Les évaluations ClusterMAX 3.0 reviennent, et les clouds GPU bon marché font face à une épreuve plus exigeante
Les évaluations ClusterMAX 3.0 soumettent 77 fournisseurs de cloud GPU à un test plus étendu, alors que le secteur continue de vendre des infrastructures à travers de simples promesses de disponibilité et de coût. SemiAnalysis a publié cette nouvelle évaluation le 23 septembre 2026, après avoir testé des clusters managés et interrogé plus de 200 utilisateurs de neoclouds.
La conclusion centrale n’est pas qu’un fournisseur possède le GPU le plus rapide. Elle est que la capacité de calcul réellement exploitable dépend de tout ce qui entoure ce GPU. Les réseaux, le stockage, les ordonnanceurs, la supervision, la sécurité et le support déterminent si des accélérateurs coûteux produisent un travail utile ou restent inactifs.
Cette distinction met sous pression les fournisseurs qui rivalisent principalement par de faibles tarifs de location ou l’accès à du matériel rare. CoreWeave demeure une référence technique, tandis que Nebius l’a rejoint dans le premier niveau. Google Cloud a également progressé, mais plusieurs fournisseurs connus ont reculé ou n’ont pas pu être testés.
Les évaluations ClusterMAX 3.0 relèvent la barre pour 77 fournisseurs
ClusterMAX 3.0 transforme l’évaluation des clouds GPU en test opérationnel, plutôt qu’en comparaison de noms d’accélérateurs et de tarifs annoncés.
La nouvelle édition couvre 77 fournisseurs évalués et étend la vision plus large du marché de SemiAnalysis à 323 entreprises. La précédente grande édition évaluait 84 fournisseurs tout en suivant 209 entreprises. Seuls 19 fournisseurs ont reçu une note avec médaillon dans la dernière évaluation.
Ces chiffres exigent une interprétation prudente. Un groupe évalué plus réduit ne signifie pas nécessairement que le marché s’est contracté. SemiAnalysis suit d’autres entreprises qui restent impossibles à tester, ne présentent pas une pertinence suffisante, desservent des marchés restreints ou n’ont pas lancé de service managé répondant aux critères.
L’évaluation se concentre sur les clusters managés. Il s’agit d’environnements dans lesquels le fournisseur prend en charge des couches opérationnelles importantes au-delà de la mise à disposition de serveurs physiques. Ce travail peut inclure l’orchestration, la supervision, la détection des défaillances, le remplacement du matériel, le stockage, la gestion réseau et le support technique continu.
Le périmètre exclut plusieurs activités adjacentes. Les simples locations de bare metal, les services d’inférence facturés au token, les plateformes de post-entraînement et les services de sandbox pour agents ne reçoivent pas un traitement équivalent. Une entreprise peut exploiter une infrastructure GPU utile sans pour autant être considérée comme un solide fournisseur de clusters managés.
Cette frontière compte, car le terme « cloud GPU » couvre désormais des produits très différents. Un fournisseur peut livrer des serveurs et attendre du client qu’il gère chaque couche logicielle. Un autre peut maintenir l’ordonnanceur, enquêter sur les nœuds défaillants et conserver une capacité de remplacement disponible.
SemiAnalysis évalue ces différences à travers dix catégories. Elles comprennent la sécurité, la gestion du cycle de vie, l’orchestration, le stockage, les réseaux, la fiabilité, la supervision, la tarification, les partenariats et la disponibilité. Ses critères d’évaluation publics décrivent les capacités attendues dans chaque catégorie.
Les niveaux obtenus sont relatifs plutôt que des certifications universelles. Un fournisseur gagne sa position en se comparant favorablement à ses pairs selon la méthodologie actuelle. Des exigences plus élevées peuvent donc faire reculer une entreprise même si son service ne s’est pas visiblement dégradé.
ClusterMAX 3.0 a ajouté une catégorie Participation Ribbon entre Bronze et Underperforming. Quinze fournisseurs ont intégré ce niveau. SemiAnalysis l’utilise pour des services qui remplissent les exigences de base sans offrir la maturité opérationnelle attendue de clusters managés recommandés.
