SpaceX est déjà un fournisseur cloud de 28 milliards de dollars par an

☕️ Google va louer de l’infra IA chez SpaceX pour 920 millions de dollars par mois

Google a signé le 5 juin un accord avec SpaceX pour louer jusqu'à 110 000 GPU NVIDIA opérés par xAI, l'entreprise d'intelligence artificielle d'Elon Musk. Le contrat, révélé dans un document déposé auprès de la SEC, prévoit un loyer mensuel de 920 millions de dollars sur une période allant d'octobre 2026 à juin 2029, pour un montant total estimé à 30,3 milliards de dollars. Une phase de mise à disposition progressive est prévue dès septembre 2026, et Google dispose d'une clause de sortie sans pénalité entre octobre et décembre 2026 si SpaceX ne peut pas fournir les capacités promises. Cet accord intervient trois jours après que Google a annoncé son intention de lever 80 milliards de dollars pour financer ses propres infrastructures de calcul, tout en révélant un carnet de commandes lié à l'IA de 460 milliards de dollars, dont la moitié doit être réalisée dans les 24 prochains mois. Que le premier fournisseur de cloud mondial soit contraint de louer des ressources informatiques à un concurrent dit quelque chose de la pression extraordinaire qui s'exerce sur les capacités de calcul IA en ce moment. Google justifie l'accord comme "opportun et à court terme" pour répondre à une demande dépassant ses prévisions sur Gemini Enterprise, sa plateforme d'agents d'entreprise. L'ampleur du contrat illustre concrètement ce que signifie une pénurie de GPU à l'échelle industrielle : même les géants du cloud ne peuvent pas toujours livrer dans les délais sans externaliser. Pour les entreprises clientes de Google, c'est une garantie de capacité ; pour l'industrie, c'est le signal que la course aux infrastructures IA crée des dépendances croisées inédites entre concurrents directs. Ce deal s'inscrit dans une relation plus complexe qu'une simple transaction commerciale. Google détenait 6,11 % du capital de SpaceX fin 2025, et conserverait environ 5 % après la fusion de SpaceX avec X et xAI selon Bloomberg, ce qui fait de Mountain View l'un des actionnaires d'Elon Musk. Pour SpaceX, l'accord tombe à un moment stratégique : l'entreprise prépare activement son introduction en bourse à 135 dollars l'action, pour une valorisation d'environ 1 750 milliards de dollars, et ce contrat démontre sa capacité à monétiser ses investissements IA malgré leur coût élevé. SpaceX avait déjà signé un accord similaire avec Anthropic, portant sur les GPU du datacenter Colossus I pour 1,25 milliard de dollars par mois. Si ces deux contrats sont honorés à pleine mesure, la question se pose de savoir quelles ressources de calcul resteront disponibles pour entraîner et faire tourner les propres modèles d'IA de SpaceX.

💬 Le premier fournisseur de cloud mondial qui loue des GPU chez un concurrent pour tenir ses clients, ça résume mieux que n'importe quel rapport l'état réel de la pénurie. Ce qui me perturbe, c'est qu'Anthropic a signé un deal similaire chez SpaceX au même moment pour 1,25 milliard par mois : tu te demandes bien comment les mêmes machines vont servir deux gros clients en simultané. La clause de sortie sans pénalité en fin 2026 montre que Google n'est pas totalement dupe, ce qui est peut-être la seule vraie bonne nouvelle ici.

NVIDIA a déjà investi 40 milliards de dollars dans des accords IA en 2026

En à peine cinq mois depuis le début de l'année 2026, NVIDIA a engagé plus de 40 milliards de dollars dans des accords liés à l'intelligence artificielle. L'investissement le plus massif reste une mise de 30 milliards de dollars dans OpenAI, le créateur de ChatGPT. Le groupe a également conclu un accord pouvant atteindre 2,1 milliards de dollars avec IREN, opérateur de centres de données, pour déployer 5 gigawatts d'infrastructures NVIDIA DSX. Quelques jours plus tôt, c'est Corning qui annonçait un partenariat à hauteur de 3,2 milliards de dollars pour construire trois usines dédiées aux technologies optiques. En mars, NVIDIA avait aussi investi 2 milliards dans Marvell Technology, ainsi que dans les spécialistes de la photonique Lumentum et Coherent. Dans le cloud IA, le groupe soutient les néoclouds CoreWeave et Nebius Group avec 2 milliards chacun. Au total, Jensen Huang dirige une entreprise valorisée à environ 5 200 milliards de dollars, dont l'action a été multipliée par plus de 11 en quatre ans. Cette stratégie va bien au-delà de la simple diversification financière : NVIDIA cherche à contrôler l'ensemble de la chaîne de valeur de l'IA, des puces jusqu'aux infrastructures qui les font tourner. En finançant les fournisseurs cloud, les opérateurs de data centers, les fabricants de composants optiques et les grandes startups IA, le groupe s'assure que chaque maillon de l'écosystème dépend de ses technologies. Jensen Huang l'a lui-même résumé en déclarant vouloir "soutenir tout le monde" plutôt que "désigner un seul gagnant", une posture qui lui permet de couvrir plusieurs scénarios concurrentiels à la fois. Le groupe a généré 97 milliards de dollars de free cash flow en 2025, ce qui rend ce rythme d'investissement soutenable à court terme. Cette mécanique suscite néanmoins des inquiétudes croissantes à Wall Street. Plusieurs analystes pointent une logique circulaire potentiellement fragile : NVIDIA investit dans des entreprises qui achètent ses GPU pour construire leurs infrastructures, et leur fournit parfois directement des ressources de calcul. Certains observateurs comparent cette boucle à une bulle auto-entretenue. La domination de NVIDIA sur le marché des puces IA est le fruit de l'explosion de l'IA générative depuis 2022, mais la concurrence monte, avec AMD, Intel et les puces propriétaires développées par Google, Amazon et Microsoft. La capacité du groupe à maintenir sa position dominante tout en tissant ce réseau d'alliances financières déterminera si cette stratégie est un masterstroke industriel ou un risque systémique pour l'ensemble de l'écosystème IA mondial.

