Que sont les néoclouds ? L'essor d'une infrastructure cloud axée sur l'IA

Que sont les néoclouds ?

Les néoclouds sont des fournisseurs de cloud computing spécialisés et axés sur les GPU, conçus spécifiquement pour exécuter des charges de travail d'IA telles que l'entraînement de modèles et l'inférence, plutôt que pour le calcul généraliste. La demande de l'IA générative en clusters de GPU denses et en réseaux à haute bande passante a dépassé ce que les plateformes cloud traditionnelles ont été conçues pour offrir, donnant naissance à cette nouvelle catégorie de fournisseurs.

Contrairement aux hyperscalers (AWS, Microsoft Azure, Google Cloud), qui proposent de larges catalogues de services conçus pour desservir la plus grande gamme possible de charges de travail générales, les néoclouds se concentrent principalement sur la fourniture de calcul GPU dense, de réseaux haut débit et de performances bare-metal pour l'IA. Parmi les exemples les plus éminents figurent CoreWeave, Lambda, Crusoe, Nebius et Vultr.

Le terme a émergé fin 2024 et en 2025 pour s'imposer depuis comme une catégorie standard de l'industrie. Son envergure est déjà considérable et s'accélère. 

Selon Synergy Research Group, les revenus des néoclouds ont dépassé 25 milliards de dollars en 2025, atteignant 9 milliards de dollars au seul quatrième trimestre, soit une hausse de 223 % d'une année sur l'autre. La même analyse prévoit que le marché approchera les 400 milliards de dollars d'ici 2031, avec un taux de croissance annuel composé soutenu de 58 %, reflétant les engagements actuels en matière de développement et l'écart entre la demande de calcul pour l'IA et la capacité des hyperscalers. 

Cette trajectoire reflète une réalité structurelle : la demande de calcul accéléré par GPU continue de dépasser la capacité que les hyperscalers traditionnels peuvent mettre en ligne. Il ne s'agit pas d'un pic conjoncturel. Cela reflète un changement significatif dans le lieu où le calcul de l'IA a lieu.

Que sont les néoclouds de GPU et pourquoi sont-ils importants ?

La plupart des néoclouds sont, en pratique, des néoclouds de GPU. Comprendre cette catégorie commence par comprendre pourquoi le GPU en est l'élément déterminant.

Un GPU (Graphics Processing Unit) est un processeur optimisé pour le calcul parallèle, effectuant des milliers de calculs simultanément, tandis qu'un processeur (CPU) gère les tâches de manière séquentielle. L'apprentissage et l'inférence de modèles d'IA sont des problèmes massivement parallèles, c'est pourquoi les GPU, et non les CPU, les alimentent. C'est le fondement du modèle de consommation « GPU-as-a-Service » (GPUaaS), où les clients louent une capacité GPU à la demande plutôt que d'acheter du matériel.

Les principales caractéristiques d'un néocloud de GPU sont les suivantes :

• Architecture privilégiant les processeurs graphiques (GPU-first) : le calcul, la mise en réseau et le stockage sont optimisés en fonction des performances des accélérateurs, et non des machines virtuelles polyvalentes.

• Accès bare metal ou à machine virtuelle légère (thin-VM) : les charges de travail s'exécutent au plus près du matériel, ce qui minimise les surcharges de virtualisation susceptibles de nuire aux performances de l'IA.

• Réseau fabric à haut débit : InfiniBand ou Ethernet 400G/800G connecte les clusters de GPU pour l'entraînement distribué.

• Catalogue de services restreint : un ensemble ciblé de services de calcul pour l'IA plutôt que des centaines d'offres sans rapport.

• Accès à la demande basé sur la consommation : tarification horaire des GPU sans les frais par couche courants dans les environnements hyperscale.

Quels sont les principaux avantages des néoclouds pour les charges de travail d'IA ?

Pour les équipes qui les évaluent, la valeur des néoclouds se mesure en résultats, et non en spécifications. Chaque avantage répond à une question directe : qu'est-ce que cela implique pour l'activité ?

• Délai d'obtention de la capacité IA accéléré : le provisionnement s'effectue en quelques minutes plutôt qu'en quelques semaines, et de nouveaux sites sont opérationnels en quelques mois plutôt qu'en quelques années.

• Coût horaire des GPU inférieur : une infrastructure conçue sur mesure peut offrir des performances économiques unitaires nettement meilleures pour les charges de travail d’IA intensives en calcul, les néoclouds proposant généralement des GPU haut de gamme à des prix inférieurs à ceux des instances des hyperscalers comparables.

• Charges de travail d'IA prévisibles et hautes performances : l'accès bare-metal et la mise en réseau optimisée pour l'IA éliminent les surcharges de virtualisation et les effets de voisinage bruyant qui affectent les clouds polyvalents.

• Tarification transparente basée sur la consommation : tarification horaire des GPU sans les frais superposés caractéristiques des environnements hyperscale.

• Accès au matériel GPU le plus récent : les néoclouds déployant généralement les nouvelles générations de GPU quelques semaines après leur lancement, et non quelques mois plus tard.