Le rapport a également produit des changements notables près du sommet. Nebius est passé d’Or à Platine aux côtés de CoreWeave. Google Cloud a rejoint Oracle en Or, tandis qu’Azure est passé à Argent. GMI est monté de Bronze à Argent.
D’autres évolutions ont été moins favorables. Crusoe est tombé à Bronze, tandis que Fluidstack a intégré la catégorie Unavailable parce que SemiAnalysis n’a pas pu achever une vérification adéquate. Lambda, Firmus et TensorWave sont restés en Argent.
Ces changements établissent le principal conflit exposé par le rapport. Les fournisseurs peuvent obtenir de nouveaux GPU et annoncer de grandes installations, tout en restant à la traîne sur les systèmes moins visibles qui maintiennent la productivité des clusters.
Le rapport complet ClusterMAX 3.0 est aussi davantage qu’un classement. Il relie les tests techniques aux entretiens clients, aux attentes contractuelles et aux constats opérationnels propres à chaque fournisseur.
Cette combinaison offre aux acheteurs un point de départ plus solide qu’un classement fondé sur des résultats de benchmark de pointe. Elle fournit également aux fournisseurs une liste de contrôle publique des capacités que les clients avertis attendent de plus en plus.
La fiabilité compte davantage que les performances GPU de pointe
Un cluster rapide perd son avantage lorsque des composants défaillants restent planifiables, que les tâches redémarrent à répétition ou que le support ne peut pas restaurer rapidement la capacité.
SemiAnalysis a demandé 32 GPU à chaque fournisseur participant. La configuration privilégiée comprenait quatre nœuds HGX à huit GPU ou huit nœuds à quatre GPU au sein d’un déploiement NVL72. L’entreprise a aussi demandé un réseau à haut débit et deux formes de stockage.
Chaque environnement devait disposer d’au moins 10 téraoctets de stockage de fichiers haute performance et d’au moins 10 téraoctets de stockage objet compatible S3. Les fournisseurs devaient également fournir un tableau de bord de supervision.
Les tests couvraient à la fois Slurm et Kubernetes. Slurm est un ordonnanceur largement utilisé pour les grands travaux de calcul, tandis que Kubernetes gère des applications conteneurisées à travers des clusters. SemiAnalysis demandait cinq jours avec chaque environnement, bien que les fournisseurs puissent exécuter ces périodes en parallèle.
L’exigence matérielle a également évolué. SemiAnalysis a considéré comme acceptables les systèmes Nvidia B200, B300, GB200 et GB300, ainsi que l’infrastructure AMD MI355X. L’entreprise a traité les systèmes H100 comme une génération plus ancienne pour cette évaluation.
Le processus commence par un audit de configuration. Cet audit examine l’inventaire matériel, le firmware, les pilotes, la prise en charge des conteneurs, les paramètres de l’ordonnanceur, le réseau, le stockage, la supervision et la sécurité. Son outil public d’audit de cluster signale les validations, les avertissements, les échecs et les vérifications ignorées.
Les tests de performance examinent ensuite le calcul GPU, le comportement du réseau, le stockage, les opérations de cycle de vie, l’entraînement et l’inférence. SemiAnalysis utilise à la fois des microbenchmarks et des charges de travail conçues pour révéler les interactions dans l’ensemble du cluster.
Les tests d’entraînement comprennent le pré-entraînement de Llama 3.1 8B et une charge de travail de mixture-of-experts. Un modèle de mixture-of-experts active des réseaux de composants sélectionnés pour chaque entrée, créant des schémas de communication exigeants entre accélérateurs.
Cette seconde charge de travail aide à révéler des problèmes réseau que des benchmarks GPU isolés peuvent manquer. Un serveur peut fournir de solides résultats de multiplication matricielle tandis que le cluster perd du temps lors des communications collectives entre nœuds.
Les tests d’inférence remplissent un objectif similaire. Ils examinent des conditions limitées par le calcul, la mémoire et les communications. Si un réseau échoue aux tests collectifs soutenus, le système ne peut pas préserver un débit de tokens utile à grande échelle.
ClusterMAX va ensuite au-delà de la vitesse pour étudier la fiabilité. SemiAnalysis exécute un burn-in de huit heures qui sollicite simultanément les GPU et le réseau. Le test suit les températures, la consommation électrique, les fréquences d’horloge, le calcul, la latence, la bande passante, la connectivité et les erreurs du noyau.
