La boutique est ouverte

Nous construisons les machines Workstation AI pour les sites web, les agents IA et l'entraînement de LLM — configurez-les et achetez-les en ligne.

Obtenir les prix pro
Produits IA
Labs IAAgents OpenAIAgents ClaudeGrok BotCRM natif Workstation AIMarketingTous les produits
Solutions IA
IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseStations de travail IAMatériel et logiciels NVIDIACalcul accéléré NVIDIAIA privéeCloud privé GPUClusters GPUIA en périphérieIA par secteur
Services IA
Modernisation des plateformesIngénierie numériqueFondations data et IAOpérations autonomesConseil IAAutomatisation DevOpsCybersécuritéDéveloppement logicielCréation d'agentsMise en place MLOpsLocation de GPUCloud privé GPU
À propos
EntrepriseNotre histoirePartenairesTémoignages clients
Centres de données IA
Centres de données IACloud privé GPUClusters GPULocation de GPU
Analyses IASérie JevLabo de benchmarksChoix de modèles
Notes techniques
Documentation
OS LinuxUbuntuRed Hat Enterprise LinuxSUSE LinuxAlpine LinuxDebian, Rocky & AlmaLinux
Plateformes cloud d'IAAWS & Amazon BedrockGoogle Cloud & Vertex AIMicrosoft Azure & AI FoundryClouds et places de marché GPU
Centres de données IA privésPour les cabinets d'avocatsPour les cabinets comptablesPlateformes sur siteCloud entièrement sécurisé
OutilsRing PromoterJobshout
Actualités
Blog
Nous contacterSe connecter

Stations de travail IA, logiciels multi-agents IA, infrastructure GPU et solutions d'agents intelligents pour les entreprises modernes.

Nous contacter

Solutions IA

IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseIA par secteur

Produits

Tous les produitsCRM & ERP natifs Workstation AIMarketingAgents OpenAIRing PromoterJobshout

Entreprise

À proposEntrepriseCentres de données IAPourquoi WorkstationPartenairesTémoignages clientsTarifsContactTenthMatrix

Ressources

Analyses IANotes techniquesDocumentationOS LinuxPlateformes cloud d'IACentres de données IA privésBlogRechercherPlan du site
Siège social au Royaume-Uni
77-79 Marlowes, Hemel Hempstead HP1 1LFItinéraire : prenez la sortie 20 de la M25, Outer LondonN° d'entreprise: 11641870Lun - Ven : 9h00 - 18h00 GMT
+44 7515 356 146
Bureau de Belgique
Workstation SRL, Rue Vanderkindere 34, 1180 Uccle, BrusselsBE 0751.518.683Lun - Ven : 9h00 - 18h00 CET
+32 492 45 67 46
Bureau de l'Inde
#159 Sector 9, Pocket 1, DDA Flats, 110077 Dwarka, New Delhi
+91 98881 98841
Bureau de Taïwan
3F, No. 2-4, Aisi Rd., Ren'ai Dist., Keelung City 200, Taiwan基隆市仁愛區愛四路2之4號3樓Lun - Ven : 9 h 00 - 18 h 00, heure de Taïwan (GMT+8)
+886 926 892 701+32 492 45 67 46
Bureau en Estonie
Aleksander Puškini tn 30-25, 20306 Narva, EstoniaLun - Ven : 9 h 00 - 18 h 00, heure d’Estonie (EET)
+32 492 45 67 46

© 2026 Workstation AI. Tous droits réservés.

