Il y a deux ans, les guerres du cloud portaient sur les tarifs de stockage, la disponibilité régionale et Kubernetes managé. Ces batailles comptent encore, mais elles ont été éclipsées par une seule question qui oriente désormais des centaines de milliards d’investissements : qui remportera l’IA ?
Le tableau de bord
Commençons par les chiffres qui comptent. Au T3 2025, AWS détient environ 32 % du marché mondial de l’infrastructure cloud, suivi par Azure à 22 % et Google Cloud à 11 %. Ensemble, les trois géants représentent plus de 60 % d’un marché cloud en croissance constante, le reste de la concurrence étant coincé dans les pourcentages à un chiffre.
Pour les charges de travail d’IA générative spécifiquement, l’écart se réduit considérablement. AWS est en tête avec 41 % des organisations hébergeant leurs charges GenAI sur sa plateforme, Azure suit à 39 %, et Google Cloud en capture 17 %. Mesuré en hébergement GenAI principal — là où les entreprises exécutent leurs systèmes IA les plus importants — Azure a en fait pris l’avantage à 42 %, contre 40 % pour AWS.
Les trajectoires de croissance sont tout aussi révélatrices. AWS a clôturé 2025 avec un chiffre d’affaires au T4 de 35,6 milliards de dollars, atteignant un taux annualisé de 142 milliards de dollars et affichant une croissance de 24 % en glissement annuel — sa plus forte croissance trimestrielle en 13 trimestres. Azure affiche des taux de croissance proches de 40 %, tandis que Google Cloud a crû de 36 % en glissement annuel au T3 2025. Les deux challengers gagnent du terrain plus rapidement que le leader du marché.
Ce ne sont pas de petites différences dans un petit marché. Le marché mondial de l’infrastructure cloud approche les 800 milliards de dollars. Un seul point de pourcentage de part de marché représente des milliards de revenus annuels.
Azure : le pari OpenAI
La stratégie IA cloud de Microsoft peut se résumer en deux mots : OpenAI. Le partenariat, qui a débuté avec un investissement d’un milliard de dollars en 2019 et a depuis atteint plus de 13 milliards de dollars d’engagements totaux, confère à Azure les droits exclusifs d’hébergement cloud pour les modèles d’OpenAI. Chaque requête ChatGPT, chaque appel API, chaque déploiement entreprise de GPT-4 et de ses successeurs fonctionne sur l’infrastructure Azure.
C’est une position extraordinairement puissante. L’activité API d’OpenAI a crû plus rapidement que l’utilisation grand public de ChatGPT en 2025, et l’adoption entreprise s’accélère. Quand une entreprise du Fortune 500 décide de construire avec GPT-4 ou ses successeurs, elle choisit de facto Azure.
Mais la stratégie va au-delà de l’hébergement. Microsoft a intégré l’IA dans chaque couche de sa pile entreprise. Microsoft 365 Copilot, alimenté par les modèles GPT, est intégré dans Word, Excel, PowerPoint, Teams et Outlook. GitHub Copilot domine le codage assisté par IA. Azure AI Studio fournit les outils pour l’ajustement fin et le déploiement de modèles personnalisés. Copilot Studio est déjà présent dans plus de 230 000 organisations, dont 90 % du Fortune 500, permettant aux entreprises de construire des systèmes multi-agents qui gèrent des flux de travail complexes à travers les applications.
La profondeur de l’intégration est le fossé défensif d’Azure. Une entreprise utilisant déjà Microsoft 365, Azure Active Directory et Dynamics 365 fait face à un minimum de friction pour ajouter les services Azure AI. Les données sont déjà là. La gestion des identités est déjà configurée. Les cadres de conformité sont déjà en place.
Lors de Microsoft Build 2025, Satya Nadella a positionné Azure non pas simplement comme un fournisseur cloud, mais comme la fondation d’une nouvelle ère d’agents IA qui interagissent entre eux pour accomplir des flux de travail complexes et multi-étapes sans supervision humaine constante.
Microsoft investit également dans ses propres puces. Maia 200, l’accélérateur IA de deuxième génération de l’entreprise construit sur le procédé 3 nm de TSMC avec 216 Go de HBM3e, a commencé son déploiement dans les centres de données Azure. Microsoft affirme qu’il s’agit des puces propriétaires les plus performantes de tous les hyperscalers, avec trois fois les performances FP4 du Trainium d’Amazon et des performances FP8 supérieures au TPU de septième génération de Google.
