La continuité avec l’architecture environnante compte souvent plus que les performances du GPU. « Les hyperscalers conservent des avantages significatifs en termes d’étendue et d’intégration », ajoute Scott Sanders, vice-président de l’ingénierie chez Sonar, une société de qualité et de sécurité du code. « Pour les organisations dont les charges de travail d’IA se trouvent au sein d’une entreprise plus grande, les hyperscalers offrent une continuité qu’un fournisseur spécialisé ne peut pas facilement remplacer. »
La résilience est un autre domaine à considérer. « Même si les performances et les coûts de l’IA peuvent s’améliorer, les risques incluent les problèmes de portabilité, les frais généraux d’exploitation et la dépendance à l’égard de fournisseurs de niche », explique Nigel Gibbons, directeur et conseiller principal chez NCC Group, une société de conseil en cybersécurité. « Cela signifie que les entreprises doivent équilibrer l’optimisation avec la résilience, la profondeur du support, la couverture de conformité et la viabilité à long terme des fournisseurs, en particulier pour les charges de travail critiques ou réglementées. »
Enfin, même si les néoclouds offrent désormais des prix compétitifs, ils dépendent fortement du marché fluctuant du matériel GPU, plaçant leur principal différenciateur unique sur un terrain fragile. « Contrairement aux chemins de fer ou même à la fibre optique – des booms à forte intensité de capital qui ont stimulé des investissements massifs – les GPU ne conservent pas leur valeur pendant des décennies », note Futuriom. « En fait, ils se déprécient rapidement – parfois jusqu’à quatre à cinq ans. »