Cerebras : une IPO à 60 milliards de dollars, lente puis soudaine

Cerebras Systems a fait son entrée en bourse cette semaine avec une valorisation spectaculaire de 60 milliards de dollars, clôturant à 280 dollars par action. L'introduction s'est concrétisée après un premier dossier S-1 retiré, puis un partenariat à 750 mégawatts et un accord estimé entre 10 et 20 milliards de dollars avec OpenAI. Lors des communications accompagnant l'IPO, le directeur financier Bob Komin a tenu à corriger la perception d'un positionnement limité aux petits modèles : Cerebras sert aujourd'hui des architectures de toutes tailles, y compris des modèles à un billion de paramètres, et traite en production des modèles internes d'OpenAI, notamment les versions 5.4 et 5.5. L'investisseur Ishan N. Taneja, qui avouait avoir douté des premières annonces de l'entreprise, a publiquement concédé que ses sceptiques avaient eu raison dès le départ, saluant la persévérance de l'équipe et la qualité du silicium développé. Cette introduction en bourse constitue une validation majeure pour le marché des puces d'inférence spécialisées, longtemps perçu comme trop risqué face à la domination de Nvidia. Le fait que Cerebras traite des charges de calcul aussi critiques que les modèles internes d'OpenAI confirme que son architecture, fondée sur une puce unique de la taille d'une tranche entière de wafer, est désormais compétitive sur les workloads les plus exigeants. Le chercheur Apoorv Vyas relie explicitement l'IPO à une discussion de Stanford sur la rareté du calcul, la demande d'inférence en hausse et le routage de modèles, soulignant que l'événement est interprété dans les cercles techniques comme un signal structurant pour l'ensemble du cycle d'infrastructure IA, et non comme un simple fait de marché. Ce succès survient dans un contexte de recomposition rapide du secteur du matériel pour l'IA. Six mois plus tôt, Nvidia avait racheté Groq pour 20 milliards de dollars, un autre spécialiste de l'inférence rapide, consolidant sa position tout en signalant que ce segment attire désormais des capitaux massifs. Cerebras avait opté pour une architecture radicalement différente des GPU de Nvidia ou AMD : une puce monolithique de très grande taille, conçue spécifiquement pour les modèles de langage, plutôt que des GPU généralistes adaptés a posteriori. Ce pari industriel, considéré pendant des années comme excentrique, trouve aujourd'hui une validation boursière qui devrait encourager de nouveaux investissements dans des architectures alternatives. La suite probable est une intensification de la concurrence sur l'inférence à grande échelle et une pression croissante sur Nvidia pour défendre ses marges dans ce segment en pleine expansion.

💬 Quand Cerebras a sorti sa puce wafer-scale, beaucoup ont dit que c'était une blague industrielle. Maintenant ils font tourner les modèles internes d'OpenAI en prod, 5.4 et 5.5, et ils entrent en bourse à 60 milliards. Le marché vient de décider que l'architecture alternative à Nvidia, c'est pas un luxe, c'est une nécessité.

SiMa.ai lève des fonds à une valorisation de 1,4 milliard de dollars

La startup californienne SiMa.ai, basée à San Jose, est en négociations avancées pour lever plus de 100 millions de dollars auprès d'investisseurs, à une valorisation d'environ 1,4 milliard de dollars. Cette opération représenterait une hausse de plus de 45 % par rapport à sa valorisation de 960 millions de dollars enregistrée en août 2025, selon les données de PitchBook. L'information a été confirmée par deux sources proches du dossier. SiMa.ai conçoit des puces d'inférence destinées à fonctionner directement sur des appareils embarqués comme des drones, des robots ou des caméras de surveillance, sans avoir recours à la puissance de calcul des centres de données. Cette levée de fonds illustre une conviction croissante chez certains investisseurs : l'avenir de l'IA ne se jouera pas uniquement dans les datacenters. Les puces de SiMa.ai sont optimisées pour la sobriété énergétique et l'exécution locale des modèles, ce que l'on appelle l'inférence en périphérie de réseau ("edge inference"). Pour les industriels du secteur manufacturier, de la logistique ou de la sécurité, cette approche ouvre la possibilité de déployer de l'intelligence artificielle sur le terrain, en temps réel, sans dépendre d'une connexion permanente au cloud ni des coûts associés. Si ce modèle se généralise, il pourrait remettre en question les projections actuelles sur les besoins en infrastructure numérique mondiale. SiMa.ai s'inscrit dans une vague de startups spécialisées qui cherchent à conquérir des segments du marché des puces IA laissés en dehors du champ de Nvidia, dont la domination porte essentiellement sur les GPU de datacenter. Ces challengers misent sur des cas d'usage précis et des contraintes physiques réelles, comme la consommation électrique ou la taille des appareils. Le marché de l'IA embarquée, porté par l'essor des véhicules autonomes, de la robotique industrielle et des systèmes de vision par ordinateur, devrait croître fortement dans les prochaines années, attirant capitaux et compétition dans ce segment encore dominé par aucun acteur incontournable.