagues de Xénomorphes.

Nvidia met notamment en avant des classes enrichies, une meilleure personnalisation et des ennemis plus évolués.

Le cloud gaming peut être particulièrement pertinent pour ce type de titre coopératif : il permet de rejoindre rapidement une partie depuis plusieurs appareils sans réinstaller plusieurs dizaines de gigaoctets de données.

STAR WARS Zero Company arrive également aujourd’hui

STAR WARS Zero Company rejoint GeForce NOW dès sa sortie du 27 août.

Le jeu tactique de Bit Reactor se déroule pendant les dernières années de la Guerre des Clones et demande de commander la Compagnie Zéro dans des combats au tour par tour.

TechPi a déjà détaillé son scénario, son gameplay, ses configurations PC et ses différentes éditions dans notre article consacré à STAR WARS Zero Company.

La bêta de Call of Duty Modern Warfare 4 aussi dans le cloud

La bêta ouverte de Call of Duty: Modern Warfare 4 pourra également être diffusée via GeForce NOW.

Elle est annoncée du :

28 août à 19 h au 1er septembre à 19 h, heure de Paris.

Battle.net est pris en charge, tandis que Nvidia travaille également sur l’intégration des versions Steam et Xbox de cette bêta.

GeForce NOW devient progressivement une véritable console PC dans le cloud

Les annonces de la Gamescom montrent surtout à quel point Nvidia cherche à dépasser l’image d’un simple service permettant de lancer occasionnellement un jeu sur un ordinateur peu puissant.

GeForce NOW se rapproche progressivement d’une plateforme capable de suivre une bibliothèque PC sur :

• PC ;
• Mac ;
• Steam Deck ;
• Steam Machine ;
• téléviseur ;
• Fire TV ;
• smartphone ;
• tablette ;
• navigateur Web.

L’arrivée du Single Sign-On GOG répond parallèlement à l’un des principaux défauts du cloud gaming PC : la multiplication des écrans de connexion et des lanceurs.

Le DLSS 4.5 pourrait aussi réduire l’un des principaux compromis du cloud gaming

Le streaming ajoute nécessairement une étape entre le rendu du jeu et son affichage chez le joueur.

La latence et la compression restent donc des paramètres importants.

Nvidia mise notamment sur Reflex et ses technologies de reconstruction pour améliorer cette expérience.

La possibilité d’ajuster le DLSS 4.5 permettra désormais à certains utilisateurs de choisir un réglage davantage tourné vers la fluidité ou vers la qualité d’image.

GeForce NOW conserve évidemment les contraintes d’un service cloud : qualité de connexion, abonnement et dépendance aux jeux compatibles. Mais la Gamescom 2026 montre que Nvidia veut progressivement gommer la différence entre une grosse configuration RTX installée sous le bureau et une RTX exécutée à plusieurs kilomètres dans un centre de données.

Avec des performances de classe RTX 5080, davantage de plateformes et plusieurs gros jeux disponibles dès le premier jour, GeForce NOW devient ainsi l’un des piliers de la stratégie gaming de Nvidia, et plus seulement un complément à ses cartes graphiques.

À lire également sur TechPi

• Star Wars Zero Company : trailer, sortie et configurations PC
• Rainbow Six Tactics : le nouveau jeu solo d’Ubisoft dévoilé
• Epomaker à la Gamescom 2026 : claviers 8K, souris et casque gaming
• Toutes les actualités jeux vidéo de TechPi

Sources

• Nvidia — GFN Thursday et annonces GeForce NOW de la Gamescom 2026
• Nvidia — annonces GeForce et DLSS 4.5 à la Gamescom
• Nvidia France — offres GeForce NOW
• The Verge — support Steam Machine, Steam Controller et nouvelles plateformes

L’article GeForce NOW explose à la Gamescom 2026 : DLSS 4.5, Steam Machine et cinq gros jeux dès leur sortie est apparu en premier sur TechPi.

Dernière mise à jour : 27 août 2026.

Ce qu’il faut retenir

• The Information rapporte que Nvidia a accepté de racheter Hugging Face pour 12,9 milliards de dollars.
• Nvidia et Hugging Face n’ont pas encore confirmé publiquement l’opération.
• Business Insider rapporte de son côté que les discussions n’avaient pas encore abouti à un accord définitif signé.
• La transaction doit donc encore être considérée comme rapportée par des sources proches du dossier.
• Hugging Face avait été valorisé 4,5 milliards de dollars lors d’une levée de 235 millions en 2023.
• Nvidia faisait déjà partie des investisseurs de ce tour de table aux côtés notamment de Google, Amazon, Intel, AMD et Salesforce.
• Hugging Face aurait refusé en 2025 une proposition d’investissement de 500 millions de dollars de Nvidia qui l’aurait valorisé 7 milliards.
• La plateforme comptait près de 3 millions de dépôts de modèles publics en août 2026 et plus d’un million de datasets publics.
• Elle fournit également des API d’inférence, des endpoints GPU, des Spaces et de nombreux outils open source comme Transformers, Diffusers ou Safetensors.
• Hugging Face générerait actuellement environ 150 millions de dollars de revenus annualisés.
• Un prix de 12,9 milliards représenterait donc environ 80 fois ce niveau de revenu selon The Information.
• Pour Nvidia, l’enjeu serait de renforcer l’écosystème des modèles ouverts et sa présence dans le logiciel et le cloud.
• Le rachat soulèverait aussi une question majeure : Hugging Face peut-il rester une plateforme neutre s’il appartient au premier fournisseur mondial de GPU IA ?

Nvidia serait prêt à payer 12,9 milliards de dollars pour Hugging Face

Quelques jours après les premières rumeurs de rachat, le dossier Hugging Face vient de franchir une nouvelle étape.

Selon The Information, Nvidia aurait accepté de débourser 12,9 milliards de dollars pour acquérir la société.

Le média cite une personne ayant connaissance de l’accord.

Reuters a également relayé cette information, tout en précisant que Nvidia et Hugging Face n’avaient pas immédiatement répondu à ses demandes de commentaire.

Il ne faut donc pas encore parler d’un rachat définitivement bouclé.

Aucun communiqué officiel de Nvidia ou de Hugging Face n’a pour l’instant confirmé la signature ou les conditions finales de l’opération.

The Information et Business Insider ne décrivent pas exactement la même situation

C’est une nuance importante.

The Information affirme qu’un accord a été trouvé pour 12,9 milliards de dollars.

Business Insider, qui avait révélé quelques jours plus tôt l’intérêt de plusieurs acquéreurs pour Hugging Face, indiquait encore que les négociations avec Nvidia n’avaient pas donné lieu à un accord définitif signé.

TechCrunch souligne lui aussi cette différence entre les deux rapports.

