Guerres du cloud IA : comment AWS, Azure et Google se disputent l’IA

En bref : Les trois hyperscalers contrôlent les deux tiers du marché cloud trimestriel de 107 milliards de dollars, mais l’IA redessine les lignes de front. Chacun mise sur un levier différent — AWS sur l’étendue de l’offre et le silicium sur mesure, Azure sur son partenariat exclusif avec OpenAI, Google sur l’intégration native de Gemini et l’économie des TPU. Le vainqueur ne sera pas celui qui possède le meilleur modèle, mais celui qui rendra l’inférence la moins chère et le déploiement le plus simple.

Au troisième trimestre 2025, les dépenses mondiales en infrastructure cloud ont atteint 107 milliards de dollars selon Synergy Research Group — une hausse de 27 à 28 % en glissement annuel qui aurait été remarquable à toute époque sauf celle-ci. Ce qui l’a rendue exceptionnelle, c’est le moteur qui l’a alimentée : les services cloud spécifiques à l’IA générative ont crû de 140 à 180 % sur la même période, selon Synergy Research Group. La course aux infrastructures IA est devenue, en termes concrets, une guerre sur trois fronts entre les hyperscalers, et l’IA est la munition qui détermine qui gagne du terrain.

AWS détient 29 % du marché cloud. Azure en détient 20 %. Google Cloud en détient 13 %. Ces chiffres sont restés à peu près stables depuis des années. Mais sous les données de surface, les charges de travail’IA redessinent les schémas de dépenses, modifient les marges et forcent chaque entreprise à faire des paris irréversibles sur le silicium, les plateformes logicielles et le verrouillage de l’écosystème. Les guerres du cloud IA ne sont pas une métaphore. Ce sont des problèmes d’allocation en temps réel impliquant des centaines de milliards de dollars de dépenses d’investissement, et chaque hyperscaler joue un jeu fondamentalement différent.

AWS : la stratégie Bedrock

L’approche d’Amazon pour dominer le cloud IA est conforme à ce qu’on attend de l’entreprise qui a inventé le cloud computing : la largeur de la plateforme plutôt que l’exclusivité produit. Amazon Bedrock, son service géré de modèles fondamentaux, offre un accès aux modèles d’Anthropic, Meta, Mistral, Cohere et de la famille Nova d’Amazon via une API unique. Le pari est que les clients entreprises ne veulent pas s’engager auprès d’un seul fournisseur de modèles — ils veulent une marketplace.

Cette logique de marketplace s’étend au silicium. AWS a massivement investi dans Trainium, son accélérateur IA sur mesure. Les puces Trainium2 sont déjà entièrement souscrites dans toutes les régions AWS. Trainium3, construit sur un procédé 3nm, offre 40 % d’efficacité énergétique en plus et jusqu’à 4,4 fois plus de puissance de calcul par UltraServer par rapport à son prédécesseur. AWS considère Bedrock fonctionnant sur Trainium comme son moteur d’inférence principal — une activité qui pourrait à terme rivaliser avec EC2 en échelle.

SageMaker, la plateforme ML de l’entreprise, rassemble l’ensemble. Elle gère l’entraînement, le réglage fin et le déploiement, et AWS a ajouté des capacités agentiques via Bedrock AgentCore. La stratégie est cohérente : offrir chaque modèle, l’exécuter sur le silicium le moins cher, et rendre l’outillage suffisamment adhérent pour que partir devienne coûteux.

Le risque est la fragmentation. Quand on offre tout, on ne se spécialise en rien. Et les clients qui veulent le modèle de pointe — celui qui obtient les meilleurs scores sur les benchmarks — pourraient constater que la meilleure version se trouve sur le cloud d’un concurrent.

Microsoft Azure : l’alliance OpenAI

Microsoft a réalisé le pari unitaire le plus important des guerres du cloud IA : un investissement reporté de 13 milliards de dollars dans OpenAI. Le retour sur investissement a été substantiel. Azure OpenAI Service a atteint 80 000 clients entreprises au T4 FY2025, et le chiffre d’affaires IA global de Microsoft a atteint 13 milliards de dollars annuels — une hausse de 175 % en glissement annuel.