Le risque de la stratégie Azure est la concentration. OpenAI est un point unique de dépendance. En décembre 2025, Sam Altman a déclaré une « alerte rouge » en interne après que le Gemini 3 de Google a surpassé ChatGPT sur plusieurs benchmarks, reportant temporairement de multiples initiatives pour concentrer les ressources sur l’amélioration du modèle principal. Si les modèles d’OpenAI prennent du retard à long terme, la différenciation IA d’Azure s’affaiblit. Microsoft a couvert ses risques en proposant également des modèles open source via Azure AI, mais la relation avec OpenAI reste la pièce maîtresse.
Google Cloud : l’avantage du silicium
La stratégie IA cloud de Google repose sur une fondation qu’aucun concurrent ne peut facilement reproduire : des puces sur mesure conçues de A à Z pour les charges de travail’IA.
Le TPU Trillium de Google (Tensor Processing Unit de sixième génération) offre une augmentation de 4,7x des performances de calcul de pointe par puce par rapport au TPU v5e précédent. Il double la capacité et la bande passante HBM, double la bande passante d’interconnexion entre puces et fournit une augmentation de 67 % de l’efficacité énergétique. Dans les benchmarks d’entraînement sur des modèles comme Llama 2-70B, Trillium offre plus de 4x d’augmentation des performances d’entraînement par rapport au TPU v5e.
L’échelle de déploiement des TPU est stupéfiante. En octobre 2025, Anthropic et Google ont annoncé ce que l’on pense être le plus important contrat TPU de l’histoire de Google Cloud — un engagement de plusieurs milliards de dollars donnant à Anthropic accès à jusqu’à un million de TPU, qui devrait mettre en ligne bien plus d’un gigawatt de capacité de calcul’IA en 2026. L’accord couvre le portefeuille TPU de Google, y compris les accélérateurs Ironwood de septième génération.
Mais l’avantage de Google s’étend au-delà du matériel. La famille de modèles Gemini — entraînée sur la propre infrastructure TPU de Google — donne à Google Cloud’une pile verticalement intégrée du silicium à la couche applicative. Quand Apple a signé un accord pluriannuel en janvier 2026 pour utiliser la technologie Gemini afin d’alimenter les futures fonctionnalités Apple Intelligence, y compris un Siri plus personnalisé, cela a validé les capacités de modèle IA de Google au plus haut niveau.
Pour les clients Google Cloud, cette intégration verticale se traduit par des avantages tarifaires. Google peut offrir l’entraînement et l’inférence IA à des coûts que les concurrents — dépendants des GPU NVIDIA aux prix du marché — ne peuvent pas facilement égaler.
La faiblesse de Google Cloud est l’adoption entreprise. Malgré de solides capacités techniques, Google a historiquement eu du mal à construire les relations commerciales et les structures de support que les grandes organisations exigent. AWS et Azure disposent de partenariats profonds de plusieurs décennies avec les départements informatiques des entreprises. Google Cloud comble cet écart — sa croissance de 36 % en glissement annuel au T3 2025 reflète un fort élan — mais il reste le troisième fournisseur en part de marché cloud globale pour une raison.
Publicité
AWS : le jeu de l’écosystème
La stratégie IA cloud d’Amazon est typiquement AWS : tout offrir, laisser les clients choisir, et concurrencer sur l’étendue et la fiabilité.
AWS Trainium, la puce d’entraînement IA sur mesure d’Amazon, en est désormais à sa troisième génération. Trainium3, lancé en décembre 2025, est construit sur un procédé 3 nm et délivre 2,52 pétaflops de calcul FP8 par puce avec 144 Go de mémoire HBM3e et 4,9 To/s de bande passante mémoire. Porté à l’échelle d’un Trn3 UltraServer entièrement configuré avec 144 puces, le système délivre 362 pétaflops FP8 et 20,7 To de HBM3e.
La validation la plus spectaculaire de Trainium est venue d’un partenaire inattendu : OpenAI. En février 2026, Amazon a engagé 50 milliards de dollars d’investissement — dont 15 milliards immédiatement et 35 milliards conditionnés à des jalons — faisant d’AWS le distributeur cloud tiers exclusif de la plateforme entreprise Frontier d’OpenAI. OpenAI a accepté de consommer environ 2 gigawatts de capacité de calcul Trainium, couvrant les générations Trainium 3 et Trainium 4 à venir.
