Shadow lance Blade : des GPU européens pour l'IA en production

Le passage d'un prototype d'intelligence artificielle à une application réellement exploitable en production représente souvent un goulet d'étranglement pour les startups et les PME. La disponibilité d'un modèle performant ne suffit pas ; il faut une puissance de calcul massive et une gestion d'infrastructure capable de suivre la charge de travail sans exiger une armée d'ingénieurs système. C'est précisément sur ce segment que Shadow, l'acteur français du PC dans le cloud, a décidé de se positionner avec le lancement de Blade le 22 octobre dernier.

Une stratégie d'optimisation des ressources matérielles

L'approche de Shadow repose sur une logique d'efficacité industrielle. L'entreprise dispose d'un parc impressionnant d'environ 12 000 GPU NVIDIA, initialement dédiés à son service de cloud gaming. Or, la consommation de ces ressources suit un cycle très marqué : les joueurs sollicitent intensément les machines le soir et le week-end, laissant une part importante de la puissance de calcul inutilisée durant la journée, quand les utilisateurs sont au bureau.

Plutôt que de laisser ces puces électroniques inactives, Shadow a conçu Blade pour rentabiliser ses actifs. En proposant de l'inférence d'IA pendant les heures creuses du gaming, l'entreprise transforme un coût fixe en un levier de croissance. Cette mutualisation permet de proposer des tarifs annoncés comme étant inférieurs à ceux des géants américains du secteur, rendant l'accès au calcul haute performance plus attractif pour les acteurs européens.

L'architecture technique entre Blade Models et AI Fabric

La plateforme ne se contente pas de louer de la puissance brute, elle structure son offre pour répondre à différents niveaux de maturité technique. Le premier volet, Blade Models, est déjà disponible. Il permet d'accéder à une vingtaine de modèles via une API compatible avec les standards d'OpenAI, facilitant ainsi la migration pour les développeurs qui utilisent déjà ces outils.

Le second volet, AI Fabric, dont le déploiement est attendu pour novembre, vise une automatisation plus poussée. L'objectif est de supprimer la charge mentale liée à l'administration des serveurs. L'entreprise s'est inspirée d'un cas d'usage concret : celui de Gladia, spécialiste de l'IA vocale racheté par OVH Groupe. Gladia utilisait déjà les GPU de Shadow mais devait gérer manuellement ses machines virtuelles et l'installation des logiciels. Le besoin d'une solution plus managée a conduit Shadow à développer AI Fabric pour automatiser le déploiement des traitements.

Souveraineté et infrastructure européenne

L'un des arguments majeurs de Blade est son ancrage géographique. L'infrastructure est entièrement située en Europe et s'appuie sur six datacenters gérés par OVHcloud. Pour un entrepreneur européen, cette localisation est un atout pour limiter la dépendance aux infrastructures extra-communautaires.

L'infrastructure est décrite comme étant située entièrement en Europe et hébergée par OVHcloud, positionnant le service comme un outil pour l'IA souveraine.

Toutefois, il convient de rester nuancé. Si l'hébergement européen est un premier pas essentiel, il ne garantit pas automatiquement la conformité totale pour tous les types de données sensibles. Le choix entre un cloud européen et une exécution locale sur son propre matériel (comme avec des stations de travail RTX) dépendra toujours de la nature des données traitées et des contrats de confidentialité signés.

Les défis de la disponibilité partagée

Le modèle économique de Blade, basé sur les heures creuses, soulève une question cruciale : celle de la disponibilité. Puisque les ressources sont partagées avec les utilisateurs du cloud gaming, un pic d'activité chez les joueurs pourrait théoriquement entrer en conflit avec les besoins des entreprises. Shadow reconnaît d'ailleurs que les GPU disponibles peuvent venir à manquer lors de ces pics de sollicitation.

Pour les entreprises, cela signifie que Blade est un outil extrêmement puissant pour le développement et certaines phases de production, mais qu'une analyse rigoureuse de la continuité de service est nécessaire pour les applications critiques. La flexibilité des ressources et les prix dynamiques sont des avantages, mais ils imposent une planification plus fine que sur des instances réservées et garanties 24h/24.

Comparatif des approches de calcul IA

Pour aider les décideurs à choisir leur infrastructure, on peut résumer les options actuelles ainsi :

• Cloud managé (Blade) : Idéal pour passer rapidement du prototype à la production sans gérer de serveurs, avec un coût optimisé grâce aux ressources mutualisées.
• Cloud dédié : Offre une garantie de disponibilité totale et des performances constantes, mais à un prix nettement plus élevé.
• Hardware local : Contrôle total sur les données et aucune dépendance réseau, mais nécessite un investissement initial lourd et une maintenance technique interne.

L'impact pour le tissu entrepreneurial français

Le lancement de Blade s'inscrit dans une dynamique nationale forte, portée par des initiatives comme France 2030, qui vise à renforcer l'indépendance technologique du pays. Pour les entreprises françaises, l'existence d'une alternative locale pour l'inférence d'IA est stratégique. Elle permet de réduire la fuite de valeur vers les hyperscalers américains tout en restant dans un cadre juridique familier.

Dans le contexte de l'AI Act européen, disposer d'une infrastructure transparente et localisée facilite la mise en conformité, notamment sur la traçabilité des données et la gouvernance des modèles. Pour les startups de la French Tech, Blade offre une rampe de lancement moins coûteuse pour tester leurs modèles à l'échelle avant d'envisager des déploiements massifs. En transformant des ressources de loisir (le gaming) en ressources productives, Shadow propose un modèle d'économie circulaire du calcul qui pourrait inspirer d'autres acteurs du cloud européen.

Questions fréquentes

Sources: News, Chinasmartbuy, Adnkronos ·