ConfidentialitéSuppression des donnéesCookiesConditions d'utilisationPlan du site web

NVIDIA, le logo NVIDIA, RTX, RTX PRO, Blackwell, CUDA, NVLink, MGX, Omniverse, Spectrum-X, Quantum, BlueField, DGX et HGX sont des marques commerciales et/ou des marques déposées de NVIDIA Corporation aux États-Unis et dans d'autres pays. AMD, le logo AMD Arrow, EPYC, Instinct, Ryzen et Threadripper sont des marques commerciales d'Advanced Micro Devices, Inc. Dell et PowerEdge sont des marques commerciales de Dell Inc. ou de ses filiales. Intel et Xeon sont des marques commerciales d'Intel Corporation ou de ses filiales. AMAX, AceleMax et LiquidMax sont des marques commerciales d'AMAX Engineering Corporation. Tous les autres noms de produits, logos et marques appartiennent à leurs propriétaires respectifs. Nous les utilisons uniquement pour identifier les produits que nous décrivons, fournissons ou prenons en charge ; leur utilisation ne signifie pas que leurs propriétaires nous cautionnent.

Accueil / Notes techniques / Technology
AINVIDIAInfrastructure

L'IA est un gâteau à cinq étages : ce qu'est l'IA, comment elle fonctionne et pourquoi chaque étage compte

Le cadre de Jensen Huang expliqué : énergie, puces, infrastructure, modèles et applications, comment chaque étage dépend de ceux du dessous, et ce que cela signifie pour votre entreprise.

13 novembre 2026Technology10 min read

Le terme « IA » désigne aussi bien un chatbot qu'un robot ou un contrat de centrale électrique, ce qui le rend difficile à expliquer. Jensen Huang, fondateur de NVIDIA, en a donné l'une des images les plus claires : l'IA est un gâteau à cinq étages, composé de l'énergie, des puces, de l'infrastructure, des modèles et des applications. Il l'a présentée au Forum économique mondial de Davos en janvier 2026, puis détaillée en mars dans un article du blog NVIDIA, « AI Is a 5-Layer Cake ». Cette note explique ce qu'est l'IA, comment elle fonctionne de la centrale électrique jusqu'à l'application sur votre écran, et pourquoi chaque étage compte pour quiconque achète ou construit de l'IA. Le cadre et les idées que nous lui attribuons sont les siens ; les explications et les conseils pratiques sont les nôtres.

Schéma des cinq étages de l'IA : l'énergie à la base, puis les puces, l'infrastructure, les modèles et les applications au sommet
Les cinq étages de l'IA. Chaque étage dépend de tous ceux qui se trouvent en dessous. Schéma : Workstation, d'après le cadre de Jensen Huang.

Sommaire

  1. Ce qu'est l'IA : de la recherche de réponses à leur génération
  2. Étage 1 : l'énergie
  3. Étage 2 : les puces
  4. Étage 3 : l'infrastructure, l'usine d'IA
  5. Étage 4 : les modèles
  6. Étage 5 : les applications
  7. Pourquoi les étages comptent ensemble
  8. Ce que cela signifie pour l'emploi
  9. Ce que cela signifie pour votre entreprise

1. Ce qu'est l'IA : de la recherche de réponses à leur génération

Pendant la plus grande partie de l'histoire de l'informatique, les logiciels étaient écrits à l'avance. Une personne définissait les étapes, l'ordinateur les suivait, et les données étaient rangées dans des tables bien ordonnées que l'on interrogeait par des requêtes précises. Si vous demandiez un fichier, l'ordinateur allait chercher le fichier qui existait déjà.

L'IA fonctionne autrement. Un modèle apprend des motifs à partir d'énormes quantités d'exemples : texte, code, images, sons et, de plus en plus, protéines, molécules et relevés de capteurs du monde physique. Lorsque vous l'interrogez, il ne va pas chercher une réponse stockée. Il en génère une nouvelle, morceau par morceau, à partir de ce qu'il a appris et du contexte que vous lui avez fourni. Ces morceaux s'appellent des tokens : des fragments de mots, des pixels, des sons ou tout autre type de données.

C'est le point de départ de Huang. Comme chaque réponse est créée à neuf, au moment où l'on en a besoin, l'IA a besoin de puissance de calcul et d'électricité au moment où elle est utilisée, et pas seulement d'un endroit où conserver des fichiers. C'est pourquoi il ne décrit pas l'IA comme une application ou un modèle unique, mais comme une infrastructure essentielle, à l'image de l'électricité et d'Internet, construite en cinq étages.

