Panorama IA – 13 au 22 mars 2026 : infrastructure Nvidia, montée des agents, régulation transatlantique et course à l’inférence

La semaine du 13 au 22 mars 2026 a été dominée par le GTC de Nvidia, qui a redéfini les architectures d’inférence et consolidé la dépendance du marché à un fournisseur unique. En parallèle, les agents autonomes ont franchi un seuil de diffusion — du poste de travail individuel aux plates-formes grand public chinoises —, tandis que les régulateurs américain et européen avançaient sur deux trajectoires opposées : loi fédérale unique à Washington, report et simplification de l’AI Act à Bruxelles.

Pour les entreprises, cette séquence impose des arbitrages immédiats sur au moins trois axes : stratégie d’approvisionnement en calcul, gouvernance des agents et calendrier de conformité réglementaire.

Infrastructure, cloud, calcul et chaîne de valeur

Nvidia restructure l’inférence et verrouille la chaîne d’approvisionnement

Le GTC 2026 a posé les bases d’une nouvelle architecture d’inférence. Vera Rubin, plate-forme « full-stack » comprenant sept puces, cinq systèmes en rack et un supercalculateur, intègre un processeur central Vera CPU et le BlueField-4 STX pour le stockage. Le principe de conception : séparer l’étape de prefill — prise en charge par les puces Vera Rubin — de l’étape de decode, confiée aux puces Groq. Au-delà de Vera Rubin, la feuille de route Feynman prévoit le processeur Rosa, combinant LP40, BlueField-5 et CX10 pour améliorer calcul, mémoire et réseau. L’objectif affiché est la réduction du coût par token. (Source : NVIDIA Blog)

Nvidia estime que l’opportunité de revenus liée à l’inférence pourrait atteindre 1 000 milliards de dollars d’ici 2027. Deux méga-contrats illustrent l’ampleur de la demande. Amazon AWS a conclu un accord portant sur 1 million de GPU et autres puces, avec des livraisons démarrant en 2026 et incluant du matériel réseau. Thinking Machines Lab — la start-up fondée par l’ancienne CTO d’OpenAI Mira Murati — a signé un accord multi-annuel pour acquérir au moins un gigawatt de systèmes Vera Rubin, évalué à environ 50 milliards de dollars. Nvidia finance par ailleurs OpenAI et Anthropic, créant un flux circulaire de capital et de ressources informatiques qui renforce sa position de carrefour financier et technique de l’écosystème.

La concurrence s’intensifie néanmoins : Google, AMD et plusieurs clients de Nvidia développent leurs propres puces. Sur la chaîne d’approvisionnement mémoire, Micron Technology a relevé ses prévisions et prévoit plus de 25 milliards de dollars de dépenses d’investissement en 2026 pour produire davantage de puces DRAM destinées à l’IA. Le fabricant a également racheté une usine de PSMC pour augmenter sa production de wafers. Ces investissements confirment que la mémoire à large bande passante reste un goulet d’étranglement potentiel dans la course aux centres de données IA.

Risques géopolitiques sur le matériel

Le ministère américain de la Justice a inculpé trois personnes, dont un cofondateur de Super Micro Computer, pour avoir expédié 2,5 milliards de dollars de serveurs IA vers la Chine en contournant les lois sur l’exportation. Les accusés auraient utilisé des intermédiaires à Taïwan et retiré les numéros de série des machines. Super Micro affirme coopérer avec les autorités. L’affaire rappelle que la conformité à l’exportation est désormais un risque opérationnel direct pour tout acheteur de matériel IA — un enjeu traité dans les chapitres 12 à 14 du livre Réussir l’IA en entreprise (gouvernance, conformité, AI Act readiness).

Une analyse publiée le 22 mars souligne un autre facteur de fragilité : la montée des prix de l’énergie. Selon cette chronique, une augmentation de 10 % des prix de l’énergie réduit la productivité de 1 % en moyenne, et la possibilité d’une stagflation n’est pas exclue. Les opérateurs de centres de données devront composer avec des coûts énergétiques plus élevés et des taux d’intérêt en hausse — un paramètre à intégrer dans toute modélisation de coût d’inférence, comme le détaille le chapitre 19 (architecture économique et FinOps IA).

