Le 28 juillet 2026, AMD et Core Scientific ont annoncé un accord de 15 ans portant sur la réservation de 2,5 gigawatts de capacité de data center pour les charges de travail IA, pour une valeur contractuelle de base supérieure à 14 milliards de dollars. C'est le plus grand engagement d'infrastructure IA qu'AMD ait jamais pris, et l'un des accords de location de capacité data center les plus importants de l'histoire du secteur.
AMD déploiera ses GPU Instinct, ses CPU EPYC et son écosystème logiciel ROCm sur cinq sites opérés par Core Scientific aux États-Unis. Les premières capacités seront disponibles à partir de 2027. Pour les fournisseurs cloud qui s'appuient sur AMD et pour les entreprises qui achètent du temps GPU, cet accord change à moyen terme les paramètres de disponibilité et de concurrence face à Nvidia.
Mais est-ce vraiment la menace pour Nvidia que les titres annoncent ? Voici ce que les faits établissent.
Les chiffres de l'accord en détail
L'accord porte sur cinq sites répartis aux États-Unis, avec des capacités initiales allant de 32 à 185 mégawatts par site :
- Pecos, Texas : 185 MW (le site le plus important)
- Hunt County, Texas : 110 MW
- Dalton, Géorgie : 120 MW
- Muscogee, Oklahoma : 82 MW
- Auburn, Alabama : 32 MW
La capacité totale initiale est d'environ 530 MW, extensible à 2,5 GW selon les besoins déclarés d'AMD. Les baux courent sur 15 ans à partir de 2027, d'où la valeur totale de 14 milliards de dollars de revenus contractuels de base pour Core Scientific.
En complément de la rémunération en cash, AMD reçoit des warrants lui permettant d'acquérir des actions Core Scientific (ticker : CORZ) à prix de marché. Ce mécanisme aligne les intérêts des deux parties sur la durée et renforce l'engagement d'AMD au-delà d'un simple contrat de location.
Pour mettre en perspective : l'ensemble du parc de data centers cloud de Google représente environ 1,5 GW de capacité installée. Le deal AMD/Core Scientific, une fois monté en puissance, représente donc un volume comparable à un acteur cloud majeur — sur un seul partenaire, avec une seule stack technologique.
La stratégie GPU d'AMD face à Nvidia
AMD n'a jamais manqué de matériel. La famille Instinct — MI300X, MI450X, et maintenant le rack Helios MI455X annoncé lors de l'événement AMD Advancing AI 2026 en juillet — propose des performances compétitives sur un nombre croissant de workloads IA. Le problème d'AMD a historiquement été ailleurs : l'absence d'infrastructure propre pour que ses clients puissent accéder facilement et à grande échelle à ces GPU.
Nvidia ne vend pas seulement des puces. Il offre un écosystème cloud clé en main via NVLink, DGX Cloud, et des accords avec tous les hyperscalers (AWS, Azure, GCP). L'acheteur qui veut des GPU Nvidia trouve du temps GPU en quelques clics sur n'importe quelle marketplace cloud. L'acheteur qui veut des GPU AMD doit généralement monter sa propre infrastructure ou trouver un hyperscaler qui les propose — ce qui reste plus rare.
L'accord Core Scientific résout partiellement ce problème. AMD disposera désormais d'une infrastructure physique dédiée, opérée par un tiers spécialisé, capable d'absorber des charges de travail à grande échelle sans passer obligatoirement par les hyperscalers Nvidia-first. Ce n'est pas encore du cloud à la demande en quelques clics, mais c'est une base solide pour que des fournisseurs cloud spécialisés — y compris des acteurs souverains européens — puissent s'appuyer sur la capacité AMD à grande échelle dès 2027.
ROCm : le vrai obstacle de la compétition
L'obstacle le plus souvent sous-estimé dans la compétition AMD vs Nvidia n'est pas le matériel : c'est le logiciel. CUDA, l'environnement de programmation GPU de Nvidia, est utilisé par la quasi-totalité des frameworks d'IA (PyTorch, TensorFlow, JAX) et par la majorité des modèles open source entraînés avec des kernels GPU personnalisés. Une équipe qui développe sur CUDA depuis des années n'a pas intérêt à migrer sans une raison économique très convaincante.
AMD répond avec ROCm, son environnement ouvert équivalent, et HIP, son outil de portage automatique de CUDA. Les progrès de ROCm ont été réels sur les dernières versions (6.x), avec une compatibilité croissante et des performances qui se rapprochent de CUDA sur les opérations standard de PyTorch. Mais des écarts subsistent : certains opérateurs spécialisés manquent encore, certaines bibliothèques tiers ne supportent que CUDA, et la communauté active d'utilisateurs ROCm reste très minoritaire.