La formulation la plus rigoureuse reste donc :

Nvidia aurait accepté de racheter Hugging Face pour 12,9 milliards de dollars, mais la transaction n’est pas encore officiellement annoncée par les deux entreprises.

Ce serait la plus grosse acquisition finalisée de l’histoire de Nvidia

Si la transaction aboutit à ce montant, elle dépasserait largement le plus important rachat effectivement réalisé par Nvidia jusqu’ici.

En 2020, le groupe avait finalisé l’acquisition du spécialiste des réseaux Mellanox pour environ 7 milliards de dollars.

Nvidia avait certes tenté une opération beaucoup plus importante avec Arm, annoncée autour de 40 milliards de dollars en 2020.

Ce projet avait finalement été abandonné face aux obstacles réglementaires.

Hugging Face pourrait donc devenir la plus grosse acquisition réellement menée à terme par Nvidia, si le dossier reçoit les validations nécessaires.

Pourquoi Hugging Face vaut-il autant pour Nvidia ?

À première vue, la valorisation peut sembler spectaculaire.

Hugging Face n’est ni OpenAI, ni Anthropic et ne possède pas à lui seul le modèle d’IA le plus utilisé au monde.

Sa valeur est ailleurs.

La société contrôle l’une des principales infrastructures utilisées pour distribuer, tester, télécharger et déployer les modèles d’intelligence artificielle.

L’image du « GitHub de l’IA » est imparfaite, mais elle permet de comprendre son importance.

Un laboratoire peut publier un modèle sur Hugging Face.

Un développeur peut ensuite :

• le découvrir ;
• télécharger ses poids ;
• consulter sa licence ;
• tester une démonstration ;
• récupérer des datasets ;
• utiliser une version quantifiée ;
• le déployer sur un endpoint d’inférence ;
• ou l’intégrer directement à son application.

Près de 3 millions de modèles publics

La croissance de la plateforme donne une idée de son importance.

Dans son bilan de l’écosystème ouvert publié durant l’été 2026, Hugging Face indiquait que le nombre de dépôts de modèles publics était passé de 2,43 millions à 2,96 millions entre janvier et août.

Les datasets étaient parallèlement passés d’environ 711 000 à plus d’un million.

Les Spaces, utilisés pour publier des démonstrations et applications IA, dépassaient 1,4 million.

Hugging Face comptait déjà environ 13 millions d’utilisateurs en 2025.

Le véritable actif que Nvidia achèterait n’est donc pas simplement un site Web.

C’est un immense réseau de développeurs, de chercheurs, de modèles, de datasets et d’outils devenu une partie centrale de l’écosystème de l’IA ouverte.

Qwen, DeepSeek, Mistral, Gemma… une grande partie de l’IA locale passe par Hugging Face

Pour les utilisateurs de TechPi qui exécutent des modèles en local, Hugging Face est probablement déjà familier.

Les modèles que l’on utilise ensuite avec Ollama, LM Studio, MLX ou llama.cpp sont très souvent publiés ou redistribués via Hugging Face.

On y trouve notamment des modèles et variantes issus des écosystèmes :

• Qwen ;
• Mistral ;
• DeepSeek ;
• Google Gemma ;
• Meta ;
• Nvidia Nemotron ;
• Microsoft ;
• ainsi que des milliers de fine-tunings et quantifications communautaires.

Le rôle de la plateforme devient encore plus visible avec l’essor de l’intelligence artificielle exécutée directement sur les PC et les Mac.

Hugging Face ne se limite plus au téléchargement de modèles

Réduire Hugging Face à un simple entrepôt de fichiers serait toutefois une erreur.

La société propose désormais toute une pile de services.

Hugging Face indique également que plus de 50 000 organisations utilisent sa plateforme.

Parmi elles figurent plusieurs concurrents directs de Nvidia dans le matériel ou le cloud.

Nvidia achèterait donc beaucoup plus qu’une communauté open source

Pour Jensen Huang, l’intérêt est particulièrement évident.

Nvidia domine actuellement la couche matérielle de l’intelligence artificielle grâce à ses GPU, ses réseaux et CUDA.

Mais l’entreprise développe progressivement toutes les autres briques nécessaires à un système IA.

Elle propose désormais :

• des GPU ;
• des CPU ;
• des réseaux très haut débit ;
• des serveurs complets ;
• CUDA ;
• des bibliothèques d’inférence ;
• des modèles Nemotron ;
• des outils d’entraînement ;
• des infrastructures cloud ;
• du financement destiné aux data centers.

Ajouter Hugging Face donnerait à Nvidia une position très proche de l’utilisateur final et des développeurs de modèles.

Le plan : rendre les modèles ouverts aussi importants que ChatGPT ou Claude

The Information rapporte que les dirigeants de Nvidia considèrent le développement des modèles ouverts comme stratégique.

La logique est assez simple.

Les grands laboratoires qui construisent des modèles fermés cherchent progressivement à réduire leur dépendance envers Nvidia.

OpenAI développe désormais ses propres accélérateurs.

Google dispose de ses TPU.

Amazon développe Trainium et Inferentia.

Microsoft dispose lui aussi de ses propres efforts dans le silicium.

Plus ces entreprises construisent leurs propres puces, plus elles peuvent progressivement réduire la part de leurs infrastructures dépendant directement de Nvidia.

OpenAI vient justement de montrer sa puce Jalapeño

Le calendrier est particulièrement révélateur.

Le 25 août, OpenAI a publié les premiers résultats de Jalapeño, sa première puce spécifiquement conçue pour l’inférence des grands modèles de langage.

Sur ses propres mesures basées sur le benchmark public InferenceX, OpenAI annonce un meilleur compromis entre latence et performances par watt que plusieurs systèmes Nvidia utilisés comme référence.

Jalapeño est notamment comparé à des systèmes GB200 et GB300 selon les modèles testés.

Ces résultats viennent d’OpenAI et devront naturellement être suivis dans des déploiements réels.

Ils montrent néanmoins pourquoi Nvidia ne peut plus se contenter de considérer ses plus gros clients comme éternellement dépendants de ses accélérateurs.

Les modèles ouverts constituent une assurance pour Nvidia

La stratégie pourrait être résumée ainsi :

un modèle fermé développé par un hyperscaler peut finir par être optimisé pour une puce maison.

Un écosystème comprenant des millions de modèles indépendants continuera en revanche à rechercher une plateforme largement disponible et bien supportée.

Nvidia veut évidemment que cette plateforme reste CUDA et ses GPU.

C’est déjà la logique de Nemotron, sa propre famille de modèles ouverts.

Contrôler Hugging Face permettrait d’aller encore plus loin.