Informatique traditionnelleIA
Ce que fait l'ordinateurSuit les étapes écrites par une personneUtilise les motifs appris à partir des données
Données qu'il comprendTables et champs structurésTexte, images, son, vidéo, code, données scientifiques
Comment il répondRécupère quelque chose de déjà stockéGénère une nouvelle réponse adaptée à votre contexte
Où il s'exécuteCentres de données conçus pour stocker et servir des fichiersUsines d'IA conçues pour produire des tokens

2. Étage 1 : l'énergie

Tout commence par l'électricité. Chaque token produit par une IA résulte de la transformation d'électricité en calcul et de l'évacuation de la chaleur. Huang qualifie l'énergie de premier principe de l'infrastructure d'IA et de contrainte déterminante : c'est elle qui fixe le plafond de la quantité d'intelligence pouvant être produite.

Pourquoi c'est important : au Royaume-Uni, la partie la plus difficile d'un nouveau centre de données d'IA n'est souvent pas les GPU, mais le raccordement au réseau électrique, qui peut prendre des années. Pour des déploiements plus modestes, la question est locale : votre bâtiment ou votre salle serveurs peut-il alimenter et refroidir une baie qui consomme bien plus qu'une baie informatique ordinaire ? Le coût de l'énergie se répercute aussi directement sur le prix de chaque réponse fournie par une IA.

3. Étage 2 : les puces

Au-dessus de l'énergie se trouvent les puces qui transforment l'électricité en calcul. L'IA a besoin d'un type particulier de puces : des processeurs qui effectuent des milliers de calculs à la fois (parallélisme), une mémoire assez rapide pour les alimenter (mémoire à haut débit) et des liaisons assez rapides pour que de nombreuses puces fonctionnent comme une seule. Les GPU répondent à ces besoins, c'est pourquoi ils sont devenus le moteur de l'IA moderne.

Pourquoi c'est important : les progrès à cet étage déterminent la vitesse à laquelle l'IA peut se développer et le coût de chaque réponse. Chaque génération de GPU produit davantage de tokens pour la même puissance. Choisir du matériel, c'est trouver un équilibre entre la mémoire (qui détermine la taille du modèle que vous pouvez exécuter), la vitesse, la consommation électrique et la disponibilité. Un système de bureau de 128 Go comme DGX Spark, un serveur RTX PRO 6000 de 96 Go et une baie des derniers GPU pour centres de données conviennent chacun à des usages très différents.

4. Étage 3 : l'infrastructure, l'usine d'IA

Les puces seules ne font pas l'IA. Il leur faut du terrain, des bâtiments, une alimentation électrique, du refroidissement, du réseau et le logiciel qui fait fonctionner des dizaines de milliers de processeurs comme une seule machine. Huang appelle ces installations des usines d'IA : elles ne sont pas construites pour stocker de l'information, mais pour fabriquer de l'intelligence.

Pourquoi c'est important : c'est ici que la plupart des projets réussissent ou échouent en pratique. Les questions sont physiques et opérationnelles : puissance par baie et refroidissement liquide, réseau entre les serveurs, stockage assez rapide pour les données d'entraînement, ordonnancement, supervision, sécurité, et qui exploite l'ensemble. Vous pouvez posséder cet étage, le louer en leasing ou le louer auprès d'un cloud. La bonne réponse dépend du taux d'utilisation du matériel et de l'endroit où vos données doivent rester.

5. Étage 4 : les modèles

Au-dessus de l'infrastructure se trouvent les modèles, la partie que la plupart des gens considèrent comme « l'IA ». Huang souligne que les modèles de langage ne sont qu'une catégorie parmi d'autres. Les modèles comprennent désormais la biologie, la chimie, la physique, la finance, la médecine et le monde physique, et certains des travaux les plus importants portent sur la conception de protéines, la chimie, la simulation, la robotique et les systèmes de conduite autonome.

