Nvidia s’étend aux CPU et au quantique

Une même stratégie derrière deux annonces

La séquence est révélatrice. Nvidia ne se contente plus de défendre sa domination dans les GPU d’IA. L’entreprise cherche aussi à contrôler les couches qui entourent l’accélérateur: le CPU qui orchestre les agents, et le supercalculateur GPU qui permet de concevoir les futurs processeurs quantiques. D’un côté, Modal a annoncé la prise en charge du CPU Nvidia Vera pour ses Sandboxes, après des tests internes montrant jusqu’à deux fois plus de débit qu’une machine x86 Granite Rapids équivalente sous charge de type agentique [2]. De l’autre, Nvidia et des chercheurs de Jülich ont exécuté sur JUPITER une simulation quantique tolérante aux fautes de 104 qubits, en utilisant 8 192 GPU Nvidia GH200 pour modéliser la préparation d’états magiques [4].

Ces deux sujets appartiennent à des mondes techniques différents, mais racontent la même histoire industrielle. Nvidia veut devenir le fournisseur d’infrastructure complet, pas seulement le vendeur du composant le plus cher du serveur. Dans l’IA, cela signifie entrer dans le territoire historique d’Intel et d’AMD: le CPU généraliste de centre de données. Dans le quantique, cela signifie faire du calcul accéléré classique le banc d’essai des machines quantiques qui ne sont pas encore disponibles.

Vera entre dans le flux de production de Modal

Le signal le plus immédiatement commercial vient de Modal. La startup loue de la puissance de calcul aux développeurs d’IA et prévoit d’utiliser le processeur central Nvidia Vera pour héberger des agents, ces systèmes capables d’exécuter des tâches longues pour des utilisateurs humains [1]. Reuters rapporte que Modal exécutait jusqu’ici ce type de travail uniquement sur des puces Intel et AMD, ce qui donne à Vera une première validation importante dans un marché que Nvidia veut désormais attaquer directement [1].

Le billet technique de Modal explique pourquoi le CPU devient stratégique. Ses Sandboxes servent notamment aux agents en arrière-plan et aux déploiements de reinforcement learning. Dans le second cas, les GPU peuvent rester inactifs pendant que des processus sandboxés terminent leur travail côté CPU, si bien qu’une seconde économisée sur le processeur peut aussi réduire le temps perdu sur des accélérateurs beaucoup plus coûteux [2]. Le CPU n’est donc plus un simple accompagnateur: il se retrouve dans le chemin critique de la production d’IA.

Pour mesurer Vera, Modal a conçu un benchmark baptisé “Agentless Agent Bench”. Il regroupe 50 solutions et vérificateurs issus de Terminal-Bench, sans appels réseau, préchauffés dans des conteneurs Docker concurrents, afin d’isoler les tâches réellement exécutées par les agents et le reinforcement learning: compilation, recherche de fichiers, opérations git, émulation de périphériques, et autres travaux CPU [2]. Sur une machine calme, en exécution sérielle, Modal indique que Vera était souvent meilleur que les autres CPU, mais pas toujours, et pas avec un écart spectaculaire [2].

Le résultat décisif apparaît sous charge. Selon Modal, les premiers essais montrent jusqu’à deux fois plus de débit de tâches sur Vera que sur une machine x86 GNR équivalente, alors que la latence individuelle reste égale ou parfois inférieure à celle de la machine x86 [2]. Autrement dit, l’intérêt de Vera ne se révèle pas seulement dans la vitesse d’une tâche isolée, mais dans la capacité à encaisser la concurrence de centaines de conteneurs sans s’effondrer.

Modal attribue cet avantage à la bande passante mémoire élevée de Vera, qui permettrait d’entasser davantage de charges conteneurisées par cœur sans provoquer de throttling CPU [2]. L’entreprise explique aussi que les alternatives atteignent plus tôt un plateau de débit, alors que Vera continue de progresser quand le nombre de charges concurrentes augmente [2]. Pour Modal, cela promet une meilleure densité, une protection plus souple contre les pics et une échelle absolue plus élevée pour les utilisateurs de Sandboxes [2].

Une menace pour Intel et AMD, mais pas encore une rupture

Il faut toutefois éviter une lecture excessive. Modal ne rompt pas avec x86. Reuters précise que son CEO, Erik Bernhardsson, a insisté sur le fait que l’entreprise exploitera les puces Nvidia aux côtés de ses offres Intel et AMD existantes, dans une flotte mixte où chaque tâche pourra être affectée au matériel le plus adapté [1]. Il a aussi souligné que les comparaisons concernaient les puces Intel et AMD actuellement disponibles, et que Modal testera les nouvelles générations concurrentes lorsqu’elles seront prêtes [1].

L’impact symbolique reste considérable. Nvidia a indiqué à ses investisseurs viser au moins 20 milliards de dollars de ventes de puces Vera sur l’exercice en cours et présente le marché des CPU serveurs comme une opportunité d’environ 200 milliards de dollars [1]. Si Vera devient le compagnon naturel des GPU Nvidia dans les “AI factories”, les clients pourraient acheter une pile plus intégrée: CPU d’orchestration, GPU d’accélération, interconnexion, logiciels et outils de déploiement.

