Le 22 août 2026, Bloomberg a publié que Nvidia avait prévenu certains de ses plus gros clients : les serveurs d'intelligence artificielle vont coûter plus de 15% de plus dans de nombreux cas, pour les systèmes Grace Blackwell et Vera Rubin livrés début 2027. L'avertissement est parvenu aux grands acheteurs par l'intermédiaire des fabricants qui assemblent les serveurs, et l'ampleur de chaque hausse dépend de la génération de puce et de la configuration mémoire.
Pendant deux ans, presque toutes les nouvelles sur le coût de l'IA allaient dans la même direction : moins cher. Celle-ci va dans le sens inverse — et pour une raison qui n'a rien à voir avec l'intelligence artificielle. C'est une pénurie de mémoire.
Pourquoi ça monte : la mémoire est devenue près d'un tiers de la machine
Un rack Vera Rubin VR200 représente une nomenclature d'environ 2,1 millions de dollars. La mémoire, qui fut longtemps une petite part de ce total, atteint désormais près de 29% — soit environ 609 000 dollars rien qu'en mémoire, alors que l'objectif de Nvidia elle-même est de rester autour de 20% du coût du système.
La solution évoquée dans les rapports a été de réduire la capacité : la mémoire SOCAMM du processeur Vera passerait d'environ 55 téraoctets à 28 téraoctets par rack, la HBM4 du GPU restant à 20,7 téraoctets. Autrement dit, en plus d'être plus cher, le système livré peut arriver avec moins de mémoire que ce que prévoyait le projet initial.
La toile de fond, c'est le marché de la mémoire. TrendForce a projeté une hausse de 58% à 63% du prix contractuel de la DRAM classique au deuxième trimestre 2026, et prévoit encore 13% à 18% sur la DRAM serveur au troisième. Ce n'est pas un soubresaut d'un trimestre : le cabinet attend des hausses successives jusqu'au second semestre 2027, même si le rythme devrait ralentir.
Et Nvidia a choisi de répercuter. L'entreprise affiche une marge brute non-GAAP de 75,0% — c'était le chiffre du premier trimestre de l'exercice 2027, et la prévision pour le trimestre suivant se situait au même niveau. Autrement dit, cette hausse n'est pas une entreprise à l'étroit qui partage la douleur avec son client ; c'est un choix de préserver la marge.
Est-ce que cela contredit ce que nous écrivions il y a un mois ?
Non, et la différence est justement le sujet de ce texte. En juillet, nous avons publié que le prix de l'IA avait chuté de 80% en trois semaines. C'est toujours vrai — mais ce sont deux comptes différents.
Le prix du token, c'est-à-dire ce que votre entreprise paie pour utiliser le modèle, baisse par le logiciel : modèles plus efficaces, quantification, routage, concurrence entre fournisseurs. Le prix du métal, c'est-à-dire ce que le fournisseur paie pour posséder la machine, monte à cause d'une pénurie physique d'un composant que personne ne fabrique du jour au lendemain.
Les deux courbes ont coexisté jusqu'ici parce que la baisse logicielle allait plus vite que la hausse matérielle. La nouvelle de Nvidia est le premier signal net que la seconde courbe commence à serrer. Cela ne veut pas dire que votre facture augmentera de 15% en janvier — cela veut dire que la marge qui poussait les prix vers le bas s'est réduite.
La clause qui sépare celui qui se protège de celui qui paie
Voici la partie que presque personne ne commente et qui est la plus utile à une entreprise de taille moyenne.
TrendForce explique elle-même que plusieurs fournisseurs de cloud américains ont signé des accords d'approvisionnement pluriannuels, et que ces accords empêchent les fabricants de mémoire d'augmenter leurs prix pour ces clients-là. La conséquence est directe : la hausse ne se répartit pas de manière égale. Elle se concentre sur ceux qui n'ont pas de contrat long.