Un modèle passe par deux étapes. L'entraînement est la phase où il apprend à partir des données ; elle exige le plus de calcul et n'a lieu qu'occasionnellement. L'inférence est la phase où il est utilisé pour répondre à des questions ou effectuer un travail ; elle a lieu à chaque utilisation et, à grande échelle, consomme au total davantage de calcul. Huang évoque aussi les modèles ouverts, que l'on peut télécharger et exécuter gratuitement : lorsqu'un modèle ouvert atteint la frontière de l'état de l'art, comme l'a fait DeepSeek-R1, il fait croître la demande à tous les étages situés en dessous.

Pourquoi c'est important : le modèle que vous choisissez détermine vos coûts, votre matériel et vos risques liés aux données. Un grand modèle de pointe accessible par API permet de démarrer rapidement. Un modèle ouvert exécuté sur votre propre matériel garde les données en interne et peut coûter moins cher à fort volume. La plupart des organisations finissent par utiliser les deux.

6. Étage 5 : les applications

Au sommet se trouvent les applications, là où la valeur économique est créée : plateformes de découverte de médicaments, robots industriels, copilotes juridiques, agents de service client, assistants de programmation, voitures autonomes. Selon Huang, une voiture autonome est une application d'IA incarnée dans une machine, et un robot humanoïde est une application d'IA incarnée dans un corps : même pile, résultats différents.

Le grand changement, dit-il, s'est produit au cours de l'année écoulée : les modèles sont devenus suffisamment bons pour être utiles à grande échelle. Le raisonnement s'est amélioré, les erreurs et les « hallucinations » ont diminué, et les réponses se sont mieux appuyées sur des sources réelles. L'IA est passée de la réponse aux questions à l'exécution de tâches, sous la forme d'agents qui planifient des étapes et utilisent des outils.

Pourquoi c'est important : c'est le seul étage que voient vos clients, et celui qui doit financer tout ce qui se trouve en dessous. Partez d'un problème métier qui mérite d'être résolu, puis descendez dans la pile jusqu'à ce dont il a besoin.

7. Pourquoi les étages comptent ensemble

L'intérêt de l'image du gâteau, c'est qu'aucun étage n'existe isolément. Chaque application réussie sollicite tous les étages situés en dessous, « jusqu'à la centrale électrique qui la maintient en vie », comme le dit Huang. De meilleures puces rendent les réponses moins chères ; des réponses moins chères rendent davantage d'applications rentables ; davantage d'applications exigent davantage d'infrastructure et d'énergie. Chaque étage renforce les autres.

C'est pourquoi Huang parle du plus grand chantier d'infrastructure de l'histoire de l'humanité, et pourquoi il estime que nous n'en sommes qu'au début : quelques centaines de milliards de dollars investis, et des milliers de milliards de dollars d'infrastructure encore à construire. C'est aussi pourquoi l'IA touche tant de secteurs à la fois, de la production d'électricité et de la construction jusqu'au logiciel et à la santé.

8. Ce que cela signifie pour l'emploi

Huang fait deux remarques sur le travail. D'abord, le chantier lui-même nécessite un très grand nombre de personnes qualifiées : électriciens, plombiers, tuyauteurs, ouvriers de la charpente métallique, techniciens réseau, installateurs et opérateurs. Il n'est pas nécessaire d'avoir un doctorat en informatique pour y participer.

Ensuite, l'IA prend en charge des tâches plutôt que des métiers entiers. Son exemple est la radiologie : l'IA aide désormais à lire les clichés, et pourtant la demande de radiologues ne cesse de croître, car la raison d'être d'un radiologue est de soigner des patients, pas de lire des clichés. Quand l'IA se charge du travail routinier, les hôpitaux prennent en charge davantage de patients et embauchent davantage de personnel. Selon ses termes, la productivité crée de la capacité, et la capacité crée de la croissance.

