CUDA, l'addiction silencieuse qui coûte cher à nos DSI

# CUDA, l'addiction silencieuse qui coûte cher à nos DSI

Je vais vous parler d'une dépendance. Pas spectaculaire. Pas visible dans vos tableaux de bord. Mais elle grignote vos budgets, réduit votre liberté de choix, et vous lie pieds et poings à un seul fournisseur américain.

Cette dépendance, c'est CUDA.

Ce qu'est CUDA, pour ceux qui découvrent le sujet

CUDA — *Compute Unified Device Architecture* — est un environnement de programmation propriétaire développé par Nvidia. En clair : c'est le langage que parlent les GPU (processeurs graphiques) de Nvidia pour faire du calcul intensif. Intelligence artificielle, simulations, traitement de données massives — tout passe par là.

Le problème ? CUDA ne fonctionne qu'avec du matériel Nvidia. Si vous formez vos équipes sur CUDA, si vos applications sont écrites pour CUDA, vous êtes verrouillés. Changer de fournisseur de GPU devient une opération chirurgicale, coûteuse, douloureuse.

On appelle ça un lock-in. Un enfermement technologique.

Et en 2026, cet enfermement a un prix qui monte.

Le piège économique que personne ne vous a expliqué clairement

Depuis le boom de l'IA, la demande en GPU explose. Les budgets GPU de vos équipes data et IA ont probablement doublé, voire triplé, en trois ans. Dans ce contexte, être captif d'un seul acteur américain qui contrôle à la fois le matériel, le logiciel et les prix, c'est une exposition au risque tarifaire considérable.

Nvidia fixe ses tarifs. Nvidia décide de ses priorités d'allocation. Nvidia choisit qui accède à quoi, et quand.

Les grandes entreprises américaines ont signé des accords-cadres. Elles négocient en volume. Elles ont des interlocuteurs dédiés.

Vos PME et ETI européennes ? Elles subissent les prix catalogue. Elles attendent les disponibilités. Elles s'adaptent.

C'est le résultat logique d'une dépendance qu'on a laissée s'installer sans se poser les bonnes questions.

ROCm : l'alternative qui existait déjà, mais qu'on n'osait pas regarder

ROCm — *Radeon Open Compute* — est l'écosystème de calcul GPU développé par AMD. Il est open source. Il fonctionne sur du matériel AMD, certes, mais aussi sur une gamme croissante d'architectures.

L'idée est simple : écrire du code qui tourne sur GPU, sans être obligé d'utiliser CUDA.

Pendant longtemps, ROCm a souffert d'une réputation de solution de second choix. Moins mature, moins documentée, moins supportée. Ce reproche était en partie justifié.

En 2026, ce n'est plus le bon argument pour ne pas regarder. ROCm a mûri. La compatibilité avec les frameworks d'IA majeurs s'est considérablement améliorée. Et surtout, des acteurs européens ont commencé à construire dessus.

Hyperloom : quand l'Europe commence à construire sa propre couche d'abstraction

Hyperloom est un projet porté par des équipes européennes — je parle ici d'une initiative d'orchestration et d'abstraction de workloads GPU qui s'appuie justement sur des environnements ouverts comme ROCm.

L'idée derrière Hyperloom est stratégiquement simple, même si techniquement ambitieuse : créer une couche logicielle qui permet de faire tourner des charges de calcul intensif sur différents types de GPU, sans réécrire son code à chaque changement de matériel.

En langage budgétaire, ça veut dire quoi concrètement ?

Ca veut dire que vos équipes n'écrivent plus pour un seul fournisseur. Vous pouvez comparer les prix entre fournisseurs de cloud européens qui proposent des GPU AMD. Vous pouvez migrer si un fournisseur devient trop cher. Vous pouvez même envisager du matériel on-premise sans jeter votre base de code.

C'est de la portabilité applicative. Et la portabilité, en termes de levier de négociation, ça vaut de l'argent.

L'argument que vos directions financières devraient entendre

Je sais que beaucoup de DSI lisent cet article avec un sourcing en tête : "Oui, mais migrer, ça coûte aussi."

C'est vrai. Une migration ne se fait pas en claquant des doigts. Il faut former les équipes, adapter les pipelines, tester la stabilité.

Mais posez-vous la question inverse : combien vous coûte l'absence d'alternative ?

Quand vous n'avez aucun levier de négociation face à votre fournisseur GPU, quand chaque hausse tarifaire vous touche de plein fouet sans possibilité de faire jouer la concurrence, quand votre roadmap IA dépend de décisions prises à Santa Clara sans vous consulter — c'est aussi un coût. Un coût diffus, non comptabilisé, mais réel.

La vraie question budgétaire n'est pas "combien coûte la migration vers ROCm ?". C'est : combien vous coûte, sur cinq ans, de rester captif ?

Ce que les acheteurs publics européens ont compris avant les entreprises privées

Il y a une ironie dans tout ça. Plusieurs agences publiques et institutions européennes ont commencé à inclure des critères de portabilité et d'interopérabilité dans leurs appels d'offres GPU. Elles ont compris que financer de l'infrastructure IA sur des fondations propriétaires américaines, c'est construire de la dépendance avec de l'argent public.

Les entreprises privées européennes, elles, n'ont pas encore généralisé ce réflexe. On continue d'acheter du CUDA comme on achète du café : sans se demander d'où vient la chaîne de valeur, ni qui en capture la majorité.

C'est là que le DSI d'une ETI peut faire une différence stratégique. Pas en rejetant en bloc toute technologie américaine — ce serait absurde. Mais en posant une règle simple dans ses critères de sélection : toute nouvelle brique IA doit pouvoir tourner sur au moins deux environnements GPU différents.

Ce n'est pas de l'idéologie. C'est de la gestion du risque fournisseur.

Ce que nous recommandons en tant que ligne de conduite

Aucun chiffre magique ici. Aucune promesse de réduction de coûts garantie.

Mais quelques questions à poser dès aujourd'hui à vos équipes techniques :

Nos applications IA sont-elles écrites de manière à pouvoir changer de GPU sans tout réécrire ? Avons-nous évalué des alternatives à CUDA dans nos derniers cycles d'achat ? Nos fournisseurs cloud européens proposent-ils des GPU AMD accessibles via ROCm ? Avons-nous intégré la portabilité GPU comme critère dans nos appels d'offres ?

Si la réponse est non à toutes ces questions, vous n'êtes pas en retard. Vous êtes juste au début d'une prise de conscience que d'autres ont commencée.

La fenêtre est ouverte. Pour combien de temps ?

Les écosystèmes alternatifs à CUDA — ROCm en tête, avec des couches comme Hyperloom qui facilitent l'abstraction — atteignent en 2026 un niveau de maturité qui les rend crédibles pour des charges de production.

C'est une fenêtre d'opportunité. Elle ne restera pas ouverte indéfiniment. Plus vous attendez, plus vos équipes sont formées sur CUDA, plus vos applications sont imbriquées dans l'écosystème Nvidia, plus le coût de transition augmente.

La souveraineté numérique européenne ne se construit pas en une décision. Elle se construit décision par décision, achat par achat, critère d'appel d'offres par critère d'appel d'offres.

Commen cer par ses GPU, c'est peut-être plus concret qu'il n'y paraît.