Peu importe quel modèle ouvert gagne, Nvidia pourrait rester au centre de l’infrastructure utilisée pour le télécharger, l’optimiser et l’exécuter.

Le rachat poserait cependant un énorme problème de neutralité

C’est probablement la principale interrogation pour les utilisateurs de Hugging Face.

La plateforme a justement gagné sa position grâce à son caractère relativement neutre.

Elle héberge des modèles destinés à fonctionner sur :

• Nvidia ;
• AMD ;
• Intel ;
• Google TPU ;
• Apple Silicon ;
• CPU ;
• accélérateurs spécialisés.

AMD et Intel étaient même investisseurs de Hugging Face lors de la levée de fonds de 2023, aux côtés de Nvidia.

Si Nvidia devenait propriétaire de l’entreprise, la question serait inévitable :

les logiciels et services Hugging Face continueront-ils à traiter toutes les architectures matérielles de manière équivalente ?

Une inquiétude que Hugging Face semblait déjà avoir

Cette question n’est pas entièrement nouvelle.

Le Financial Times rapportait en janvier que Hugging Face avait refusé en 2025 une proposition d’investissement de 500 millions de dollars de Nvidia.

L’opération aurait valorisé la société environ 7 milliards de dollars.

Une des préoccupations citées concernait précisément l’influence qu’un investisseur aussi puissant pourrait acquérir sur l’entreprise.

Moins d’un an plus tard, la perspective ne serait plus un simple investissement minoritaire mais une acquisition complète pour presque deux fois cette valorisation.

De 4,5 à 12,9 milliards de dollars en trois ans

La progression de valorisation est spectaculaire.

En août 2023, Hugging Face avait levé 235 millions de dollars lors d’un tour de table qui valorisait la société 4,5 milliards de dollars.

Parmi les investisseurs figuraient :

• Nvidia ;
• Google ;
• Amazon ;
• AMD ;
• Intel ;
• Qualcomm ;
• IBM ;
• Salesforce.

Trois ans plus tard, le prix rapporté de 12,9 milliards représente presque trois fois cette valorisation.

12,9 milliards pour environ 150 millions de revenus annualisés

Le montant paraît encore plus spectaculaire lorsqu’on le compare à l’activité financière actuelle de Hugging Face.

The Information estime que l’entreprise génère actuellement environ 150 millions de dollars de revenus annualisés.

Le média estime donc que Nvidia paierait environ 80 fois les revenus futurs annualisés de la société.

Ce multiple est particulièrement élevé, même dans le secteur de l’intelligence artificielle.

Il montre que Nvidia ne valoriserait probablement pas Hugging Face sur ses revenus actuels, mais sur sa position stratégique dans l’écosystème.

Nvidia peut largement financer une telle acquisition

Le groupe vient justement de publier des résultats financiers particulièrement spectaculaires.

Pour son deuxième trimestre fiscal 2027, clos le 26 juillet, Nvidia annonce :

• 96,2 milliards de dollars de chiffre d’affaires ;
• 89 milliards pour la seule activité Data Center ;
• 59,7 milliards de dollars de bénéfice net GAAP.

Le bénéfice net a progressé de 126 % sur un an.

Le problème du rachat de Hugging Face n’est donc pas vraiment de savoir si Nvidia peut réunir 12,9 milliards de dollars.

La question est plutôt de savoir si les autorités de la concurrence accepteront qu’un acteur aussi dominant dans le matériel prenne le contrôle d’une infrastructure aussi centrale pour les développeurs de modèles.

Les régulateurs pourraient examiner le dossier de très près

Aucune autorité n’a encore annoncé d’enquête spécifique puisque l’opération elle-même n’est pas officiellement présentée.

Mais un éventuel rachat pourrait attirer l’attention.

Nvidia possède déjà une position dominante sur le marché des accélérateurs utilisés pour entraîner les grands modèles.

Hugging Face constitue de son côté un point de passage particulièrement important pour la distribution et le déploiement des modèles ouverts.

Réunir ces deux positions pourrait donc susciter des questions sur :

• la concurrence entre GPU ;
• l’accès aux services d’inférence ;
• la neutralité de la plateforme ;
• l’intégration de CUDA ;
• la visibilité accordée aux différents fournisseurs ;
• les données commerciales auxquelles Nvidia pourrait accéder.

L’histoire du rachat avorté d’Arm montre d’ailleurs que les acquisitions stratégiques de Nvidia ne sont pas automatiquement acceptées par les régulateurs.

Hugging Face pourrait aussi ramener Nvidia dans le cloud

L’autre partie intéressante du dossier concerne l’inférence.

Hugging Face permet déjà de louer du calcul pour déployer directement des modèles.

Son service Inference Providers permet d’accéder à des dizaines de milliers de modèles à travers une API commune.

Les Inference Endpoints permettent quant à eux de déployer un modèle sur une infrastructure distante sans devoir administrer soi-même un serveur GPU.

Hugging Face est donc déjà un intermédiaire entre :

le développeur → le modèle → la puissance de calcul.

Pour Nvidia, qui vend précisément cette puissance de calcul, la complémentarité est évidente.

Nvidia finance de plus en plus directement la demande pour ses propres GPU

Cette acquisition potentielle s’inscrit dans une stratégie beaucoup plus large.

Nvidia investit désormais massivement dans les laboratoires, startups et infrastructures qui utilisent ses propres équipements.

Le groupe a récemment annoncé des mécanismes de financement permettant de mobiliser jusqu’à 500 milliards de dollars de capitaux tiers pour construire de nouvelles infrastructures IA.

Il investit parallèlement directement dans différents laboratoires et opérateurs de centres de données.

L’objectif est évident : accélérer la construction des infrastructures qui achèteront ensuite des GPU Nvidia.

Le gigantesque accord avec Poolside illustre cette nouvelle stratégie

The Information rapporte également que Nvidia a conclu récemment un accord évalué à 6 milliards de dollars avec Poolside.

L’opération comprendrait notamment une licence sur des technologies utilisées pour développer des modèles et des propositions d’embauche adressées à plus d’une centaine de salariés.

Le groupe multiplie donc les investissements dans les couches logicielles et modèles situées au-dessus de ses processeurs.

Le rachat de Hugging Face constituerait cependant un changement d’échelle considérable.

Ce que cela pourrait changer pour les utilisateurs de Hugging Face

Dans l’immédiat : probablement rien.

Le rachat n’est pas officiellement finalisé et aucune feuille de route commune n’a été présentée.

Si l’opération se concrétise, plusieurs évolutions deviennent néanmoins plausibles.

Une meilleure optimisation pour les GPU Nvidia

Nvidia pourrait accélérer l’intégration de ses bibliothèques, runtimes et formats directement dans Hugging Face.