La même logique descend toute la chaîne. Celui qui achète des racks négocie directement avec le fournisseur de mémoire ; celui qui achète une API auprès d'un grand fournisseur est protégé par le contrat de ce fournisseur jusqu'au jour où il ne l'est plus ; et celui qui a commandé un système avec IA intégrée à un petit intégrateur se trouve au bout le plus fragile de la file, parce qu'aucun contrat ne verrouille quoi que ce soit pour lui.
La vraie question n'est pas « l'IA va-t-elle coûter plus cher ? ». C'est « à quelle marche de cet escalier suis-je, et pour combien de temps mon prix est-il verrouillé ? »
Trois décisions que cela change dans votre entreprise
1. Lire ce que dit votre contrat sur la révision de prix. Pas le tarif affiché — la clause. Le prix catalogue de l'IA est ce qui compte le moins dans un marché qui a changé trois fois en douze mois. Ce qui compte, c'est de savoir s'il existe une durée ferme, quel est l'indice de révision, avec quel préavis le fournisseur peut prévenir et ce qui se passe s'il change de modèle sous le contrat.
2. Savoir quelle part de votre coût est vraiment de l'IA. Dans la plupart des projets que nous livrons, la dépense de modèle est la plus petite ligne du budget — l'argent part dans l'intégration, dans la mise en ordre des données et dans celui qui entretient le système ensuite. Si l'IA représente 6% de votre coût, une hausse de 15% dessus déplace moins de 1% du total, et ce calcul apaise la décision. Si vous ignorez la proportion, la hausse paraît plus grande qu'elle ne l'est.
3. Avoir un second fournisseur configuré, pas seulement envisagé. Changer de modèle doit être bon marché. Cela veut dire des prompts qui ne dépendent pas d'un seul fournisseur, une évaluation maison avec des tâches réelles et un plan B qui a déjà tourné au moins une fois. Celui qui a cela négocie ; celui qui ne l'a pas accepte.
Vous voulez savoir où l'IA se rentabilise en premier dans votre activité — et où elle ne fait qu'ajouter du coût ?
Nous faisons ce diagnostic avant d'écrire la moindre ligne de code.
L'autre face de la même pièce : la mémoire décide aussi sur le téléphone
Le même week-end, Artificial Analysis a publié, en partenariat avec Liquid AI, une mesure indépendante de petits modèles tournant à l'intérieur de l'appareil, sur iPhone 17 Pro et Galaxy S26 Ultra.
Le résultat est intéressant parce qu'il montre la même contrainte de l'autre côté. Le LFM2.5-2.6B partage la première place avec 63 points en répondant à une demande de 1 024 tokens en 8,0 secondes et en utilisant 2,3 Go de mémoire, tandis que des modèles de 9 milliards de paramètres mettent plus de 25 secondes et 6,9 Go pour atteindre une note comparable.
Et le classement entier change selon la mémoire disponible : avec un contexte limité à 16 000 tokens, un modèle finit quatrième ; à 64 000, il remonte. Sauf qu'une fenêtre de 64 000 tokens ne tient pas dans la mémoire d'un téléphone, et à la vitesse mesurée, en générer autant prendrait plus de 20 minutes et beaucoup de batterie.
C'est la même leçon à deux échelles : ce qui décide de ce qui est possible, ce n'est pas la taille du modèle, c'est la mémoire disponible sur la machine qui va l'exécuter. Dans le centre de données, cela s'est traduit en prix ; sur le téléphone, en limite.
Ce qu'on ne peut pas conclure d'ici
Il vaut la peine de poser les limites, car les titres sur les prix promettent souvent plus que ce que la donnée soutient.
- L'avertissement porte sur des serveurs livrés en 2027, pas sur la facture de votre abonnement le mois prochain.
- Une hausse matérielle ne devient pas une hausse d'API dans la même proportion — entre les deux il y a le contrat, la concurrence, l'efficacité des modèles et la décision commerciale de chaque fournisseur.
- Nvidia n'a pas commenté publiquement le sujet, et les pourcentages viennent d'informations de marché, pas d'un tarif publié.