La sollicitation simultanée est importante, car les charges de travail réelles chauffent plusieurs composants en même temps. Tester séparément le GPU et le réseau peut manquer des défaillances causées par des interactions thermiques ou électriques sous une charge soutenue à l’échelle du cluster.
Les évaluateurs injectent également des défaillances. Ils peuvent placer des messages d’erreur Nvidia synthétiques dans le journal du noyau ou provoquer une véritable défaillance de connexion via le pont PCIe. Ils mesurent ensuite la détection et la récupération.
Un service capable doit identifier un nœud défaillant, cesser d’y planifier du travail et commencer la remédiation. Pour les clusters HGX conventionnels, la réponse idéale comprend souvent le remplacement du nœud concerné par une réserve à chaud.
Les systèmes NVL72 à l’échelle du rack posent un problème plus difficile. Leurs GPU partagent un domaine NVLink étroitement connecté, de sorte que les opérateurs ne peuvent pas toujours remplacer une petite unité sans affecter le rack plus large. Les fournisseurs ont besoin de procédures d’exploitation différentes pour les systèmes dégradés.
SemiAnalysis attend généralement que les contrôles de santé détectent un nœud défectueux en moins de deux minutes. Cet objectif transforme la « fiabilité » d’une promesse marketing en processus de réponse observable.
La détection des défaillances seule ne suffit pas. La supervision doit identifier le composant défaillant, les tâches affectées, l’état de l’ordonnanceur et la fraîcheur de chaque contrôle de santé. Un tableau de bord vert devient trompeur lorsque les données sous-jacentes sont obsolètes.
L’auto-remédiation ajoute une couche supplémentaire. Le système peut isoler un nœud, réinitialiser un GPU, redémarrer un logiciel ou lancer une réparation matérielle. La bonne réponse dépend de l’erreur, et des redémarrages automatiques peuvent détruire un travail sain lorsqu’ils sont appliqués sans discernement.
Nvidia documente des codes d’erreur GPU couvrant de nombreuses conditions de défaillance distinctes. Le chevauchement des erreurs fait de la récupération une question de jugement opérationnel, et non de simple installation d’un logiciel de supervision.
C’est pourquoi la vitesse de pointe constitue une métrique d’achat incomplète. Les acheteurs reçoivent au final du goodput, c’est-à-dire le travail utile accompli après prise en compte des défaillances, des redémarrages et des délais opérationnels.
Un cluster moins cher peut devenir plus coûteux lorsque les chercheurs doivent diagnostiquer à répétition des problèmes d’infrastructure. Le temps perdu comprend les GPU inactifs, les expériences interrompues, les sorties de modèles retardées et l’effort d’ingénierie détourné du travail produit.
Les clouds GPU bon marché rivalisent désormais sur le coût opérationnel total
ClusterMAX 3.0 déplace la question d’achat des tarifs horaires vers le coût d’obtention d’un calcul fiable et réellement exploitable.
Les tarifs de location publiés restent faciles à comparer. La fiabilité, la qualité du support et le temps de récupération sont plus difficiles à inscrire dans une feuille de calcul d’approvisionnement. Pourtant, ces facteurs déterminent souvent le coût final d’un grand entraînement.
Prenons l’exemple d’une équipe louant un cluster multi-nœuds pour le développement d’un modèle. Un GPU défaillant peut ralentir tous les participants à une tâche synchronisée. Un processus à la traîne, souvent appelé straggler, force le reste du système à attendre.
Le client continue de consommer de la capacité tandis que les performances diminuent. Les ingénieurs peuvent passer des heures à parcourir les journaux, isoler des nœuds et relancer les tests. Un faible tarif annoncé offre peu de protection contre ce gaspillage.
CoreWeave reste Platine parce que SemiAnalysis a trouvé ses clusters solides dans les catégories cruciales. Le rapport indique que ses contrôles de santé fonctionnaient comme prévu et que la plupart des tests atteignaient les valeurs attendues sans intervention importante.
L’entreprise a également ajouté la détection des GPU stragglers. Selon sa documentation de supervision, cette fonctionnalité analyse la télémétrie des communications afin d’aider à identifier les workers qui ralentissent les tâches distribuées.