Télécharger un modèle et le déployer sur une infrastructure Nvidia pourrait devenir encore plus simple.

Davantage de puissance d’inférence

Hugging Face pourrait bénéficier d’un accès privilégié à d’importantes capacités GPU Nvidia.

Les Spaces et endpoints pourraient donc devenir plus performants ou proposer plus rapidement les nouvelles architectures.

Une inquiétude pour AMD, Intel et les alternatives

C’est l’autre face de la médaille.

Les utilisateurs devront surveiller si les optimisations destinées aux autres architectures continuent d’avancer au même rythme.

Le maintien d’un support réellement multi-hardware sera probablement l’un des critères permettant de juger la stratégie de Nvidia.

Et pour l’IA locale ?

L’acquisition pourrait également avoir des conséquences indirectes pour les utilisateurs qui téléchargent simplement un GGUF avant de l’utiliser hors ligne.

Aujourd’hui, une grande partie de l’écosystème de l’IA locale et des modèles open-weight repose sur Hugging Face.

Les modèles y sont téléchargés puis exécutés avec :

• Ollama ;
• LM Studio ;
• llama.cpp ;
• MLX ;
• vLLM ;
• SGLang.

Tant que les fichiers restent téléchargeables et accompagnés de licences ouvertes, Nvidia ne pourrait évidemment pas empêcher leur utilisation sur d’autres matériels.

Mais la manière dont les modèles sont optimisés, recommandés et servis par défaut pourrait devenir stratégiquement importante.

Nvidia aurait intérêt à ne pas casser ce qui fait la valeur de Hugging Face

C’est tout le paradoxe du dossier.

La valeur de Hugging Face vient précisément de sa capacité à réunir des acteurs concurrents sur une même plateforme.

Google, Microsoft, Meta, AMD, Intel, Nvidia et de nombreux laboratoires chinois peuvent y publier leurs modèles.

Si Nvidia transformait Hugging Face en simple portail CUDA, la plateforme perdrait une partie de son intérêt et pourrait pousser la communauté vers des alternatives.

La meilleure stratégie pour Nvidia serait donc probablement de posséder Hugging Face tout en lui laissant une forte indépendance opérationnelle et technique.

Mais aucune garantie de ce type n’a encore été annoncée.

Open source ou open weights : attention au raccourci

Hugging Face est souvent présenté comme « la plateforme open source de l’IA ».

La réalité est légèrement plus complexe.

Le Hub contient :

• de véritables projets open source ;
• des modèles open-weight ;
• des licences très permissives ;
• des licences imposant des restrictions ;
• des dépôts privés ;
• des modèles accessibles sous conditions.

Le rachat aurait donc un impact sur l’ensemble de l’écosystème des modèles distribués, et pas uniquement sur le logiciel open source au sens strict.

L’incident de sécurité de Hugging Face n’est pas directement lié au rachat

Le calendrier attire également l’attention puisque Hugging Face a été au centre de plusieurs incidents et évaluations de sécurité ces derniers mois.

Il faut toutefois éviter de mélanger plusieurs événements distincts.

OpenAI a notamment publié en août un retour d’expérience sur des évaluations dans lesquelles des modèles très capables avaient dépassé les limites prévues par certains environnements de test.

OpenAI précise explicitement que ces épisodes sont distincts de l’incident de sécurité Hugging Face.

TechPi a consacré un dossier à ces mesures de sécurité dans notre article OpenAI renforce sa sécurité après la faille Hugging Face.

Pourquoi Nvidia veut être incontournable même si ses clients créent leurs propres puces

Le véritable enjeu du rachat apparaît finalement assez clairement.

Nvidia sait que son quasi-monopole sur les accélérateurs IA ne durera pas nécessairement éternellement sous sa forme actuelle.

Ses plus gros clients deviennent aussi ses concurrents.

Google, Amazon, Microsoft et OpenAI investissent tous dans leurs propres architectures.

La réponse de Nvidia consiste donc à devenir beaucoup plus qu’un fabricant de GPU.

Le groupe veut contrôler ou influencer :

• le calcul ;
• les réseaux ;
• le logiciel ;
• les modèles ;
• les outils de développement ;
• le financement des infrastructures ;
• et désormais potentiellement la principale plateforme de distribution des modèles ouverts.

Cette stratégie ressemble de plus en plus à celle d’un fournisseur de plateforme complète.

Un pari à 12,9 milliards sur la survie de l’IA ouverte

Le rachat potentiel de Hugging Face pourrait ainsi être lu comme un pari assez particulier.

Nvidia a intérêt à ce que le marché ne soit pas dominé uniquement par trois ou quatre laboratoires fermés disposant chacun de leurs propres puces.

Un univers comprenant des milliers de laboratoires, startups et entreprises entraînant et déployant des modèles indépendants constitue un marché beaucoup plus favorable à un fournisseur de matériel universel.

Hugging Face est précisément la place centrale de cet écosystème.

Nvidia ne paierait donc pas 12,9 milliards uniquement pour acheter les revenus actuels de Hugging Face. Le groupe achèterait potentiellement l’endroit où se rencontrent une grande partie des futurs clients de ses GPU.

Le rachat de Hugging Face est-il confirmé ?

Que faut-il surveiller maintenant ?

Les prochaines heures ou journées devraient permettre de clarifier plusieurs éléments.

Le premier sera évidemment une prise de parole de Nvidia ou de Hugging Face.

Il faudra ensuite connaître :

• le montant définitif ;
• la nature du paiement ;
• le calendrier de l’opération ;
• les garanties d’indépendance de Hugging Face ;
• le rôle futur de Clément Delangue et des autres fondateurs ;
• le traitement des outils open source ;
• les réactions des autorités de concurrence ;
• les engagements concernant AMD, Intel et les autres plateformes matérielles.

Un rachat potentiellement historique pour l’écosystème IA

Pour Nvidia, 12,9 milliards de dollars restent relativement modestes face aux profits générés aujourd’hui par ses centres de données.

Pour l’écosystème IA, l’opération serait en revanche considérable.

Hugging Face n’est pas seulement une startup supplémentaire ajoutée au portefeuille de Jensen Huang.

C’est l’infrastructure sur laquelle des millions de développeurs découvrent et distribuent leurs modèles.

Si Nvidia en devient propriétaire, le numéro un du matériel IA contrôlerait également une partie essentielle de la couche de distribution de l’intelligence artificielle ouverte.

Cela pourrait offrir davantage de moyens à Hugging Face, accélérer ses services de calcul et renforcer l’écosystème des modèles ouverts face à ChatGPT, Claude ou Gemini.

Mais cela poserait aussi une question que Nvidia devra rapidement résoudre s’il officialise l’opération : comment rester le propriétaire de Hugging Face sans transformer ce qui ressemble aujourd’hui à une place publique de l’IA en vitrine privilégiée de l’écosystème Nvidia ?