Ces avantages font des néoclouds une solution particulièrement solide pour l'extensibilité des capacités, l'expérimentation et l'entraînement de modèles de pointe, précisément les charges de travail pour lesquelles la rapidité d'accès aux derniers accélérateurs est primordiale. Cependant, pour l'inférence permanente 24h/24 et 7j/7 ou pour les jeux de données hautement réglementés, le calcul évolue, et cette distinction déterminera la manière dont les organisations concevront l'architecture de l'IA pour les années à venir.

En quoi les néoclouds diffèrent-ils des fournisseurs hyperscale ?

Les mêmes plateformes hyper-évolutives qui excellaient dans les charges de travail web élastiques ne peuvent tout simplement plus continuer à assembler des solutions ponctuelles pour l'IA. La prochaine décennie ne sera pas définie par celui qui propose le plus de services, mais par celui qui saura fournir la puissance de calcul pour l'IA à la vitesse, à l'échelle et avec la souveraineté désormais exigées par les entreprises.

La distinction se résume le mieux à l’étendue par rapport à la profondeur. D’un côté, les hyperscalers offrent de l’étendue : des centaines de services, des régions mondiales et des fonctionnalités polyvalentes. De l’autre côté, les néoclouds offrent de la profondeur : un catalogue de GPU ciblé, des performances d’IA prévisibles et une tarification plus simple.

La tendance émergente n'est pas la substitution, mais la spécialisation. Les entreprises exécutent de plus en plus d'applications professionnelles sur des hyperscalers et des charges de travail d'IA sur des néoclouds, orchestrant les deux dans le cadre d'une stratégie multicloud hybride plus large. La crédibilité des néoclouds dépend de leur reconnaissance comme complémentaires des hyperscalers, et non comme un remplacement de ces derniers. Ensemble, ils forment les deux extrémités d'une réalité d'IA hybride que les organisations doivent désormais apprendre à gouverner comme un tout.

Quels sont les cas d’utilisation courants des néoclouds ?

Les néoclouds prennent en charge les applications et charges de travail qui exigent une capacité GPU dense et dédiée. Les plus courants sont les suivants :

• Entraînement de modèles d'IA à grande échelle : entraînement de modèles de fondation ou réglage fin de grands modèles de langage sur des milliers de GPU, où l'accès à la demande à des accélérateurs importe plus que leur propriété.

• Inférence d'IA à haut débit : exécution de charges de travail d'inférence en production là où une latence prévisible et des performances dédiées sont essentielles.

• Développement d'applications d'IA générative : startups et équipes d'IA d'entreprise s'appuyant sur la capacité des GPU sans les délais d'approvisionnement liés à l'achat de matériel.

• Calcul scientifique et haute performance : génomique, modélisation climatique, découverte de médicaments et simulations à grande échelle.

• Charges de travail d'IA souveraines et réglementées : les entreprises et les organisations du secteur public qui ont besoin d'une infrastructure d'IA hébergée au sein d'une juridiction spécifique.

Ce dernier cas d'usage est celui où la croissance de la catégorie croise un changement géopolitique plus large, et où les néoclouds cessent d'être un choix d'approvisionnement pour devenir une stratégie de souveraineté.

Comment les néoclouds prennent-ils en charge l'IA souveraine ?

La catégorie des néoclouds ne se développe pas seulement en termes de taille, elle grandit également en diversité géographique et politique. Plus de 100 néoclouds opèrent désormais dans le monde entier, s'étendant à travers l'Europe, le Moyen-Orient et l'Asie.

L'IA souveraine est un moteur majeur. En termes simples, l'IA souveraine est une infrastructure d'IA qui maintient les données et la gouvernance au sein d'un pays ou d'une juridiction spécifique, soit le même principe qui sous-tend un cloud souverain. Cette question se pose en raison des réglementations sur la résidence des données, des secteurs réglementés tels que les services gouvernementaux, la défense, la santé et la finance, ainsi que des préoccupations géopolitiques croissantes concernant la dépendance à l'égard des hyperscalers. 

Des cadres tels que l'AI Act de l'UE et le règlement DORA (Digital Operational Resilience Act) codifient désormais ces attentes dans la loi, exigeant des organisations qu'elles maintiennent les données sensibles et les dépendances opérationnelles dans des juridictions contrôlées. Conçus pour des empreintes généralisées massives, les hyperscalers ont historiquement eu du mal à offrir une véritable localisation, bien que nombre d'entre eux proposent désormais des environnements cloud souverains et spécifiques à une région conçus pour répondre à ces exigences. 

Les néoclouds régionaux et souverains peuvent constituer une option idéale pour ces charges de travail : ils peuvent prendre en charge les objectifs de souveraineté grâce au déploiement d'une infrastructure localisée et à des régions localisées afin que la propriété intellectuelle sensible et les données régionales ne quittent jamais leur juridiction. 

Garantir cette souveraineté nécessite toutefois bien plus qu'un simple datacenter localisé. Cela exige une plateforme multicloud hybride qui impose la résidence des données, la gouvernance et la sécurité sur l'ensemble de l'empreinte, une discipline façonnée par des décisions juridiques, opérationnelles et architecturales plutôt que par une simple fonctionnalité de produit. La souveraineté n'est pas une destination, c'est une discipline, et les néoclouds qui réussiront seront ceux associés à la plateforme permettant de l'imposer.

