Six chips, une vision. Quand NVIDIA présente Rubin, ce n'est pas simplement une nouvelle génération de GPU qu'elle annonce : c'est une refonte complète de la façon dont un supercalculateur IA est conçu, de la puce au rack. La plateforme entre en production complète depuis janvier 2026, avec des produits attendus en disponibilité commerciale au second semestre.
Un écosystème gravé sur silicium
L'architecture Rubin rassemble six composants distincts développés en interne : le Vera CPU (le premier processeur ARM maison de NVIDIA destiné aux centres de données), le Rubin GPU proprement dit, le NVLink 6 Switch pour l'interconnexion ultra-rapide entre accélérateurs, le ConnectX-9 SuperNIC, le BlueField-4 DPU pour le traitement des données réseau, et enfin le Spectrum-6 Ethernet Switch. C'est la première fois que NVIDIA conçoit l'ensemble de ces briques comme un tout cohérent plutôt que comme des produits vendus séparément.
L'intérêt de cette intégration verticale est précisément là : dans une architecture modulaire classique, chaque composant est optimisé indépendamment, et les goulots d'étranglement apparaissent aux interfaces — entre le CPU du serveur et le GPU, entre la carte réseau et le reste du système. En co-concevant ces six éléments, NVIDIA peut garantir des débits et des latences que l'assemblage de composants tiers ne permet pas d'atteindre. Pour l'inférence à grande échelle, où chaque milliseconde se traduit en coût, c'est un argument concret.
La configuration NVL72, qui regroupe 72 GPU Rubin interconnectés via NVLink 6, sera notamment déployée par Microsoft dans ses futurs data centers Fairwater AI superfactory. C'est l'une des premières grandes installations connues à s'appuyer sur cette architecture de bout en bout.
Adoption large avant même la mise en vente
Les confirmations d'adoption s'accumulent du côté des hyperscalers : AWS, Google Cloud, Microsoft et Oracle Cloud Infrastructure ont tous annoncé leur intention de déployer Rubin. Des acteurs plus spécialisés comme CoreWeave, Lambda, Nebius et Nscale suivent. Du côté des labs d'IA frontière, Anthropic, OpenAI, xAI et Meta figurent parmi les neuf organisations ou plus qui ont confirmé utiliser la plateforme.
Cette convergence entre fournisseurs de cloud et laboratoires de recherche n'est pas anodine. Elle signifie que Rubin sera vraisemblablement la base matérielle sur laquelle tourneront les prochaines générations de grands modèles, de l'entraînement jusqu'au service en production. Pour NVIDIA, c'est aussi une façon de verrouiller l'écosystème : si les six chips sont conçus ensemble, passer à une solution concurrente implique de remplacer l'ensemble de la pile, pas seulement le GPU.
Ce que change l'intégration verticale pour les coûts
L'argument économique mérite d'être détaillé. Dans un cluster d'inférence traditionnel, une partie non négligeable de la latence (et donc du coût par requête) provient des échanges entre le GPU et le reste du système : la carte réseau qui gère le trafic, le CPU qui orchestre les tâches, les switches qui routent les données entre nœuds. Ces transferts consomment de l'énergie et du temps.
Avec le BlueField-4 DPU intégré à l'architecture, une partie du traitement réseau est déchargée du CPU principal. Le ConnectX-9 SuperNIC, conçu pour fonctionner avec le NVLink 6 Switch, peut exploiter des optimisations de bas niveau impossibles à atteindre avec des composants hétérogènes. NVIDIA n'a pas communiqué de chiffres précis sur les gains attendus, mais la logique d'ingénierie est solide : moins de frontières entre composants signifie moins de latence et moins de gaspillage énergétique, ce qui, à l'échelle d'un data center comptant des milliers de GPU, représente des économies opérationnelles substantielles.
La vraie inconnue reste le prix. Une intégration aussi poussée a un coût de développement considérable, et NVIDIA n'a pas précisé les tarifs commerciaux. Les hyperscalers qui s'engagent sur Rubin font le pari que les économies à l'usage compenseront un investissement initial probablement élevé. Les disponibilités commerciales prévues pour le second semestre 2026 permettront d'y voir plus clair — et de mesurer si la promesse tient face aux alternatives qui émergent, qu'elles viennent de AMD, d'Intel ou des puces maison que développent Google, Amazon et Microsoft.