Cette fonctionnalité illustre l’argument en faveur d’un service premium. Le produit de valeur n’est pas seulement l’accès à un accélérateur. C’est un système qui trouve les problèmes subtils avant que les utilisateurs ne mènent une recherche manuelle à travers toute la flotte.
Nebius rejoint désormais CoreWeave en Platine. SemiAnalysis le décrit comme systématiquement solide dans toutes les catégories et actif sur le marché des clusters de plus courte durée. Ce positionnement compte pour les startups qui ne disposent pas d’engagements comparables à ceux des hyperscalers.
L’ascension de Google Cloud au niveau Gold offre un point de comparaison différent. Les hyperscalers apportent une vaste expérience en matière d’infrastructure, des programmes de sécurité plus étendus et des portefeuilles de services matures. Toutefois, leurs plateformes généralistes n’optimisent pas toujours chaque flux de travail autour de clusters d’IA managés.
Oracle a conservé le niveau Gold et a été reconnu pour son architecture réseau scale-out. Le réseau scale-out connecte des systèmes au-delà d’un seul serveur ou rack étroitement intégré, permettant aux tâches d’entraînement de s’exécuter sur un nombre bien plus important de GPU.
Azure est passé au niveau Silver, montrant que l’envergure d’une entreprise ne produit pas automatiquement la meilleure expérience de cluster managé selon cette méthodologie. ClusterMAX évalue l’environnement effectivement fourni, et non le budget global d’ingénierie du fournisseur.
Les résultats remettent également en cause une hypothèse fréquente sur les néoclouds plus récents. La spécialisation peut les aider à bâtir des services autour des charges de travail d’IA. Elle ne garantit ni une bonne orchestration, ni un stockage fiable, ni des logiciels à jour, ni une assistance rapide.
Certains fournisseurs restent attractifs pour les acheteurs de bare metal. Les grands laboratoires d’IA disposent souvent d’équipes internes capables de gérer les ordonnanceurs, la supervision et la reprise. Ces clients peuvent préférer un contrôle direct et accepter moins de fonctionnalités managées.
Les laboratoires plus petits sont confrontés à un calcul différent. Ils peuvent ne pas disposer de spécialistes maîtrisant la topologie réseau, la gestion des erreurs GPU, le stockage distribué et l’ordonnancement des tâches. Un service managé peut remplacer une expertise qu’ils ne peuvent pas facilement recruter.
Le codage agentique complique cette distinction. SemiAnalysis a constaté que les agents de codage avaient aidé son équipe à pallier une documentation incomplète et des tâches d’administration répétitives. Cela peut rendre une infrastructure peu managée plus acceptable pour des opérateurs expérimentés.
Ces mêmes agents ont également produit des configurations incorrectes. Ils ont parfois sélectionné le mauvais réseau, testé le stockage local au lieu du stockage partagé, ou planifié des tâches GPU sur des nœuds CPU.
L’assistance par IA n’efface donc pas la valeur des connaissances opérationnelles. Elle renforce les équipes qui comprennent déjà le résultat recherché. Les utilisateurs moins expérimentés peuvent recevoir des instructions plausibles qui invalident discrètement les tests de performance.
Pour les acheteurs, la comparaison pratique comporte quatre dimensions :
Fourniture de capacité de calcul
Le fournisseur fournit-il la génération et la configuration d’accélérateurs promises ?
Les performances de calcul mesurées correspondent-elles à des attentes raisonnables ?
Intégration du cluster
Le réseau, le stockage, Slurm et Kubernetes fonctionnent-ils ensemble sous une charge réaliste ?
Les utilisateurs peuvent-ils reproduire de bons résultats sans réglages manuels poussés ?
Reprise opérationnelle
La plateforme détecte-t-elle le matériel défaillant et le retire-t-elle de l’ordonnancement ?
Le fournisseur peut-il restaurer une capacité exploitable sans intervention prolongée du client ?
Responsabilité commerciale
Le contrat définit-il les interruptions de service, les tests d’acceptation, les crédits de service et les droits de sortie ?
Le fournisseur communique-t-il clairement lorsqu’une réparation physique est nécessaire ?
Ce cadre fait du prix affiché un simple élément parmi d’autres. Le véritable dénominateur est le travail accompli, et non le temps GPU réservé.