De la location de GPU aux plateformes de services complets : comment les néoclouds évoluent-ils ?

Le modèle initial des néoclouds était simple : location de GPU bruts avec une tarification horaire transparente. Ce modèle est en train d'évoluer. Les principaux néoclouds montent en puissance pour offrir un catalogue de services d'IA plus large :

• GPU-as-a-Service (GPUaaS)

• Kubernetes-as-a-Service (K8s-aaS)

• Notebooks-as-a-Service

• Vector Database-as-a-Service (pour la génération augmentée de récupération et l'IA agentique)

• Models-as-a-Service

Cette évolution met en évidence le défi opérationnel central : desservir de multiples clients d'entreprise à partir d'une infrastructure GPU partagée exige une multi-location, un comptage et une gouvernance robustes, des fonctionnalités que la plupart des néoclouds n'ont pas encore bâties de toutes pièces. Presque tous les néoclouds ont convergé indépendamment vers la même pile de base, pourtant ils manquent d'un véritable catalogue de services d'IA multi-locataires et gouvernés, doté de fonctionnalités intégrées de comptage et de facturation. 

En résumé, les néoclouds ont résolu le problème de l’approvisionnement en matériel, mais ils n’ont pas résolu le problème des logiciels d’entreprise. Créer un cloud d’IA est un problème logiciel, et les GPU bruts ne constituent pas une architecture complète. Les fournisseurs de néoclouds les mieux positionnés pour la prochaine phase seront ceux qui combleront cet écart.

Le fossé logiciel : pourquoi les néoclouds ont besoin d'une couche de plateforme

Les néoclouds ont résolu le problème de l'approvisionnement en matériel, mais pas les besoins en logiciels d'entreprise tels que la multilocation et la gouvernance. Les plateformes telles que Nutanix Cloud Platform constituent un exemple de logiciels répondant à ce besoin en offrant l'orchestration, la gouvernance et le routage hybride entre les néoclouds et l'infrastructure sur site.

Nutanix n'est pas un néocloud. Il fournit des fonctionnalités logicielles qui aident les fournisseurs de néoclouds à fonctionner comme des fournisseurs de services d'IA de niveau entreprise, et qui permettent aux entreprises de gérer la capacité du néocloud dans le cadre d'un modèle d'exploitation d'IA hybride.

Pour les créateurs de néoclouds, la Nutanix Cloud Plateforme fournit la base logicielle nécessaire pour proposer des services d'IA multilocataires sécurisés :

• La Nutanix Kubernetes Platform apporte l'orchestration, la résilience et les opérations du jour 2 de niveau entreprise aux charges de travail d'IA cloud-native dans les datacenters, en périphérie et sur le cloud public.

• Nutanix Cloud Manager unifie la gouvernance et les opérations via une console unique, rationalisant ainsi la gestion dont les néoclouds ont besoin pour étendre leurs activités.

• Nutanix Enterprise AI facilite le déploiement, la surveillance et l'adaptation des modèles d'IA grâce à des contrôles d'accès basés sur les rôles et à des opérations isolées (air-gapped), transformant une capacité d'accélération brute en un service d'IA multilocataire et gouverné. 

Ensemble, ils forment une couche logicielle qui peut aider les organisations à créer un environnement d'exploitation d'IA prêt pour l'entreprise et prenant en charge les objectifs de souveraineté.

Pour les entreprises, cette même plateforme redéfinit la relation avec les néoclouds. Plutôt qu'une destination vers laquelle migrer, un néocloud devient un point de terminaison vers lequel router de manière dynamique. La passerelle d'agent Nutanix agit comme un plan de contrôle unifié : les charges de travail en rafale et non sensibles sont acheminées vers un néocloud, tandis que les charges de travail souveraines et réglementées restent sur site, le tout étant gouverné via une interface unique. 

Le principe est simple : amenez l'IA là où résident vos données, n'envoyez pas vos données là où les GPU sont loués. La possession d'une infrastructure d'IA l'emporte sur le coût global de possession à volume constant et la gravitation des données, tandis que les néoclouds étendent la capacité possédée plutôt que de la remplacer. Les organisations n'ont pas à choisir entre l'IA sur site et un néocloud ; elles ont besoin d'un plan de contrôle unique pour gérer les deux.

C'est pourquoi la souveraineté numérique n'est pas une simple réflexion après coup. Associés à Nutanix, les néoclouds peuvent aider les organisations qui poursuivent des objectifs d'IA souveraine dans des régions spécifiques et localisées, en maintenant la propriété intellectuelle sensible et les données régionales au sein de leur juridiction tout en bénéficiant de l'évolutivité des GPU cloud-natives.

Les néoclouds constituent un composant architectural puissant, et ils n'atteignent leur plein potentiel que lorsqu'ils sont associés à un modèle d'exploitation d'IA hybride. Pour découvrir comment Nutanix peut alimenter votre néocloud ou unifier votre stratégie d'IA hybride, échangez avec un expert ou explorez nos solutions d'IA.