Le projet Rainier, activé en octobre 2025, est peut-être le déploiement d’infrastructure IA pour un seul client le plus ambitieux de l’histoire. Près de 500 000 puces Trainium2 sont déployées sur un campus de centres de données de 11 milliards de dollars près de New Carlisle, dans l’Indiana, dédié à l’entraînement des modèles Claude d’Anthropic. Il fournit plus de cinq fois la puissance de calcul qu’Anthropic a utilisée pour les versions précédentes de Claude, avec des plans pour dépasser un million de puces Trainium2 d’ici fin 2025.
La stratégie IA plus large d’AWS tire parti de l’étendue de son écosystème. Amazon Bedrock offre l’accès à des modèles fondamentaux d’Anthropic, Meta, Mistral, Stability AI et d’autres — une approche agnostique des modèles qui contraste avec la stratégie centrée sur OpenAI d’Azure. SageMaker fournit des opérations ML de bout en bout. Et la massive base de clients existante d’AWS — des startups aux agences gouvernementales — offre une distribution qu’aucun concurrent ne peut égaler, soutenue par un carnet de commandes de 244 milliards de dollars rapporté au T4 2025.
Le risque pour AWS est que son approche généraliste manque du récit convaincant de l’intégration OpenAI d’Azure ou de la pile silicium-modèle verticalement intégrée de Google. Dans un marché où les entreprises prennent des décisions engageant l’avenir de leur société sur les plateformes IA, « nous offrons tout » peut sembler moins décisif que « nous avons les meilleurs modèles » ou « nous avons les meilleures puces ».
La guerre des puces sur mesure
La dimension peut-être la plus déterminante des guerres du cloud IA est la course à la construction de puces IA sur mesure. Les trois hyperscalers ont conclu que la dépendance envers NVIDIA — qui contrôle environ 80 à 90 % du marché des accélérateurs IA — constitue un risque stratégique inacceptable.
Google a bougé en premier avec les TPU, couvrant désormais six générations plus l’Ironwood de septième génération. AWS a suivi avec Trainium et Inferentia. Microsoft est entré avec Maia, désormais en deuxième génération avec le Maia 200 en 3 nm.
L’économie est simple. L’activité GPU pour centres de données de NVIDIA génère des marges brutes de l’ordre de 73 à 75 %. Chaque dollar qu’un hyperscaler dépense en matériel NVIDIA inclut une prime substantielle pour l’écosystème logiciel de NVIDIA (CUDA) et son pouvoir de marché. Les puces sur mesure, bien que coûteuses à développer, peuvent réduire considérablement le coût par puce du calcul’IA à grande échelle.
Mais NVIDIA ne reste pas immobile. Le Blackwell Ultra B300 délivre 10 pétaflops de calcul FP8 par puce avec 288 Go de mémoire HBM3e, et la prochaine plateforme Vera Rubin promet un nouveau bond générationnel. L’écosystème logiciel CUDA — avec des millions de développeurs formés et des milliers de bibliothèques optimisées — crée un coût de transition que les puces sur mesure doivent surmonter.
Le résultat le plus probable est un monde multi-puces. Les hyperscalers utiliseront des puces sur mesure pour leurs propres charges de travail internes et pour les clients sensibles aux prix, tout en proposant des GPU NVIDIA pour les clients ayant besoin de la compatibilité CUDA ou des dernières performances GPU. Les jours de NVIDIA comme fournisseur unique de calcul’IA touchent à leur fin, mais la position de NVIDIA en tant qu’option premium est assurée pour un avenir prévisible.
La tarification : le point essentiel
Pour les entreprises évaluant les fournisseurs de cloud IA, la tarification est de plus en plus décisive. Les charges de travail’IA sont coûteuses — un seul’entraînement de grand modèle peut coûter des millions de dollars — et les différences entre fournisseurs sont significatives.
La comparaison directe des prix est notoirement difficile car chaque fournisseur utilise des types d’instances, des modèles tarifaires et des structures d’engagement différents. Cependant, de grandes tendances se dessinent. Google Cloud offre généralement le coût unitaire le plus bas pour l’entraînement IA, grâce aux avantages tarifaires des TPU et à l’intégration verticale. AWS concurrence agressivement avec les instances Trainium pour l’entraînement et offre la gamme la plus large de types d’instances GPU. Azure tend à être le plus cher par unité mais offre l’intégration la plus fluide avec les outils entreprise Microsoft, ce qui peut réduire le coût total de possession pour les organisations déjà dans l’écosystème Microsoft.