9. Ce que cela signifie pour votre entreprise

Vous n'avez pas besoin de posséder les cinq étages. Mais vous devez savoir desquels vous dépendez, et faire un choix délibéré à chacun d'eux :

ÉtageLa question à se poserComment Workstation vous aide
ApplicationsQuel problème métier mérite d'être résolu en premier, et comment allons-nous mesurer le résultat ?Agents d'IA, conseil en IA, conception d'agents
ModèlesAPI de pointe, modèle ouvert, ou les deux ? Où les données doivent-elles rester ?IA privée, mise en place MLOps
InfrastructureAcheter, louer en leasing ou louer ? Qui l'exploite ?Clusters GPU, leasing de GPU, centre de données d'IA
PucesQuelle quantité de mémoire GPU et quelle vitesse la charge de travail exige-t-elle ?Stations de travail IA, DGX Spark et serveurs RTX PRO dans notre boutique
ÉnergieNotre site peut-il l'alimenter et la refroidir ? Combien coûtera chaque réponse à produire ?Planification de l'alimentation et du refroidissement dans chaque projet de serveur et de cluster

Parlez-nous de la place de votre organisation sur le gâteau, et de ce qu'il convient de construire ou d'acheter ensuite.

Sources

  • Jensen Huang, « AI Is a 5-Layer Cake », blog NVIDIA, 10 mars 2026.
  • Blog NVIDIA, « Largest Infrastructure Buildout in Human History »: Jensen Huang on AI's « Five-Layer Cake » at Davos, janvier 2026.

Jensen Huang a démissionné de ses fonctions de président-directeur général de NVIDIA le 12 novembre 2026 ; les propos cités ici ont été tenus lorsqu'il dirigeait l'entreprise. NVIDIA et DGX sont des marques commerciales et/ou des marques déposées de NVIDIA Corporation aux États-Unis et dans d'autres pays.

Partager cet article

Plus dans Technology

Portables pour développeurs IA : exécuter des LLM en local sous Linux avec des GPU de 16 GB et 24 GB (guide 2026)

Portables pour développeurs IA : exécuter des LLM en local sous Linux avec des GPU de 16 GB et 24 GB (guide 2026)

Ce qui tient sur un GPU RTX 5080 ou RTX 5090 Laptop, le calcul de mémoire, les modèles ouverts qui valent la peine, la configuration d'Ubuntu 26.04 avec la pile NVIDIA, Ollama, llama.cpp et vLLM, les assistants de code, l'affinage LoRA, la sécurité, et quand passer le travail sur un serveur

Lire la suite
Tester des systèmes ML et LLM impossibles à prouver corrects : une boîte à outils Python d'éléments probants

Tester des systèmes ML et LLM impossibles à prouver corrects : une boîte à outils Python d'éléments probants

Des éléments probants à la place des preuves, en environ 400 lignes de Python avec une sortie réelle : métriques par segment avec intervalles bootstrap et contrat de réussite ou d'échec, tests de propriétés et métamorphiques avec Hypothesis, calibration et prédiction conforme, contrats Pydantic et évaluations de non-régression pour les sorties LLM, contrôles de dérive, barrière en CI et vérification exacte d'un petit réseau de neurones

Lire la suite
TorchCurves en pratique : courbes B-spline et de Legendre apprenables dans PyTorch

TorchCurves en pratique : courbes B-spline et de Legendre apprenables dans PyTorch

Installer torchcurves, ajuster et dimensionner une courbe, choisir entre B-spline et Legendre ainsi que l’application d’entrée, construire une courbe de calibration monotone et un modèle additif sur des données tabulaires, comparer avec SciPy, scikit-learn, un KAN et un MLP, exporter les coefficients en JSON, tester et exploiter en production, avec des sorties réelles

Lire la suite