La sécurité fait partie des performances du cloud GPU
Un cluster ne peut être considéré comme prêt pour la production lorsque des logiciels obsolètes, une isolation insuffisante ou de mauvais contrôles d’accès exposent des modèles et des données de valeur.
La sécurité occupe une place inhabituelle dans ClusterMAX 3.0. SemiAnalysis affirme que les dépenses en infrastructures d’IA ont dépassé les pratiques défensives élémentaires chez de nombreux néoclouds.
Le risque commence avec la complexité du cluster. Les environnements managés combinent systèmes d’exploitation, pilotes, ordonnanceurs, conteneurs, stockage, réseaux à haut débit, tableaux de bord et outils d’administration. Chaque couche crée des identifiants, des autorisations et des logiciels que les opérateurs doivent maintenir.
Un nœud de gestion compromis peut exposer plus d’une machine. Il peut ouvrir des accès vers des systèmes voisins, du stockage partagé, des points de contrôle de modèles, des jeux de données propriétaires ou des identifiants utilisés ailleurs dans l’environnement du client.
Les réseaux de cluster à haut débit supposent également une confiance importante entre les composants. Cette confiance favorise le calcul distribué rapide, mais une segmentation insuffisante peut accroître les dommages causés par un système compromis.
La sécurité affecte donc les performances exploitables de plusieurs manières. Une violation peut interrompre le travail, déclencher une réponse à incident, corrompre les résultats ou imposer des correctifs d’urgence. Des contrôles faibles peuvent aussi rendre un fournisseur inacceptable avant même le début d’un benchmark.
SemiAnalysis inclut les versions logicielles et micrologicielles, la configuration des accès, les conteneurs, les paramètres réseau et la supervision dans son audit initial. Ce processus ne remplace pas un test d’intrusion complet, mais il détecte des signaux d’alerte opérationnels.
L’évaluation examine également les certifications et les contrôles documentés. Des certifications telles que SOC 2 ou ISO 27001 ne prouvent pas que chaque cluster est sécurisé. Leur absence peut néanmoins indiquer qu’un fournisseur ne dispose pas de processus organisationnels élémentaires.
Les acheteurs devraient examiner l’isolation à plusieurs frontières. Cela comprend la séparation entre clients, les privilèges au sein d’un tenant, l’accès des employés du fournisseur et les contrôles autour des instantanés et sauvegardes de stockage.
La gestion des identifiants mérite une attention équivalente. Les clés SSH, jetons cloud, comptes de service et autorisations d’ordonnanceur peuvent rester actifs plus longtemps que prévu. Un processus de départ insuffisant transforme un simple changement d’effectif en exposition persistante.
La supervision crée son propre compromis de sécurité. Les fournisseurs ont besoin d’une télémétrie détaillée pour identifier les défaillances matérielles et les anomalies de performance. Cette collecte doit éviter d’exposer des informations sensibles sur les tâches ou d’accorder un accès excessif aux tableaux de bord.
La pression augmente à mesure que les agents d’IA obtiennent davantage d’accès opérationnels. Un agent capable de modifier des utilisateurs, de soumettre des tâches ou de dépanner des nœuds peut faire gagner du temps. Il peut également exécuter une commande erronée sur une infrastructure de valeur.
SemiAnalysis indique que les agents se sont révélés les plus utiles lorsque l’environnement offrait des critères de réussite clairs et un contexte détaillé. Cette observation relie la qualité de la documentation à la sécurité. De bonnes instructions réduisent l’improvisation et facilitent la revue des actions automatisées.
La critique du rapport doit néanmoins être nuancée. ClusterMAX ne rend pas publics tous les tests de sécurité ni tous les résultats par fournisseur. Les acheteurs ne devraient pas considérer son système de niveaux comme un substitut à leur propre modèle de menace.
Les fournisseurs servent également des clients aux exigences différentes. Un prototype de recherche, une charge de travail d’entreprise réglementée et un entraînement de modèle de pointe ne présentent pas les mêmes risques. Un seul classement ne peut pas refléter la tolérance de chaque organisation.
