Selon Fluence Research, les hyperscalers facturent les GPU près de deux fois plus cher que les clouds GPU

La course au calcul IA rapporte les prix du calcul GPU en dehors des plus grands acheteurs : un engagement de trois ans réduit le prix médian de 48 %, tandis que 17 des 22 modèles GPU suivis ont vu leur prix augmenter au cours de la dernière année

DALLAS, Texas – 13 novembre 2026 — Fluence a publié La course au calcul IA, un rapport qui établit les prix du calcul cloud GPU pour toutes les entreprises qui ne sont ni des laboratoires de pointe ni des hyperscalaires. Il a été réalisé en partenariat avec NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs et GAIB. Sa conclusion principale : le lieu où une entreprise achète une heure de GPU détermine le prix. Pour les modèles H100, H200 et B200, les hyperscalaires affichent des GPU à 1,98 fois la médiane du cloud GPU, soit 1,4 fois pour le B200 à 2,8 fois pour le H100. Le même H200 est affiché entre 4,08 $ et 10,60 $ de l'heure.

La durée de l'engagement est presque aussi importante que le choix du fournisseur. Par rapport au tarif à la demande propre à chaque fournisseur, une réservation d'un an réduit le prix médian de 21 %, et un engagement de trois ans de 48 %. La capacité en spot est facturée à 53 % du tarif à la demande, pour les charges de travail qui peuvent être interrompues.

Les acheteurs qui s’attendent à une baisse des prix des GPU pourraient devoir revoir leurs budgets. Dix-sept des 22 modèles de GPU suivis par GetDeploying coûtent plus cher qu’il y a un an, et les tarifs de location médians des H100 augmentent de 13 % à 30 %, selon la période considérée.

Le rapport explique également pourquoi les prix augmentent rapidement :

• La demande s’est orientée vers les modèles ouverts. La part des modèles chinois dans les tokens OpenRouter parmi les entreprises américaines, européennes et du Sud global est passée de 6–13 % à 57–67 % en moins de huit mois, selon CNBC. Les poids ouverts permettent à toute entreprise disposant de GPU d’héberger un modèle quasi-frontière sur son propre matériel.
• Les plus gros acheteurs ont verrouillé les nouvelles capacités. Les quatre plus grands hyperscalers prévoient des dépenses en capital de 720 à 740 milliards de dollars pour 2026, et les quatre plus grandes opérations divulguées par les laboratoires d’IA et Meta avec des fournisseurs de néo-clouds totalisent environ 233 milliards de dollars, dont trois sont des montants « jusqu’à » et une grande partie concerne des capacités encore non livrées.
• L’heure-GPU devient un actif financier. Le CME, l’ICE et le Nodal Exchange ont annoncé des contrats à terme sur les GPU, chacun se réglant sur un indice de prix différent, tandis que les prêteurs accordent déjà des prêts garantis par des GPU : le prêt noté investment-grade de Lambda était fixé à 6,78 %, et celui de Sharon AI, sans notation divulguée, à 9,95 %.

« Les modèles à poids ouverts sont très proches des meilleurs modèles fermés, et les entreprises basculent vers eux. Toute entreprise disposant de GPU peut désormais déployer un modèle quasi-frontière sur son propre matériel. Le défi réside dans les GPU », a déclaré Evgeny Ponomarev, cofondateur de Fluence.

Le rapport se conclut par quatre moyens de réduire les coûts pour bénéficier de la même puissance de calcul : comparer le même type de puce selon les catégories de fournisseurs, s'engager lorsque la charge de travail est stable, adapter la génération de GPU au modèle utilisé, et élargir sa recherche au-delà des hyperscalers, car une grande partie de la nouvelle capacité des néo-clouds est déjà réservée par les laboratoires plusieurs années à l'avance.

Le rapport complet est disponible sur fluence.ai/compute-race-2026.

À propos de Fluence

Fluence Cloud est un fournisseur de cloud GPU disposant de capacités issues de centres de données indépendants (fluence.ai). Fondée en 2017 par Dmitry Kurinskiy, Evgeny Ponomarev et Tom Trowbridge, l'entreprise a levé 14 millions de dollars auprès d'investisseurs tels que 1KX, Multicoin, Distributed Global, Blockchange, Tiger Global et Protocol Labs.