Azure AI Foundry (anciennement Azure AI Studio) donne aux entreprises accès à plus de 11 000 modèles, mais le joyau de la couronne est l’accès exclusif à GPT-4o, o1 et aux derniers modèles de raisonnement d’OpenAI avant qu’ils n’atteignent toute autre plateforme. Quatre-vingts pour cent des entreprises du Fortune 500 utilisent désormais Azure AI Foundry. La famille de produits Copilot a dépassé les 100 millions d’utilisateurs actifs mensuels en décembre 2025, intégrant l’IA directement dans la pile de productivité Microsoft 365 que les entreprises paient déjà.

La force est la profondeur d’intégration. Une entreprise utilisant Exchange, Teams, SharePoint et Dynamics 365 peut ajouter Copilot sans intégrer un nouveau fournisseur. La faiblesse est la dépendance. Si l’avance technique d’OpenAI se réduit — et Gemini ainsi que Claude se rapprochent rapidement — la prime d’exclusivité s’évapore. La croissance de 39 % du chiffre d’affaires d’Azure au T2 FY2026 suggère que le pari paie pour l’instant, mais la guerre des infrastructures IA est loin d’être tranchée.

Google Cloud : l’avantage Vertex

La stratégie IA de Google Cloud possède un avantage structurel que les deux autres n’ont pas : l’entreprise construit les modèles et le silicium. Vertex AI offre plus de 200 modèles fondamentaux, mais Gemini est l’option native — optimisée pour l’infrastructure TPU de Google dès le premier jour. Le TPU de septième génération, nom de code Ironwood, délivre 42,5 exaflops par pod — soit une amélioration de 10 fois par rapport au TPU v5p — avec 4 614 TFLOPS FP8 par puce et 192 Go de mémoire HBM3e.

Les résultats financiers reflètent cette intégration verticale. Le chiffre d’affaires de Google Cloud a atteint 17,7 milliards de dollars au T4 2025, soit une hausse de 48 % en glissement annuel — le taux de croissance le plus rapide parmi les trois géants. Les coûts de service de Gemini ont diminué de 78 % au cours de l’année 2025 grâce à l’optimisation des modèles et aux gains d’utilisation. Cette courbe de coûts est la véritable arme : lorsque l’inférence devient suffisamment bon marché, les entreprises cessent de se soucier de quel modèle est marginalement meilleur et commencent à optimiser le rapport prix-performance.

Le plan de dépenses d’investissement d’Alphabet pour 2026 — entre 175 et 185 milliards de dollars, soit presque le double des dépenses de 2025 — signale que Google mise tout. Plus de la moitié du calcul ML d’Alphabet devrait soutenir l’activité Cloud en FY 2026. Le Vertex AI Model Optimizer, qui achemine automatiquement les requêtes vers la variante Gemini la plus efficace pour une tâche donnée, représente le type d’intelligence de plateforme difficile à reproduire sans posséder à la fois le modèle et l’infrastructure.

La guerre des prix

Les coûts d’inférence par token se sont effondrés à un rythme qui défie la plupart des courbes de prix technologiques. Des performances de classe GPT-4 qui coûtaient 30 à 60 dollars par million de tokens à leur lancement en mars 2023 coûtent désormais environ 0,40 dollar par million de tokens pour une capacité équivalente — une réduction d’environ 100 fois en moins de trois ans. Les prix des instances cloud GPU H100 se sont stabilisés entre 2,85 et 3,50 dollars de l’heure après un déclin de 64 à 75 % par rapport à leurs pics de 2023.

Chaque hyperscaler utilise la tarification comme arme concurrentielle différemment. AWS propose des capacités réservées et des Savings Plans qui récompensent l’engagement avec des remises allant jusqu’à 40 %. Azure intègre des crédits IA dans les contrats entreprise, rendant difficile la séparation des dépenses IA de la relation Microsoft globale. Google casse les prix sur l’inférence en tirant parti de l’économie des TPU — la migration de Midjourney des H100 de NVIDIA vers les TPU v6e a réduit sa facture mensuelle d’inférence de 2,1 millions de dollars à moins de 700 000 dollars.

