Si vous avez essayé d’acheter ou de louer des GPUs en 2025, vous le savez : malgré l’arrivée des B200 de Nvidia, l’offre reste tendue. Pour une PME qui veut faire tourner ses propres modèles ou pré-traiter de gros volumes de données, c’est un défi opérationnel concret. Tour d’horizon des options réalistes.
Acheter : presque jamais la bonne idée
Un H100 coûte 30k€+ à l’achat, un B200 dépasse les 40k€. Pour une PME, l’investissement initial est rarement rentabilisé en moins de 2 ans — sauf cas très spécifique (inférence 24/7 sur volume massif). L’achat ne se justifie que si vous prévoyez un usage continu et que la confidentialité interdit le cloud.
Louer chez un hyperscaler : flexible mais cher
AWS, Azure, GCP proposent des H100 entre 3,50 et 5€/h selon la région et l’engagement. Pour des batches ponctuels c’est imbattable. Pour de l’inférence continue, on dépasse vite les 2500€/mois pour un seul GPU — il faut comparer au coût d’une API managée équivalente.
Le sweet spot : les clouds spécialisés
Runpod, Lambda Labs, OVHcloud, Scaleway proposent des H100 entre 2,20 et 3€/h, sans engagement. La qualité de service est globalement bonne et c’est 30 à 50% moins cher qu’un hyperscaler. Beaucoup hébergent en Europe (RGPD).
L’option pragmatique : ne pas en avoir besoin
Pour 90% des cas PME, l’API d’un fournisseur (Anthropic, OpenAI, Mistral) reste le bon choix. Vous payez à l’usage, pas de GPU à gérer. La question « ai-je besoin de mon propre GPU ? » mérite d’être posée sérieusement avant tout engagement.