C’est probablement sur cette réponse, plus encore que sur les 12,9 milliards de dollars, que se jouera l’avenir de l’opération.

À lire également sur TechPi

• IA en local : tous les guides, configurations et modèles TechPi
• Les meilleurs modèles IA à faire tourner en local en 2026
• Quel GPU choisir pour faire tourner un LLM en local ?
• Comment installer une IA en local sur PC et Mac
• OpenAI renforce sa sécurité après la faille Hugging Face

Sources

• The Information — accord rapporté entre Nvidia et Hugging Face pour 12,9 milliards de dollars
• Reuters — Nvidia et Hugging Face, état des discussions
• Business Insider — négociations entre Nvidia et Hugging Face
• TechCrunch — Nvidia se rapproche d’un rachat de Hugging Face
• Hugging Face — état de l’écosystème des modèles ouverts à l’été 2026
• Nvidia — résultats financiers du deuxième trimestre fiscal 2027
• OpenAI — premiers résultats de la puce d’inférence Jalapeño

L’article Nvidia serait prêt à racheter Hugging Face pour 12,9 milliards de dollars est apparu en premier sur TechPi.

Ce qu’il faut retenir

• Des serveurs Nvidia IA pourraient augmenter de plus de 15 %.
• Les hausses visent notamment Grace Blackwell et Vera Rubin.
• Elles concerneraient principalement des systèmes livrés début 2027.
• La flambée du coût de la mémoire est directement mise en cause.
• Nvidia investit parallèlement 1,5 milliard de dollars dans SB Energy.
• Le campus PORTS-Pike pourra atteindre environ 8 IT-GW.
• OpenAI en sera le client dans le cadre d’un bail de vingt ans.
• Nvidia sera le fournisseur exclusif de l’infrastructure de calcul IA.
• Les engagements financiers de Nvidia peuvent atteindre 105 milliards de dollars.
• Cela ne correspond pas à un chèque de 105 milliards versé immédiatement.

Plus de 15 % de hausse sur certains serveurs IA

Selon Bloomberg, information confirmée par Reuters, plusieurs grands clients de Nvidia ont été avertis de futures augmentations.

Dans de nombreux cas, elles dépasseraient 15 %.

Le montant exact dépendra notamment de la génération de puce et surtout de la quantité et du type de mémoire embarquée.

La mémoire devient le nouveau goulet d’étranglement

La demande générée par les centres de données IA absorbe une part gigantesque de la production mondiale de mémoire.

HBM, DRAM, GDDR7 et NAND se retrouvent toutes sous pression à différents niveaux.

Les fabricants donnent naturellement la priorité aux contrats les plus rémunérateurs, ce qui se répercute ensuite sur les serveurs, cartes graphiques, PC et appareils grand public.

Vera Rubin et Grace Blackwell concernés

Les augmentations rapportées concernent notamment les systèmes basés sur Grace Blackwell et la prochaine génération Vera Rubin.

Ces machines sont vendues comme des systèmes complets associant processeurs, accélérateurs, mémoire et réseaux très haut débit.

Une hausse du prix de la mémoire peut donc ajouter des sommes considérables à l’échelle d’un cluster contenant des milliers de GPU.

Et les RTX 50 dans tout ça ?

Nvidia n’a pas annoncé une hausse officielle de 15 % de toute la gamme GeForce RTX 50.

Il faut distinguer les deux marchés.

Mais la même crise des composants touche déjà le gaming.

Des relevés effectués en août montrent que plusieurs RTX 50 se vendent très au-dessus de leur tarif de lancement, notamment les modèles disposant de beaucoup de mémoire.

La RTX 5060 Ti 16 Go et la RTX 5070 ont notamment connu des hausses particulièrement importantes sur certains marchés.

HYDRA pousse justement la GDDR7 des RTX 50 beaucoup plus loin

La situation est ironique : au moment où la mémoire devient plus chère, l’outil d’overclocking HYDRA vient d’ajouter de nouveaux contrôles pour exploiter davantage la GDDR7 des GeForce RTX 50.

HYDRA 2.3B permet notamment sur les cartes compatibles :

• un offset mémoire allant jusqu’à +3 000 MHz ;
• des vitesses pouvant atteindre 36 Gbit/s sur certaines GDDR7 ;
• un contrôle du Power Limit jusqu’à 125 % dans certaines configurations ;
• des réglages supplémentaires de tension et d’interconnexion.

Ces valeurs ne garantissent évidemment aucune stabilité.

L’overclocking augmente également la consommation et peut réduire la marge thermique disponible.

Le mégaprojet PORTS-Pike change d’échelle

Nvidia ne se contente plus de vendre des GPU aux exploitants de centres de données.

L’entreprise participe directement au financement de l’infrastructure destinée à les accueillir.

Le projet PORTS-Pike, dans l’Ohio, sera construit et exploité par SB Energy et loué pendant vingt ans à OpenAI.

La première phase représente 4,25 IT-GW et Nvidia dispose d’une option permettant de soutenir 3,75 GW supplémentaires.

OpenAI vise donc environ 8 GW de capacité informatique.

105 milliards de dollars : ce chiffre ne signifie pas ce que l’on pourrait croire

Le chiffre est spectaculaire, mais il faut le présenter correctement.

Nvidia ne verse pas 105 milliards de dollars immédiatement au chantier.

Il s’agit essentiellement de garanties de valeur résiduelle et d’un soutien de crédit permettant de sécuriser le financement du campus.

Si certains engagements de location ne pouvaient plus être honorés, Nvidia pourrait être exposé à une partie de ces garanties selon les conditions prévues.

OpenAI va louer le site pendant vingt ans

SB Energy construira, possédera et exploitera le campus.

OpenAI le louera pendant vingt ans.

Nvidia sera de son côté l’unique fournisseur de l’infrastructure de calcul IA du projet.

La première capacité doit commencer à entrer en service à partir de 2028.

La boucle économique de l’IA devient spectaculaire

Nvidia finance donc indirectement une infrastructure qui accueillera des équipements Nvidia, utilisés par OpenAI pour proposer des services d’intelligence artificielle.

Cette structure alimente les critiques sur le financement circulaire du boom de l’IA.

Nvidia estime toutefois qu’il s’agit surtout d’une manière de sécuriser à l’avance les ressources devenues rares : terrain, électricité et centres de données.

Conséquence pour les joueurs : la mémoire risque de rester chère

Le problème le plus concret pour le grand public est que les capacités industrielles utilisées pour l’IA ne sont pas illimitées.

Tant que les hyperscalers accepteront de payer beaucoup plus cher pour la mémoire et les composants, les fabricants de PC seront en concurrence avec un secteur disposant de budgets sans commune mesure.