Les instances spot — de la capacité GPU inutilisée vendue avec des remises de 60 à 90 % — ajoutent une autre dimension. Mais à mesure que les charges d’inférence en production affluent vers les pools spot, la capacité se raréfie, les remises se réduisent et les taux d’interruption grimpent. L’ère des GPU spot bon marché se termine au moment même où la demande de mise à l’échelle du calcul’IA s’accélère.

Pour les entreprises évaluant le coût global, comprendre comment les GPU alimentent l’économie IA et le paysage plus large de l’infrastructure cloud pour l’IA générative compte autant que comparer les prix affichés.

Multi-cloud IA : la soupape d’échappement

L’anxiété liée au verrouillage fournisseur est le moteur silencieux de l’architecture cloud d’entreprise. Selon le rapport Flexera State of the Cloud 2024, 89 % des organisations utilisent une stratégie multi-cloud, 42 % citant la prévention du verrouillage comme motivation principale. En IA, le risque de verrouillage est plus aigu que dans le cloud traditionnel : un modèle affiné sur l’API de Bedrock n’est pas trivialement portable vers Vertex AI, et les pipelines de données d’entraînement construits sur SageMaker ne se transposent pas facilement vers Azure ML.

Kubernetes émerge comme la couche d’abstraction. La Cloud Native Computing Foundation a lancé le Certified Kubernetes AI Conformance Program fin 2025, établissant des standards pour exécuter des charges de travail’IA de manière portable entre fournisseurs. L’objectif est de packager des piles IA entières — service de modèles, pipelines de données, endpoints d’inférence — en déploiements reproductibles fonctionnant sur tout cluster certifié.

La réalité pratique est plus complexe. La portabilité des modèles existe au niveau des formats ONNX et Hugging Face, mais les optimisations spécifiques aux plateformes (noyaux Trainium, compilation TPU XLA, réglage fin GPT-4 exclusif à Azure) créent un verrouillage souple qu’aucune couche d’abstraction ne résout complètement. Les entreprises sérieuses dans le multi-cloud IA investissent typiquement 18 à 24 mois dans la construction de l’abstraction, avec des économies de 20 à 40 % justifiant l’effort d’ingénierie.

Ce qui décidera du vainqueur

Les guerres du cloud IA ne seront pas gagnées par l’entreprise avec le meilleur modèle. Les modèles convergent en capacité, les alternatives open source comme Llama et Mistral comblent l’écart, et la durée de vie de tout avantage de pointe se mesure en mois.

Le vainqueur sera décidé par trois facteurs : le coût d’inférence par token, la profondeur d’intégration de l’écosystème et la capacité à gérer la complexité opérationnelle de l’IA à grande échelle. AWS a l’écosystème le plus large. Azure a l’intégration entreprise la plus profonde. Google a l’inférence la moins chère et la pile la plus intégrée verticalement.

Pour les opérateurs de centres de données dimensionnant l’infrastructure IA, le choix de l’hyperscaler détermine tout, de l’architecture d’alimentation à la topologie réseau. Les enjeux s’étendent bien au-delà des préférences logicielles.

L’issue la plus probable n’est pas un vainqueur unique mais un oligopole durable, où chaque hyperscaler domine un segment différent : AWS pour la flexibilité multi-modèles, Azure pour les entreprises natives Microsoft, et Google pour l’inférence optimisée en coût à grande échelle. Les guerres du cloud IA ne visent pas à conquérir l’ensemble du marché. Elles visent à s’assurer que votre part est la plus rentable.

Questions Fréquemment Posées

Sources et lectures complémentaires

• The Big Three Grab Two-Thirds of $107B Cloud Market in Q3 — TechTarget
• Google Cloud’s AI-Powered Surge: $12.3 Billion in Q1 Revenue — CloudSyntrix
• CNCF Launches Kubernetes AI Conformance Program — CNCF
• The Inference Tax Nobody Budgeted For: AWS GPU Costs & AI Infrastructure — SJ Ramblings
• AWS Bullish on Homegrown Trainium AI Accelerators — The Next Platform
• Microsoft’s AI Bet Keeps Paying Off Across Cloud, Copilot and Code — PYMNTS