Produits, modèles, agents et capacités

Mistral Small 4 et la vidéo générative

Mistral Small 4, dévoilé le 16 mars, est un modèle open source à mélange d’experts (MoE) de 119 milliards de paramètres — dont 6 milliards actifs — avec un contexte de 256 k tokens. Il unifie les capacités de Magistral (raisonnement), Pixtral (multimodalité) et Devstral (coding agents), accepte des entrées texte et image et permet d’ajuster dynamiquement la profondeur du raisonnement. En version « reasoning », la latence diminue de 40 % et le débit triple par rapport à Small 3. L’enjeu pour les entreprises : disposer d’une alternative ouverte crédible aux modèles propriétaires, avec un contexte long exploitable pour le RAG — un thème central du chapitre 3 du livre. (Source : Mistral AI)

Côté recherche, Helios — modèle de génération vidéo de 14 milliards de paramètres développé par des équipes de Peking University et ByteDance — produit des séquences d’une minute à 19,5 images/seconde sur un seul GPU H100. Il combine texte→vidéo, image→vidéo et vidéo→vidéo. L’implémentation reste académique, mais la percée préfigure des applications professionnelles en simulation et marketing.

L’IA agentique franchit un seuil de diffusion

Trois mouvements convergents marquent la semaine. Manus (rachetée par Meta) a lancé « My Computer », une application de bureau qui permet à son agent de gérer les fichiers locaux, d’exécuter des commandes en ligne de commande et de contrôler des applications — tri de photos, renommage de factures. L’IA agentique arrive ainsi directement sur le poste de travail individuel.

Au GTC, Nvidia a présenté NemoClaw, un runtime sécurisé pour intégrer l’agent open source OpenClaw dans les entreprises, avec des politiques de confidentialité et de routage. Jensen Huang a affirmé que chaque entreprise doit avoir une stratégie OpenClaw — un message qui élève les agents au rang de priorité d’architecture, en écho aux enjeux traités au chapitre 8 (agents autonomes et copilotes métiers). (Source : NVIDIA Blog)

En Chine, OpenClaw est devenu viral, surnommé « homard ». Retraités, écoliers et micro-entreprises l’utilisent pour des tâches quotidiennes ; certaines municipalités subventionnent son adoption. Tencent a lancé ClawBot, un connecteur qui permet d’envoyer des commandes à OpenClaw depuis WeChat. Alibaba et Baidu lancent leurs propres suites d’agents. Les coûts de jetons restent élevés, et certaines institutions ont commencé à interdire l’outil pour des raisons de sécurité — un signal qui confirme que la gouvernance des agents ne peut pas être traitée après coup.

Gouvernance, régulation, évaluation et conformité

Deux trajectoires réglementaires transatlantiques

Le 13 mars, le Conseil de l’UE a adopté une position pour simplifier l’application de l’AI Act. Les États membres proposent de reporter jusqu’à 16 mois l’entrée en vigueur des règles pour les systèmes à haut risque, en attendant la disponibilité de normes harmonisées. La position ajoute une interdiction de générer des contenus sexuels non consensuels ou d’abus d’enfants, fixe de nouvelles dates de mise en application — 2 décembre 2027 pour les systèmes autonomes à haut risque, 2 août 2028 pour ceux intégrés dans des produits — et renforce les obligations d’enregistrement. Pour les entreprises européennes, ce report modifie le calendrier de conformité détaillé dans les chapitres 12 et 14 du livre, mais ne supprime aucune obligation de fond. (Source : Conseil de l’UE)

De l’autre côté de l’Atlantique, l’administration Trump a publié le 20 mars une proposition de cadre législatif fédéral demandant au Congrès d’adopter une loi unique pour harmoniser les règles. Le plan prévoit un contrôle parental renforcé, la lutte contre les arnaques, un soutien aux centres de données (permis accélérés) et des dispositions sur les droits d’auteur, la liberté d’expression et l’exportation de puces. L’objectif affiché est de préempter les lois d’États, notamment celles du Colorado et de la Californie. Le texte reste au stade de proposition.

Défense américaine : signaux contradictoires

Au Pentagone, deux décisions se télescopent. Le Secrétaire à la Défense Pete Hegseth souhaite supprimer l’usage de Claude (Anthropic) dans les systèmes du DoD pour des raisons de chaîne d’approvisionnement, mais les utilisateurs militaires jugent Claude supérieur aux alternatives et redoutent une recertification coûteuse et une perte de productivité. Parallèlement, un mémo interne révèle que le DoD va inscrire Maven — la plate-forme d’analyse de données de Palantir — comme programme officiel, avec un financement pérenne. Le vice-secrétaire Steve Feinberg affirme que Maven doit aider les soldats à « détecter, dissuader et dominer » l’adversaire. Or Maven s’appuie en partie sur Claude, ce qui accentue le paradoxe de la décision précédente. La supervision passera à l’Office numérique et IA du Pentagone.