La conclusion générale reste toutefois difficile à écarter. Les clouds GPU hébergent une puissance de calcul concentrée, une propriété intellectuelle de valeur et des logiciels de plus en plus autonomes. Les défaillances de sécurité peuvent annuler tout avantage obtenu grâce à un coût inférieur ou à de meilleures performances de benchmark.
Le classement est utile, mais ce n’est pas un verdict universel
ClusterMAX fournit des éléments de preuve inhabituellement détaillés, mais ses résultats restent un instantané testé, façonné par le périmètre, l’accès et la méthodologie.
La première limite concerne la taille de la configuration. SemiAnalysis a généralement demandé 32 GPU, alors que les grands clients peuvent exploiter des clusters composés de bien plus de machines. Les problèmes de performance et de fiabilité évoluent souvent à mesure que les systèmes changent d’échelle.
Un fournisseur performant sur quatre nœuds peut rencontrer des difficultés différentes de congestion, d’ordonnancement ou de réparation sur des centaines de nœuds. SemiAnalysis complète ses tests par des entretiens avec des clients, notamment parce qu’une seule évaluation ne peut reproduire chaque déploiement.
La deuxième limite est temporelle. Le rapport saisit les environnements durant une fenêtre de test spécifique. Les fournisseurs mettent à jour les pilotes, remplacent le matériel, modifient les systèmes de stockage et réécrivent les outils d’orchestration.
SemiAnalysis indique que ses notations sont actualisées à mesure que le marché évolue. Malgré cela, les acheteurs devraient vérifier qu’une configuration examinée correspond à la région, à la génération matérielle et à la pile logicielle qui leur est proposée.
La troisième limite concerne l’accès. Certains fournisseurs n’ont pas pu ou n’ont pas voulu fournir un cluster adéquat. Une classification Unavailable peut signaler une capacité limitée, des restrictions géographiques, un lancement retardé ou une impossibilité de vérifier le service.
Cette catégorie n’est pas identique à Underperforming. L’une reflète un manque d’éléments probants, tandis que l’autre reflète des insuffisances observées. Les équipes achats devraient préserver cette distinction.
La quatrième limite concerne la coopération des fournisseurs. SemiAnalysis échange avec les entreprises pendant les tests, notamment lorsque l’injection de défaillances exige une supervision compatible. Cela aide à produire des résultats valides, mais diffère d’un achat anonyme.
Les fournisseurs savent que les évaluateurs inspectent l’environnement. Ils ont intérêt à fournir une configuration favorable et à répondre rapidement. Les clients ordinaires ont besoin de contrats et de références confirmant un traitement similaire.
La cinquième limite est commerciale. ClusterMAX évalue les clusters managés et peut donc sous-estimer un fournisseur qui se spécialise intentionnellement dans le bare metal. Ce service peut néanmoins convenir à des équipes disposant d’un solide personnel d’infrastructure.
Le problème inverse existe également. Un portail sophistiqué ou un processus d’intégration réactif peut inspirer confiance avant le début de charges de travail soutenues. La fiabilité à long terme demeure plus difficile à vérifier qu’une première expérience soignée.
Les entretiens avec les clients renforcent la méthodologie, mais introduisent une autre incertitude. Les lecteurs publics ne peuvent pas inspecter indépendamment chaque entretien, plainte ou décision de pondération. SemiAnalysis contrôle la synthèse finale.
Le titre « norme du secteur » doit donc être compris comme le positionnement de l’éditeur, soutenu par une utilisation visible dans l’industrie. Il ne s’agit ni d’une norme gouvernementale ni d’un cadre de certification formel.
La méthodologie améliore néanmoins la transparence dans un marché rempli de comparaisons difficiles. La présentation de l’évaluation explique que le processus associe des tests pratiques, une revue documentaire et les retours des utilisateurs.
La structure de notation relative encourage également une amélioration continue. Un fournisseur ne peut supposer que la configuration d’hier reste compétitive lorsque ses pairs ajoutent une meilleure supervision, une remédiation plus rapide ou des contrats plus clairs.
Pour les clients, la bonne réponse n’est pas de copier directement le classement dans une décision d’achat. Il s’agit d’utiliser le rapport comme une liste de questions auxquelles les fournisseurs doivent répondre avec des preuves.