Ce que ça signifie en pratique
Pour les entreprises qui construisent des applications sur mesure intégrant de l'IA via des API (OpenAI, Anthropic, Mistral), la question AMD vs Nvidia ne les concerne pas directement — le fournisseur API gère l'infrastructure. En revanche, si vous envisagez un déploiement on-premise, une inférence à très grande échelle, ou si vous achetez du temps GPU sur des clouds spécialisés, ROCm mérite une évaluation sérieuse — avec une phase de test de 3 à 6 mois minimum pour valider la compatibilité de votre stack spécifique.
Quand et pour qui ça change quelque chose
La capacité issue de cet accord sera disponible à partir de 2027, avec une montée en puissance progressive vers les 2,5 GW sur la durée du contrat. Pour les entreprises qui planifient leur infrastructure IA sur 18 à 36 mois, trois signaux concrets :
- Disponibilité GPU AMD en hausse : la capacité physique installée augmentera significativement. Les fournisseurs cloud construits sur Instinct auront plus de ressources à commercialiser, ce qui réduit les risques de file d'attente et améliore les SLA.
- Pression potentielle sur les prix : une infrastructure AMD plus disponible est un levier de négociation face à Nvidia, notamment pour les charges de travail où ROCm est pleinement compatible. Les prix du GPU-hour pourraient baisser dans certains segments entre 2027 et 2028.
- Signal de pérennité AMD : pour les équipes qui ont déjà migré une partie de leur stack vers ROCm, cet accord sur 15 ans est un signal fort. AMD investit dans l'IA sur le long terme — ce n'est pas une position défensive.
En revanche, l'accord ne change pas à court terme la dominance de Nvidia sur les workloads critiques d'entraînement de grands modèles, ni l'avance de l'écosystème CUDA sur ROCm. Si vous souhaitez anticiper votre stratégie infrastructure IA à 2-3 ans, contactez-nous — c'est un sujet sur lequel nous accompagnons déjà plusieurs équipes techniques.
FAQ — AMD et Core Scientific : 14 Md$ sur 15 ans pour 2,5 GW de data centers IA — cinq sites, ROCm et l'enjeu réel de la concurrence à Nvidia
Quand la capacité AMD chez Core Scientific sera-t-elle disponible ?
Les premières capacités seront disponibles à partir de 2027, avec une montée en puissance progressive. La capacité initiale de 530 MW répartie sur cinq sites est la première étape, extensible à 2,5 GW selon les volumes que nécessite AMD sur la durée du contrat de 15 ans.
AMD est-il une alternative crédible à Nvidia pour les workloads IA en 2026 ?
Pour les workloads compatibles avec ROCm (notamment les stacks PyTorch avec HIP), AMD Instinct est une alternative sérieuse sur le plan du matériel. Le principal frein reste l'écosystème logiciel : CUDA a 15 ans d'avance et certains opérateurs ou bibliothèques tiers ne supportent pas encore ROCm. Une évaluation de 3 à 6 mois est recommandée avant toute migration de production.
L'accord AMD-Core Scientific profite-t-il aux entreprises françaises qui utilisent le cloud ?
Indirectement, oui. Une infrastructure AMD plus importante en volume augmente la disponibilité pour les fournisseurs cloud qui s'appuient sur Instinct, y compris certains acteurs souverains européens. L'effet sur les prix et la disponibilité devrait se faire sentir d'ici 2027-2028, pas immédiatement.
ROCm est-il compatible avec du code CUDA existant ?
Partiellement. AMD propose HIP (Heterogeneous-compute Interface for Portability), un outil de portage automatique de CUDA vers ROCm. La compatibilité est élevée pour les opérations standard de PyTorch et TensorFlow. Des ajustements manuels restent nécessaires pour les kernels CUDA personnalisés ou les bibliothèques moins répandues.
Cet accord signifie-t-il qu'AMD va dépasser Nvidia sur le marché IA ?
Non, pas à court terme. L'accord résout le problème d'infrastructure physique d'AMD, mais la dominance de Nvidia repose aussi sur l'écosystème CUDA, les relations avec tous les hyperscalers majeurs, et une avance technique sur les GPU haute performance pour l'entraînement de grands modèles. AMD se positionne comme alternative crédible sur certains segments, pas comme remplaçant immédiat.