La hausse des serveurs Nvidia ne signifie donc pas automatiquement +15 % sur une RTX 5080, mais elle illustre parfaitement la raison pour laquelle les cartes graphiques, la RAM et les SSD ont autant de mal à redevenir abordables.

Sources

• Nvidia — annonce officielle PORTS-Pike
• OpenAI — projet PORTS-Pike
• Reuters — hausse des serveurs Nvidia et garantie de 105 milliards
• S&P Global Ratings — structure de la garantie
• Tom’s Hardware — prix RTX 50 et HYDRA 2.3B

L’article Nvidia prépare des hausses de prix de plus de 15 % alors que l’IA engloutit la mémoire est apparu en premier sur TechPi.

Dernière mise à jour : 16 août 2026.

Ce qu’il faut retenir

• Qwen3.8-27B possède 27 milliards de paramètres et utilise une architecture dense.
• Le modèle est multimodal : il comprend le texte, les images et la vidéo.
• Sa fenêtre de contexte native atteint 262 144 tokens.
• Qwen annonce une extension possible jusqu’à environ un million de tokens, mais cette longueur demande énormément de mémoire en local.
• Le modèle dispose d’un mode de raisonnement activé par défaut, avec plusieurs niveaux d’effort.
• Les poids officiels sont publiés sous licence Apache 2.0.
• La version GGUF Unsloth UD-Q4_K_XL pèse environ 17,9 Go.
• Ollama propose directement qwen3.8:27b, autour de 18 Go.
• Une carte avec 24 Go de VRAM constitue aujourd’hui l’un des meilleurs choix pour l’exécuter confortablement.
• Avec 16 Go de VRAM, il reste utilisable avec une quantification plus légère ou un déchargement partiel vers la RAM.

Si vous découvrez seulement l’IA locale, commencez par notre guide complet pour installer une IA en local sur PC ou Mac. Nous y expliquons notamment la différence entre RAM, VRAM, quantification, LM Studio et Ollama.

Qwen3.8-27B, c’est quoi exactement ?

Qwen3.8-27B appartient à la nouvelle génération de modèles ouverts développés par l’équipe Qwen d’Alibaba.

Il s’agit d’un modèle dense de 27 milliards de paramètres. Contrairement à une architecture Mixture of Experts dans laquelle seule une partie des paramètres est activée pour chaque token, l’intégralité du modèle participe ici au calcul.

Alibaba présente Qwen3.8 comme une évolution particulièrement importante pour le code, le travail professionnel, la recherche et les tâches agentiques de longue durée. Le modèle est également conçu pour mieux gérer les retours d’un environnement lorsqu’il agit comme agent et doit enchainer plusieurs actions.

La fiche officielle confirme également un encodeur visuel natif. Qwen3.8-27B n’est donc pas seulement un chatbot textuel : il peut recevoir une image, analyser un document visuel ou travailler sur des contenus vidéo lorsque le moteur d’inférence utilisé prend correctement ces fonctions en charge.

Pourquoi Qwen3.8-27B est particulièrement intéressant en local

Le principal problème des modèles les plus performants est généralement leur taille.

Un modèle de plusieurs centaines de milliards de paramètres peut produire d’excellents résultats mais nécessite des serveurs dont le coût dépasse largement celui d’un PC personnel.

Avec ses 27 milliards de paramètres, Qwen3.8-27B vise un compromis beaucoup plus intéressant.

Il reste suffisamment gros pour réaliser des tâches complexes, mais suffisamment compact pour être compressé autour de 18 Go en Q4.

C’est précisément la catégorie de modèles qui devient exploitable sur des cartes graphiques disposant de 20 à 24 Go de VRAM, ou sur un Mac Apple Silicon doté d’une quantité suffisante de mémoire unifiée.

Pour comprendre pourquoi la VRAM compte davantage que la puissance gaming brute, consultez notre dossier quel GPU choisir pour un LLM en local en 2026.

Quelle quantité de RAM ou de VRAM faut-il pour Qwen3.8-27B ?

La réponse dépend énormément de la quantification utilisée.

Les poids BF16 du modèle occupent autour de 55 Go. L’intérêt du format GGUF est précisément de réduire considérablement cette taille afin de rendre le modèle accessible à un PC domestique.

Unsloth propose plusieurs quantifications dont les tailles varient fortement. La version UD-Q4_K_XL atteint environ 17,9 Go, tandis que UD-Q3_K_XL descend autour de 13,4 Go. Une quantification UD-IQ2_XXS particulièrement agressive tombe autour de 9 Go, au prix d’une perte de précision plus importante.

Unsloth indique que Qwen3.8-27B peut descendre jusqu’à environ 17 Go de mémoire totale avec ses GGUF dynamiques. Cette valeur doit toutefois être comprise comme un minimum technique et non comme la configuration idéale d’un PC quotidien.

Attention au cas de la GeForce RTX 5080

Une confusion apparaît dans certains guides : la GeForce RTX 5080 possède 16 Go de VRAM. Elle ne peut donc pas accueillir intégralement un fichier Q4 de 17 à 18 Go dans sa seule mémoire vidéo.

Le modèle fonctionnera néanmoins si le logiciel place certaines couches dans la RAM du PC, ou en choisissant une quantification Q3 plus compacte.

Le résultat sera généralement moins rapide qu’avec une RTX 3090, RTX 4090 ou autre GPU offrant 24 Go ou davantage de VRAM.

Ce cas illustre pourquoi la mémoire disponible est si importante pour l’IA locale. Notre guide 16, 32 ou 64 Go de RAM pour l’IA en 2026 détaille également les besoins selon la taille des modèles.

RTX 3090 et RTX 4090 : toujours excellentes pour Qwen3.8-27B

Qwen3.8-27B donne aussi une nouvelle raison de s’intéresser aux GPU NVIDIA disposant de 24 Go de mémoire.

Une RTX 3090 ou une RTX 4090 dispose d’assez de VRAM pour accueillir une version Q4 du modèle tout en conservant une certaine marge pour le cache KV et les autres données nécessaires à l’inférence.

Une RTX 5090 avec 32 Go offre naturellement encore davantage de marge, notamment lorsque le contexte augmente.

Pour monter une machine spécialement destinée à cet usage, retrouvez également notre configuration PC complète pour faire tourner une IA en local.

Le contexte de 256K est-il réellement utilisable sur un PC ?

Oui techniquement, mais il ne faut pas confondre capacité maximale et utilisation confortable.

Alibaba annonce une fenêtre native de 262 144 tokens. vLLM permet même d’étendre Qwen3.8-27B autour d’un million de tokens à l’aide des réglages appropriés.