- La pénurie de mémoire a un historique cyclique : elle se resserre, attire l'investissement en usines, puis se détend. Ce que personne ne sait, c'est quand.
Le résumé honnête
La baisse du coût de l'IA n'a jamais été une loi de la nature — c'était le logiciel qui courait plus vite que le matériel. Cette avance s'est réduite.
Pour une entreprise qui utilise l'IA, la réponse n'est pas de reporter le projet en attendant un meilleur prix. C'est de cesser de traiter le prix comme le critère principal et de regarder ce qui survit à une hausse : un contrat avec une durée, un coût total connu, et la liberté de changer de fournisseur sans tout refaire. Celui qui a organisé cela traverse la hausse en râlant ; celui qui a tout attaché à un fournisseur pour le prix de la promotion la traverse en refaisant tout.
Sources
- Bloomberg — « Nvidia Customers Notified About AI-Related Price Hikes Above 15% » (22 août 2026).
- TrendForce — prévisions de prix contractuels de la DRAM (31 mars et 9 juillet 2026).
- NVIDIA — résultats du premier trimestre de l'exercice 2027 (marge brute non-GAAP).
- Artificial Analysis et Liquid AI — mesure de petits modèles sur appareils mobiles (24 août 2026).
Questions fréquentes
Mon abonnement d'IA va-t-il coûter 15% de plus ?
Ce n'est pas ce qui a été annoncé. L'avertissement de Nvidia porte sur le prix des serveurs livrés début 2027, achetés par les grands fournisseurs de cloud. Entre ce coût et votre facture, il y a le contrat, la concurrence et les gains d'efficacité des modèles. Ce qui change, c'est la direction : la marge qui poussait les prix vers le bas s'est réduite.
Pourquoi les serveurs d'IA deviennent-ils plus chers ?
À cause de la mémoire. Dans un rack Vera Rubin VR200, la mémoire atteint près de 29% d'une nomenclature d'environ 2,1 millions de dollars, alors que l'objectif de Nvidia est de rester autour de 20%. TrendForce a projeté une hausse de 58% à 63% du prix contractuel de la DRAM classique au deuxième trimestre 2026 et prévoit encore 13% à 18% sur la DRAM serveur au troisième.
Cela contredit-il la nouvelle selon laquelle le prix de l'IA a chuté de 80% ?
Non, ce sont deux comptes différents. Le prix du token baisse par le logiciel — modèles plus efficaces, quantification, concurrence. Le prix du matériel monte à cause d'une pénurie physique de mémoire. Les deux courbes ont coexisté parce que la baisse logicielle allait plus vite ; la hausse matérielle commence maintenant à serrer.
Que devrait faire mon entreprise maintenant ?
Trois choses : lire la clause de révision de prix du contrat au lieu de regarder seulement le tarif affiché ; calculer quelle part du coût du projet correspond réellement au modèle d'IA, qui est en général la plus petite ligne ; et garder un second fournisseur configuré et testé, pour que changer soit bon marché.
Faut-il reporter un projet d'IA à cause de la hausse ?
En général non. La dépense de modèle est le plus souvent la plus petite part du coût d'un projet — l'essentiel va à l'intégration, à la mise en ordre des données et à la maintenance. Reporter ne réduit pas ces lignes et retarde en plus le retour. Ce qui vaut la peine, c'est de choisir un projet qui aboutit et d'en mesurer le résultat.
Les petits modèles qui tournent sur l'appareil règlent-ils le problème ?
Ils en règlent une partie, et seulement pour certaines tâches. La mesure d'Artificial Analysis avec Liquid AI montre qu'un modèle de 2,6 milliards de paramètres répond en 8 secondes avec 2,3 Go sur un iPhone 17 Pro, avec une note égale à celle de modèles bien plus grands. Mais la mémoire de l'appareil limite la taille du contexte, et les tâches longues réclament toujours un serveur.