Le fournisseur peut-il reproduire ses performances sur la charge de travail envisagée par le client ? Peut-il présenter des données récentes de reprise ? Le contrat mesure-t-il les interruptions aux niveaux du nœud, du rack, du cluster et du site ?
Qui contrôle la réparation physique lorsque l’équipement se trouve dans un centre de colocation ? Des pièces de rechange sont-elles disponibles ? Que se passe-t-il lorsqu’une panne réseau provoque des ralentissements intermittents plutôt qu’une interruption complète ?
Comment le fournisseur gère-t-il les correctifs de sécurité sans créer de temps d’arrêt non défini ? À quels accès son personnel de support peut-il prétendre ? Le client peut-il exporter les journaux et données de supervision pour un examen indépendant ?
Ces questions montrent pourquoi le classement compte, même lorsqu’un acheteur choisit un fournisseur de niveau inférieur. ClusterMAX donne aux clients le vocabulaire nécessaire pour négocier des garanties plutôt que d’accepter de vagues promesses.
ClusterMAX 3.0 fait de l’assistance et des contrats des fonctionnalités techniques
Le changement le plus déterminant réside dans le traitement des obligations d’assistance comme des éléments mesurables de l’architecture du cluster.
Les accords de cloud GPU séparent souvent les spécifications techniques des protections commerciales. Un contrat énumère le matériel, la capacité et la disponibilité, tandis que les détails opérationnels restent vagues.
ClusterMAX 3.0 réduit cet écart. SemiAnalysis a développé des concepts standardisés de niveau de service pour les systèmes HGX conventionnels et les architectures à l’échelle du rack. Ils couvrent les nœuds, les racks, les clusters et les sites.
Le cadre définit les interruptions de service au lieu de laisser le terme ouvert à l’interprétation. Il décrit également les tests d’acceptation portant sur le calcul GPU, le réseau, le stockage et les logiciels avant qu’un client n’accepte la livraison.
L’acceptation est importante, car un cluster peut être mis sous tension sans être prêt pour la production. Une configuration réseau erronée, un stockage inaccessible, des pilotes obsolètes ou une intégration défaillante avec l’ordonnanceur peuvent retarder le travail utile alors même que la facturation a commencé.
Un accord crédible devrait préciser à quel moment le service devient acceptable. Il devrait également décrire ce qui se passe lorsque le fournisseur ne respecte pas cette échéance.
SemiAnalysis recommande des évaluations récurrentes des performances au regard des niveaux de service. Cela fait de la fiabilité une obligation continue plutôt qu’une promesse évaluée uniquement après un litige majeur.
Le cadre reconnaît également des exclusions légitimes. Les mises à niveau planifiées, les correctifs de sécurité et la maintenance physique peuvent nécessiter des interruptions. Le contrat devrait définir ces exceptions au lieu de permettre que chaque interruption disparaisse dans une clause de maintenance trop générale.
La qualité du support devient mesurable à travers le parcours allant de la détection à la réparation. Un fournisseur doit savoir quel composant a échoué, empêcher que de nouvelles tâches ne lui soient envoyées et communiquer le plan de remédiation.
La propriété de l’installation influence ce parcours. Un opérateur qui contrôle son propre centre de données peut gérer directement les techniciens, les pièces et les procédures. Un fournisseur utilisant la colocation peut dépendre du calendrier de service à distance d’une autre entreprise.
Aucun des deux modèles ne l’emporte automatiquement. La vraie question est de savoir si le mode d’exploitation permet un rétablissement dans le délai promis.
Cette distinction devient plus nette avec les systèmes en racks Grace Blackwell. Le refroidissement liquide direct, la puissance élevée par rack, les processeurs hôtes Arm et NVLink à l’échelle du rack ajoutent des dépendances que les anciens déploiements de GPU ne partageaient pas.
La défaillance d’un composant peut affecter une unité de capacité plus importante. Les procédures de réparation doivent tenir compte de plateaux et de racks étroitement interconnectés plutôt que de traiter chaque serveur à huit GPU comme interchangeable.
La prochaine génération Vera Rubin accroîtra encore les besoins en alimentation électrique et en réseau. SemiAnalysis estime que cette transition architecturale sera moins perturbatrice que le passage de Hopper à Grace Blackwell, mais les fournisseurs devront malgré tout effectuer un travail opérationnel important.