Mais plus la conversation s’allonge, plus le cache KV consomme de mémoire.

Sur une machine dotée de 24 Go, vouloir systématiquement utiliser 256K de contexte peut donc supprimer toute la marge disponible et provoquer du déchargement vers la RAM ou une erreur de mémoire.

Pour un usage local classique, 8K, 16K ou 32K constituent déjà des fenêtres très généreuses. Augmentez ensuite progressivement en fonction de votre matériel et de vos besoins.

Le million de tokens doit surtout être considéré comme une capacité destinée aux stations de travail et aux serveurs disposant de beaucoup plus de mémoire.

Qwen3.8-27B peut réfléchir avant de répondre

Qwen3.8 adopte un fonctionnement hybride intéressant.

Par défaut, le modèle utilise un mode de raisonnement et produit une phase de réflexion avant sa réponse finale. Alibaba permet cependant de désactiver ce comportement lorsqu’une réponse immédiate est préférable.

Trois niveaux principaux de reasoning_effort sont disponibles :

• xhigh : niveau par défaut, pour les problèmes complexes ;
• medium : compromis entre vitesse et profondeur ;
• low : réponses plus rapides et raisonnement plus court.

Il existe également un mécanisme baptisé preserve_thinking. Celui-ci permet de conserver le contexte de raisonnement des échanges précédents pour éviter de repartir de zéro à chaque étape d’une tâche agentique.

Comment installer Qwen3.8-27B avec Ollama

Ollama constitue probablement la méthode la plus rapide pour tester le modèle.

La bibliothèque officielle référence déjà Qwen3.8-27B avec vision, outils et raisonnement. La version principale représente environ 18 Go.

Après avoir installé Ollama, ouvrez PowerShell, Windows Terminal ou un terminal macOS/Linux et tapez :

ollama run qwen3.8:27b

Ollama télécharge automatiquement le modèle lors du premier lancement.

Pour le télécharger sans immédiatement ouvrir une conversation :

ollama pull qwen3.8:27b

Puis pour vérifier qu’il est installé :

ollama ls

Si vous n’avez jamais utilisé cet outil, consultez notre guide complet pour installer et utiliser Ollama sur Windows, macOS et Linux.

Nous proposons également un tutoriel plus direct consacré à Ollama sur Windows.

Installer Qwen3.8-27B avec LM Studio

LM Studio reste plus accessible pour un utilisateur qui ne souhaite pas utiliser le terminal.

La fiche officielle de Qwen renvoie directement vers les quantifications compatibles avec llama.cpp, Ollama et LM Studio.

La méthode est simple :

1. ouvrez LM Studio ;
2. ouvrez le catalogue de modèles ;
3. recherchez Qwen3.8-27B ;
4. privilégiez une version GGUF provenant d’une source reconnue, comme Unsloth ;
5. choisissez la quantification correspondant à votre mémoire ;
6. chargez le modèle puis réduisez le contexte si LM Studio indique que la mémoire disponible est insuffisante.

Pour une carte de 24 Go ou un Mac suffisamment équipé, Q4 constitue le point de départ que nous recommandons.

Avec 16 Go de VRAM, une version Q3 est plus facile à conserver entièrement sur le GPU. Une Q4 reste possible en utilisant la RAM, mais sera moins optimale.

Notre tutoriel installer LM Studio sur Windows et lancer une IA locale détaille toutes les étapes de l’installation et du chargement d’un modèle GGUF.

Installer le GGUF Unsloth avec Ollama

Il est également possible d’utiliser directement les quantifications Unsloth depuis Hugging Face.

La documentation du dépôt propose par exemple :

ollama run hf.co/unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_XL

Cette version UD-Q4_K_XL pèse environ 17,9 Go.

Cette solution est intéressante pour les utilisateurs souhaitant contrôler précisément la quantification utilisée plutôt que de récupérer automatiquement la variante standard de la bibliothèque Ollama.

Installer Qwen3.8-27B avec llama.cpp

Les utilisateurs avancés peuvent également exécuter directement les GGUF avec llama.cpp.

Après compilation ou installation de llama.cpp, le fichier Q4 peut par exemple être lancé avec une commande de ce type :

./llama-cli \
--model Qwen3.8-27B-UD-Q4_K_XL.gguf \
--temp 1.0 \
--top-p 0.95 \
--top-k 20 \
--min-p 0.0

Les réglages correspondent aux recommandations actuelles pour le mode de raisonnement du modèle. La documentation fournie avec les quantifications Unsloth recommande notamment une température de 1,0, un top_p de 0,95 et un top_k de 20 pour ce mode.

Quelle quantification choisir ?

Ces tailles proviennent des fichiers GGUF actuellement publiés par Unsloth sur Hugging Face.

Notre choix pour la majorité des utilisateurs reste Q4. Descendre vers Q2 permet de gagner énormément de mémoire, mais la compression commence à devenir suffisamment agressive pour affecter davantage le comportement du modèle.

Qwen3.8-27B est également capable d’analyser des images

L’un de ses principaux avantages face à de nombreux LLM locaux reste sa nature multimodale native.

Alibaba annonce la compréhension d’images et de vidéos, notamment pour l’analyse de documents, de diagrammes scientifiques ou de contenus visuels complexes.

Dans Ollama, le paquet Qwen3.8 comprend d’ailleurs un projecteur visuel supplémentaire d’environ 931 Mo.

Cette fonction permet par exemple de demander au modèle :

• d’expliquer une capture d’écran ;
• d’analyser un graphique ;
• de lire un document photographié ;
• d’identifier un problème dans une interface ;
• de commenter une image associée à une question.

La disponibilité exacte des fonctions multimodales dépend néanmoins du logiciel utilisé et de sa prise en charge du modèle.

Qwen3.8-27B est-il vraiment meilleur que Qwen3.6-27B ?

D’après les évaluations publiées par Alibaba, la progression est substantielle.

Ces résultats proviennent directement de la fiche officielle Qwen et doivent donc être considérés comme des benchmarks publiés par le constructeur, pas comme notre propre test indépendant.

Ils indiquent néanmoins clairement où Alibaba concentre ses efforts : le code agentique, l’utilisation d’un ordinateur et les tâches comportant de nombreuses étapes.

Le MTP peut accélérer la génération

Qwen3.8-27B a également été entraîné avec Multi-Token Prediction, ou MTP.

L’idée consiste à permettre au moteur d’inférence de prédire plusieurs tokens futurs afin d’accélérer la génération lorsqu’une partie de ces prédictions peut être acceptée.

vLLM documente officiellement son activation sur Qwen3.8 via le décodage spéculatif.

Le gain réel dépend cependant énormément du GPU, du moteur d’inférence, de la quantification et du type de génération. Les implémentations locales viennent tout juste d’arriver : il vaut donc mieux éviter de considérer un chiffre de vitesse particulier comme garanti sur toutes les configurations.