Pour Intel et AMD, le risque n’est pas que tous les workloads migrent instantanément vers Vera. Le danger est plus subtil: les agents IA changent la métrique d’achat. Ce qui compte peut devenir le nombre de tâches agentiques terminées par watt, par rack ou par dollar, et non plus seulement les performances CPU générales. Les données de Modal restent précoces et rapportées par l’utilisateur lui-même, mais elles correspondent exactement au type de preuve dont Nvidia a besoin pour crédibiliser Vera hors des présentations marketing.

Le quantique comme terrain de simulation GPU

L’autre annonce concerne un horizon plus lointain, mais elle renforce la même logique d’infrastructure. Nvidia a annoncé que des chercheurs avaient utilisé JUPITER, le premier supercalculateur exascale d’Europe au Jülich Supercomputing Centre, pour une simulation quantique tolérante aux fautes présentée comme record [3]. La simulation de 104 qubits a modélisé le comportement d’un processeur quantique réaliste exécutant du calcul tolérant aux fautes à grande échelle, et Nvidia affirme qu’elle valide une approche de “magic-state cultivation” nécessitant 90% de qubits physiques en moins que les méthodes précédentes [3].

Les états magiques sont essentiels parce que les ordinateurs quantiques tolérants aux fautes doivent en produire de façon répétée pour effectuer du calcul universel, et cette production peut consommer une grande partie des ressources d’une machine quantique [3]. Le billet technique de Nvidia indique que le projet a simulé un protocole de préparation d’état magique couvrant 104 qubits physiques, avec CUDA-Q et cuQuantum sur 8 192 GPU Nvidia GH200 [4]. Le modèle inclut des erreurs de phase cohérentes et des phénomènes de fuite, lorsqu’un qubit supraconducteur quitte son espace computationnel habituel à deux niveaux, ce qui impose de modéliser certains sites avec un troisième niveau d’énergie [4].

L’échelle informatique est impressionnante. Dans la configuration à 8 192 GPU, Nvidia indique qu’un registre encodé de 45 bits représentait environ 35,2 billions d’amplitudes complexes, l’état occupant à lui seul 512 Tio de mémoire GPU distribuée, soit 64 Gio par GPU [4]. Quantum Computing Report résume l’expérience comme une simulation de culture d’états magiques de 104 qubits sous bruit matériel réaliste, avec une réduction de l’overhead en qubits physiques pouvant atteindre 90% par rapport aux usines traditionnelles de distillation en cascade [5].

Pourquoi Nvidia veut être présent avant les machines utiles

Cette annonce ne signifie pas que Nvidia a construit un ordinateur quantique utile. Elle montre plutôt que l’entreprise veut dominer la couche classique qui aide à concevoir ces machines. Des simulations détaillées permettent de tester les schémas de correction d’erreurs, les modèles de bruit et les imperfections matérielles avant de construire les dispositifs physiques. Nvidia affirme que ce type de simulation donne aux chercheurs des données pour prédire les performances de futurs designs, réduire les essais-erreurs matériels et accélérer la route vers des applications en découverte de médicaments, modélisation financière et science des matériaux [3].

C’est une position stratégique confortable. Si les processeurs quantiques mûrissent lentement, les clusters GPU peuvent tout de même devenir indispensables à l’écosystème quantique: ils simulent les protocoles, valident les architectures et préparent les workflows hybrides. Le travail mené sur JUPITER renforce ainsi l’idée que le calcul accéléré classique peut servir de pont entre les machines quantiques limitées d’aujourd’hui et les systèmes tolérants aux fautes de demain.

Lecture d’ensemble

Pris ensemble, Vera chez Modal et la simulation quantique sur JUPITER montrent Nvidia en train d’élargir son périmètre autour du GPU. Dans les agents IA, l’entreprise veut le CPU qui coordonne le travail et alimente les accélérateurs. Dans le quantique, elle veut la plateforme classique accélérée qui conçoit et valide les futures machines. Le message envoyé à Intel, AMD et aux fournisseurs d’infrastructure quantique est clair: Nvidia ne veut pas seulement vendre la puce la plus visible du rack. Elle veut contrôler le rack, le workflow et la feuille de route.

La suite dépendra de l’adoption. Modal conserve une flotte mixte, ce qui laisse à Intel et AMD le temps de répondre avec de nouveaux CPU et une meilleure économie par workload. Côté quantique, les simulations devront démontrer que les budgets GPU massifs produisent de meilleures décisions matérielles, et pas seulement des records. Mais dans l’actualité immédiate, Nvidia vient de faire deux fois la même démonstration: qu’il s’agisse d’un agent IA ou d’un processeur quantique encore futur, l’entreprise veut placer son silicium et ses logiciels au cœur de l’orchestration difficile.

Sources des dernières 72 heures

1. [1]Nvidia wins fast-growing AI startup Modal for new central processors19 oct. 2026, 12:11
2. [2]NVIDIA Vera CPUs double throughput for Modal Sandboxes19 oct. 2026, 02:00
3. [3]NVIDIA Runs Record Simulation of Fault-Tolerant Quantum Computing at Jülich Supercomputing Centre19 oct. 2026, 02:00
4. [4]Advancing Fault-Tolerant Quantum Computing with GPU-Accelerated Simulation19 oct. 2026, 02:00
5. [5]NVIDIA and Jülich Run 104-Qubit Magic State Cultivation Simulation on JUPITER Supercomputer19 oct. 2026, 02:00

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.