Les engagements de capacité réservée — contrats d’un an ou trois ans — peuvent réduire les coûts de 40 à 60 % chez les trois fournisseurs. Pour l’inférence IA, où les charges de travail sont plus prévisibles, les instances spot et préemptibles peuvent réduire les coûts davantage.
La guerre des prix s’intensifie. À mesure que les puces sur mesure entrent en production et que la concurrence s’accentue, le coût par token de l’inférence IA continue de baisser considérablement. Cette tendance déflationniste profite aux clients mais comprime les marges des fournisseurs, créant une pression pour se différencier sur le logiciel, les services et l’écosystème plutôt que sur le seul prix du calcul brut.
Qui gagne ?
La réponse honnête est que les guerres du cloud IA ne produiront pas un seul vainqueur. Chaque fournisseur a établi une position défendable.
Azure remporte la guerre de la plateforme IA entreprise — les organisations qui veulent une pile IA entièrement intégrée de l’appareil aux outils de productivité (Microsoft 365 Copilot) en passant par l’infrastructure cloud, avec accès aux modèles IA les plus largement déployés au monde via OpenAI. Pour les grandes entreprises déjà dans l’écosystème Microsoft, les coûts de transition hors d’Azure pour l’IA sont prohibitifs.
Google Cloud remporte la guerre de l’IA native — les organisations qui privilégient la performance par dollar, nécessitent une infrastructure d’entraînement à grande échelle, ou veulent construire sur l’écosystème Gemini. L’intégration verticale de Google, des puces sur mesure aux modèles de pointe, est inégalée, et l’accord Apple Intelligence valide ses capacités de modèle au plus haut niveau.
AWS remporte la guerre de l’étendue de l’écosystème — les organisations qui veulent une flexibilité maximale, l’accès à de multiples fournisseurs de modèles, et la fiabilité et la portée mondiale qu’AWS a construites pendant deux décennies. L’approche agnostique des modèles d’AWS à travers Bedrock, combinée aux avantages de coût de Trainium et à l’accord de distribution OpenAI Frontier, séduit les entreprises qui ne veulent pas être verrouillées chez un seul fournisseur de modèles IA.
Le vrai perdant des guerres du cloud IA pourrait être le deuxième échelon de fournisseurs cloud — Oracle, IBM, Alibaba — qui n’ont pas le capital pour concurrencer en infrastructure IA à l’échelle requise. La construction IA nécessite des dépenses que seules les plus grandes entreprises peuvent soutenir, et l’écart entre les trois premiers et tous les autres se creuse à chaque publication de résultats trimestriels.
Questions Fréquemment Posées
Qu’est-ce que the ai cloud wars ?
Cet article couvre les aspects essentiels de ce sujet, en examinant les tendances actuelles, les acteurs clés et les implications pratiques pour les professionnels et les organisations en 2026.
Pourquoi the ai cloud wars est-il important ?
Ce sujet est important car il a un impact direct sur la façon dont les organisations planifient leur stratégie technologique, allouent leurs ressources et se positionnent dans un paysage en évolution rapide.
Quels sont les points clés à retenir de cet article ?
L’article analyse les mécanismes clés, les cadres de référence et les exemples concrets qui permettent de comprendre le fonctionnement de ce domaine, en s’appuyant sur des données actuelles et des études de cas.
Sources et lectures complémentaires
- Tech AI Spending Approaches $700 Billion in 2026 — CNBC
- Cloud Quarterly: Azure AI Pop, AWS Supply Pinch, Google Execution — SiliconANGLE
- AWS Q4 2025 Growth Hits 24%, Reaching $35.6B Revenue — IndexBox
- Amazon Invests $50 Billion in OpenAI, Committing to 2 GW of Trainium — Tom’s Hardware
- Google and Anthropic Announce Cloud Deal Worth Tens of Billions — CNBC
- Introducing Trillium, Sixth-Generation TPUs — Google Cloud Blog
- Apple Picks Google’s Gemini to Run AI-Powered Siri — CNBC