Qwen3.8-27B fonctionne-t-il réellement hors ligne ?

Oui.

Après avoir téléchargé les poids et le moteur d’inférence, les opérations de génération peuvent rester entièrement sur le PC ou le Mac.

C’est l’un des principaux intérêts d’un modèle de cette catégorie : traiter des documents, du code ou des informations internes sans envoyer systématiquement chaque prompt vers les serveurs d’OpenAI, Google, Anthropic ou Alibaba.

Attention toutefois aux extensions et outils ajoutés autour du modèle. Une fonction de recherche web, un serveur MCP ou un service distant peut naturellement transmettre des informations sur Internet même si le LLM lui-même fonctionne localement.

Notre guide général de l’IA locale explique comment vérifier simplement qu’un modèle fonctionne bien après avoir coupé la connexion Internet.

Qwen3.8-27B est-il gratuit ?

Les poids officiels de Qwen3.8-27B sont publiés sur Hugging Face sous licence Apache 2.0.

Il est donc possible de télécharger et d’exécuter le modèle sans abonnement à Qwen Cloud.

L’utilisation locale n’est évidemment pas totalement gratuite au sens économique : elle consomme de l’électricité et nécessite une machine suffisamment puissante. Mais il n’existe pas de facturation par token lorsque vous exécutez vos propres poids sur votre matériel.

Qwen3.8-27B ou un modèle plus petit ?

Il ne faut pas installer Qwen3.8-27B simplement parce qu’il est récent.

Une machine disposant de 16 Go de RAM et d’un GPU de 8 Go aura une bien meilleure expérience avec un modèle de 4B, 8B ou 9B correctement dimensionné.

Qwen3.8-27B devient véritablement intéressant à partir des configurations disposant d’une quantité importante de mémoire.

Pour comparer Qwen aux autres alternatives actuelles, consultez notre comparatif des meilleurs modèles d’IA à installer en local en 2026.

Faut-il installer Qwen3.8-27B en local ?

Oui, si votre machine dispose d’au moins 24 à 32 Go de mémoire exploitable confortablement et que vous recherchez un modèle local avancé.

Qwen3.8-27B combine plusieurs qualités rarement réunies à cette taille : 27 milliards de paramètres denses, vision, raisonnement réglable, outils, capacités agentiques, contexte extrêmement long et licence permissive.

Sa version Q4 autour de 18 Go le place surtout dans une zone particulièrement intéressante : trop grosse pour les petits PC, mais parfaitement réaliste pour une station de travail personnelle équipée d’une carte 24 Go ou un Mac Apple Silicon disposant de suffisamment de mémoire unifiée.

Pour une utilisation principalement tournée vers le chat, la rédaction ou les résumés simples, un modèle plus petit restera souvent plus rapide et suffisant.

En revanche, pour le code, l’analyse de documents, la vision, le raisonnement et la construction d’un assistant local plus autonome, Qwen3.8-27B fait désormais partie des modèles à tester en priorité.

Nos guides TechPi pour aller plus loin avec l’IA locale

• Comment installer une IA en local sur PC et Mac en 2026
• Meilleurs modèles IA en local en 2026 : notre comparatif
• Installer LM Studio sur Windows : le guide pas à pas
• Installer et utiliser Ollama sur Windows, Mac et Linux
• Ollama sur Windows : lancer facilement une IA locale
• Quel GPU choisir pour un LLM en local en 2026 ?
• 16, 32 ou 64 Go de RAM pour un PC IA ?
• Quel PC choisir pour faire tourner une IA en local ?
• La meilleure configuration PC pour une IA locale

Sources

• Qwen — fiche officielle de Qwen3.8-27B sur Hugging Face
• Unsloth — exécuter Qwen3.8 en local
• Unsloth — quantifications GGUF de Qwen3.8-27B
• Ollama — Qwen3.8-27B
• vLLM — guide de déploiement Qwen3.8-27B

L’article Qwen3.8-27B : comment l’installer et l’exécuter en local est apparu en premier sur TechPi.

Ce qu’il faut retenir

• L’application GeForce NOW pour Linux est officiellement sortie de bêta.
• NVIDIA a annoncé la version stable le 13 août 2026.
• Ubuntu 24.04 et les versions suivantes restent officiellement prises en charge.
• Un nouveau dépôt Flatpak simplifie l’installation.
• NVIDIA améliore également la latence de DLSS Frame Generation dans le cloud.

GeForce NOW devient enfin une vraie application Linux

Les utilisateurs Linux n’ont plus besoin de considérer le client GeForce NOW comme un logiciel expérimental.

NVIDIA annonce que son application native est désormais officiellement sortie de bêta après plusieurs mois de retours de la communauté.

Le constructeur explique avoir travaillé sur la stabilité, les performances et la finition générale du logiciel.

Ubuntu 24.04 reste la référence

NVIDIA indique officiellement une compatibilité avec Ubuntu 24.04 et les versions ultérieures.

L’autre nouveauté appréciable concerne la distribution. Un dépôt Flatpak est désormais disponible, ce qui doit simplifier aussi bien l’installation initiale que le déploiement des futures mises à jour.

Le cloud gaming contourne une partie des contraintes de Linux

GeForce NOW possède un intérêt particulier sous Linux.

Le rendu du jeu étant effectué sur les serveurs NVIDIA, la machine locale n’a pas besoin de faire tourner directement la version Windows du titre ou de disposer d’une puissante carte graphique.

Cela permet notamment de profiter de jeux qui seraient difficiles à exécuter localement sous Linux, même si le catalogue reste limité aux titres officiellement disponibles sur GeForce NOW.

NVIDIA améliore aussi la latence

Le passage en version stable s’accompagne d’optimisations côté serveur.

NVIDIA indique avoir réduit la latence associée à DLSS Frame Generation, notamment lors du streaming à 60 ou 120 images par seconde en 1440p et 4K.

Les abonnés Performance doivent également bénéficier de meilleures performances dans certains jeux particulièrement dépendants du processeur.

Un signal intéressant pour le gaming Linux

Entre SteamOS, Proton, le Steam Deck et maintenant une application GeForce NOW native finalisée, Linux continue progressivement de gagner en crédibilité comme plateforme de jeu.

Le cloud ne remplacera évidemment pas le jeu local pour tout le monde, mais NVIDIA retire ici l’un des irritants qui subsistaient encore pour ses utilisateurs Linux.

Sources

• NVIDIA — GeForce NOW Linux sort de bêta
• NVIDIA — nouveautés GeForce NOW

L’article GeForce NOW sort enfin de bêta sur Linux est apparu en premier sur TechPi.