EPYC et MI300X : quand AMD ouvre une brèche dans le monopole américain du calcul IA

Le calcul IA a un propriétaire. Il s'appelle NVIDIA.

Avant de parler d'AMD, posons le problème.

Depuis plusieurs années, toute infrastructure d'intelligence artificielle sérieuse repose sur les GPU NVIDIA — les puces spécialisées dans le calcul parallèle massif qu'exige l'entraînement et l'inférence des modèles IA. Mais NVIDIA ne vend pas seulement du matériel. Elle vend un écosystème logiciel propriétaire : CUDA.

CUDA (Compute Unified Device Architecture) est l'environnement de programmation qui permet aux développeurs d'exploiter la puissance des GPU NVIDIA. Problème : les logiciels écrits pour CUDA ne fonctionnent pas, ou très mal, sur d'autres puces. En vingt ans, l'industrie mondiale a écrit des millions de lignes de code en CUDA. Elle s'est enfermée.

Pour un DSI européen, cela signifie une chose simple : chaque euro investi dans une infrastructure IA NVIDIA renforce une dépendance technique et commerciale vis-à-vis d'un acteur américain unique. Dépendance aux prix, aux licences, aux disponibilités — comme on l'a douloureusement constaté lors des pénuries de GPU de 2023-2024.

Ce qu'AMD met sur la table

AMD (Advanced Micro Devices) est le challenger américain qui bouscule cette situation. Deux familles de produits méritent l'attention des décideurs IT européens.

EPYC, d'abord. Ce sont les processeurs serveur (CPU) d'AMD. Ils équipent aujourd'hui une part significative des infrastructures cloud mondiales et offrent des performances compétitives face aux puces Intel Xeon qui dominent depuis des décennies les datacenters européens. Sur les charges de travail mixtes — bases de données, virtualisation, pré-traitement des données IA — EPYC s'est imposé comme une alternative crédible. C'est un fait technique établi, pas une promesse marketing.

MI300X, ensuite. C'est le GPU d'AMD conçu pour rivaliser avec les H100/H200 de NVIDIA sur les charges d'inférence IA (faire tourner un modèle déjà entraîné pour répondre à des requêtes). Sur certaines architectures de grands modèles de langage — les LLM, ces IA génératives comme celles qui propulsent les assistants conversationnels — le MI300X affiche des résultats comparables, voire supérieurs sur la capacité mémoire embarquée.

La clé : AMD propose ROCm, son propre environnement logiciel open source, comme alternative à CUDA. L'écosystème est moins mature, la compatibilité n'est pas totale — soyons honnêtes — mais il progresse vite.

La question budgétaire que tout DSI devrait poser

Voici l'angle que beaucoup de décideurs négligent encore.

Lorsqu'une entreprise européenne loue de la puissance de calcul GPU auprès d'un hyperscaler américain — que ce soit AWS, Azure ou Google Cloud — elle ne paie pas seulement des watts de calcul. Elle paie une prime de monopole. La rareté organisée des GPU NVIDIA, combinée à la dépendance CUDA, a permis à ces acteurs de maintenir des tarifs élevés sur leurs instances GPU. Le pouvoir de négociation côté acheteur européen est quasi nul.

L'émergence d'une alternative AMD crédible change l'équation — mais seulement si des acteurs indépendants européens s'en emparent.

C'est exactement ce que fait Gaia-X dans son volet infrastructure, ou ce que des opérateurs cloud souverains européens commencent à déployer : des clusters de calcul IA basés sur MI300X, hébergés sur sol européen, soumis au droit européen. Sans dépendance CUDA. Sans transfert de données hors UE.

Pour un RSSI (Responsable de la Sécurité des Systèmes d'Information), c'est aussi un argument de conformité : RGPD, NIS2, Data Act — autant de textes européens qui imposent une maîtrise des flux de données que l'hébergement chez un hyperscaler américain complique structurellement.

Ce que cela ne résout pas (encore)

Soyons rigoureux. AMD n'est pas une réponse magique à la souveraineté numérique européenne.

Première limite : AMD est une entreprise américaine. Ses puces sont soumises aux réglementations américaines sur l'export. Ce que l'affaire des restrictions à l'exportation vers certains pays a rappelé brutalement : le matériel peut devenir une variable géopolitique du jour au lendemain.

Deuxième limite : la maturité de ROCm. Les équipes data science et MLOps (les ingénieurs qui déploient les modèles IA en production) ont des années de pratique CUDA. La migration a un coût réel, en temps et en compétences.

Le vrai enjeu pour 2026

La brèche ouverte par AMD n'a de valeur pour l'Europe que si des acteurs européens l'exploitent activement — hébergeurs, intégrateurs, éditeurs de logiciels — pour construire une offre de calcul IA qui ne soit pas un simple miroir des hyperscalers américains.

Le calcul exascale (les infrastructures capables de traiter des milliards d'opérations par seconde pour l'IA) ne doit pas rester un monopole de fait. La diversification du marché des GPU est une condition nécessaire — mais non suffisante — à une infrastructure IA souveraine en Europe.

Les DSI qui intègrent cette dimension dans leurs appels d'offres aujourd'hui construisent le rapport de force de demain.