Pour les acheteurs, le support fait donc partie de l’évaluation technique. Une équipe de réponse compétente, des procédures éprouvées, des pièces de rechange disponibles et une télémétrie précise déterminent les performances réellement fournies au fil du temps.
Le même principe s’applique à la tarification. Un tarif qui exclut un support réellement utile transfère le risque opérationnel au client. Un tarif plus élevé peut offrir une meilleure valeur s’il protège le temps d’ingénierie et préserve l’achèvement des tâches.
ClusterMAX n’élimine pas la négociation. Il rend simplement plus faciles à identifier les aspects cachés de cette négociation.
Ce que les acheteurs de GPU cloud devraient surveiller ensuite
La prochaine épreuve consistera à déterminer si les leaders de ClusterMAX peuvent préserver leur avantage alors que le matériel, les charges de travail et les modèles d’achat évoluent simultanément.
Le premier signal sera la reproduction indépendante des nouvelles évaluations. Les clients devraient comparer leurs propres tests d’acceptation et leurs tâches de longue durée avec les conclusions de SemiAnalysis. Des résultats cohérents renforceraient la valeur du classement au-delà d’une seule période d’évaluation.
Le deuxième signal sera l’évolution des fournisseurs lors du déploiement de Vera Rubin. Les entreprises qui ont maintenu des systèmes Grace Blackwell fiables devraient partir avec une longueur d’avance. Les nouvelles exigences en matière d’alimentation, de réseau et de refroidissement peuvent néanmoins révéler des faiblesses dans la planification des capacités et le support.
Observez si les fournisseurs publient des calendriers de livraison et des objectifs opérationnels clairs. Les annonces marketing comptent moins que des clusters stables exécutant les charges de travail des clients. Les retards, les changements de configuration et l’accès régional limité révéleront le véritable degré de maturité de chaque déploiement.
Le troisième signal sera l’extension de ClusterMAX aux endpoints d’inférence, à l’infrastructure d’apprentissage par renforcement et aux sandboxes d’agents. Ces produits introduisent des goulots d’étranglement différents de ceux des clusters d’entraînement traditionnels.
Les services d’inférence doivent équilibrer latence, débit, chargement des modèles et demande imprévisible. Les systèmes d’apprentissage par renforcement coordonnent la génération, l’exécution en sandbox, l’entraînement et les mises à jour fréquentes des modèles. Une faiblesse à n’importe quelle étape peut laisser des GPU inactifs.
Cette extension pourrait renforcer ClusterMAX en reflétant la manière dont les équipes d’IA consomment aujourd’hui l’infrastructure. Elle pourrait aussi rendre le cadre plus difficile à interpréter, car les clusters gérés et les services facturés au token répondent à des problèmes différents.
Les acheteurs devraient également surveiller les divulgations en matière de sécurité. Des éléments plus détaillés sur l’isolation, les correctifs, les identifiants et la réponse aux incidents rendraient les comparaisons entre fournisseurs plus solides. Des incidents graves exposeraient des lacunes que les tests de performance ne peuvent pas détecter.
Enfin, surveillez la séparation entre services gérés et bare metal. Les grands laboratoires achètent d’importantes capacités tout en exploitant eux-mêmes une part plus large de la pile logicielle. Les petites équipes ont toujours besoin que les fournisseurs absorbent cette complexité.
Les agents d’IA faciliteront certaines tâches d’administration, mais ils ne supprimeront pas le besoin de systèmes fiables. Les propres tests du rapport montrent que l’automatisation peut résoudre des problèmes courants tout en en créant de nouveaux avec assurance.
Les évaluations ClusterMAX 3.0 invitent finalement les acheteurs à redéfinir le produit. Ils ne louent pas des puces de manière isolée. Ils louent des calculs achevés, des procédures de rétablissement, des contrôles de sécurité et l’accès à des opérateurs expérimentés.
Avant de signer le prochain accord GPU cloud, demandez au fournisseur de démontrer ces couches en situation de défaillance. Demandez des benchmarks spécifiques à vos charges de travail, des preuves de sécurité actuelles, des historiques de rétablissement et des conditions d’acceptation précises. Comparez ensuite le travail achevé que chaque option peut fournir, et non simplement la capacité que chacune promet.