Usages, distribution, déploiement et marchés

OpenAI prévoit de doubler ses effectifs à 8 000 personnes d’ici fin 2026, avec des investissements dans le développement produit, l’ingénierie, la recherche et des ambassadeurs techniques pour les clients professionnels. Cette expansion suit un financement valorisant la société à 840 milliards de dollars et traduit la pression concurrentielle de Gemini 3 comme l’ambition d’occuper davantage l’espace B2B.

Pour diversifier ses revenus et amortir les coûts d’infrastructure, OpenAI a par ailleurs annoncé l’affichage de publicités pour tous les utilisateurs gratuits et « Go » aux États-Unis. Les annonceurs achètent les emplacements via Criteo, avec des budgets de 50 000 à 100 000 dollars. L’introduction de la publicité dans ChatGPT marque un tournant dans le modèle économique des assistants IA — un sujet que le chapitre 19 (architecture économique et FinOps IA) invite à suivre sous l’angle du coût d’acquisition et de la monétisation des plates-formes.

Amazon travaille de son côté sur un smartphone intégré à Alexa, codename Transformer, qui remplacerait l’usage d’applications par des tâches réalisées via l’IA. Le projet reste spéculatif au vu des échecs passés du Fire Phone.

Ce que cela change pour les entreprises

La segmentation de l’inférence en prefill et decode, couplée aux méga-contrats signés par Nvidia, renforce une dépendance structurelle à un seul fournisseur sur la couche calcul. Les entreprises qui n’ont pas encore formalisé leur stratégie d’approvisionnement multi-fournisseurs — sujet traité au chapitre 16 (réversibilité, portabilité et VendorOps IA) — perdent en marge de manœuvre à chaque trimestre. Mistral Small 4, en tant que modèle ouvert à contexte long, offre un levier de réversibilité sur la couche modèle, mais ne résout pas le verrouillage sur le matériel.

L’irruption des agents sur le poste de travail et dans les plates-formes grand public oblige à poser immédiatement un cadre de gouvernance des agents : périmètre d’action, accès aux fichiers, journaux d’exécution, politique de sécurité. Le chapitre 8 (agents autonomes et copilotes métiers) et le chapitre 13 (sécurité et AI SecOps) fournissent des garde-fous structurés pour cette mise en œuvre. Les signaux venus de Chine — adoption massive mais aussi interdictions institutionnelles — confirment que sécurité et adoption sont indissociables.

Côté conformité, le report proposé par le Conseil de l’UE donne du temps mais ne dispense d’aucune préparation. Les entreprises opérant des deux côtés de l’Atlantique doivent maintenir deux calendriers réglementaires et anticiper l’éventualité d’une loi fédérale américaine qui pourrait modifier les obligations existantes au niveau des États. Le chapitre 14 (conformité opérationnelle et AI Act readiness) détaille la démarche de suivi par jalons.

Décisions à préparer dans les 90 jours

• Stratégie d’approvisionnement calcul : formaliser une évaluation multi-fournisseurs intégrant les nouvelles architectures d’inférence segmentée (prefill/decode) et les alternatives à Nvidia (AMD, puces propriétaires des hyperscalers). Vérifier la conformité à l’exportation de toute la chaîne matérielle.
• Politique de gouvernance des agents : définir les règles d’accès, de traçabilité et de sécurité avant tout déploiement d’agents sur le poste de travail ou via des plates-formes tierces — en s’appuyant sur les garde-fous du chapitre 8 et la checklist AI SecOps du chapitre 13.
• Calendrier de conformité : mettre à jour la feuille de route réglementaire en intégrant le report potentiel de l’AI Act (nouvelles dates : décembre 2027 et août 2028) et surveiller l’avancement de la proposition de loi fédérale américaine.

Le point de bascule de cette semaine tient en un constat : l’inférence est devenue le centre de gravité économique et technique de l’IA, et les agents en sont le vecteur de diffusion le plus rapide. Les entreprises qui traitent séparément approvisionnement matériel, gouvernance des agents et conformité réglementaire s’exposent à des arbitrages subis plutôt que choisis.