De l'entraînement à la production : NVIDIA et CoreWeave bouclent la boucle de l'IA agentique

Le 30 septembre 2026, NVIDIA a publié sur son blog une annonce selon laquelle CoreWeave, lors de sa conférence Fully Connected à San Francisco, rend disponibles dans son cloud les systèmes NVIDIA Vera Rubin NVL72 dotés du réseau Ethernet Spectrum-X 102.4T. Cognition, le laboratoire d'IA appliquée à l'origine de l'ingénieur logiciel Devin, est le premier client à exécuter des charges de production sur Vera Rubin. CoreWeave proposera aussi NVIDIA Vera, que NVIDIA présente comme le premier CPU conçu pour les agents d'IA, et a lancé CoreWeave Forge, un environnement connecté pour entraîner, évaluer et améliorer des modèles et des agents sur le calcul accéléré NVIDIA. Ensemble, ces trois annonces dessinent une chaîne continue : entraînement, inférence, exécution en bac à sable, puis évaluation qui alimente de nouveau l'entraînement. Un mot sur les sources avant d'aller plus loin. Cette analyse repose principalement sur le blog de NVIDIA. Tous les chiffres de performance cités ici sont des résultats de tests préliminaires communiqués par un fournisseur ou son client, et aucun n'a été reproduit de façon indépendante. Il faut les lire comme des indications de direction, non comme des faits établis.

Commençons par le chiffre phare. Cognition exécute sur CoreWeave l'entraînement, l'apprentissage par renforcement et l'inférence de production de Devin, et la société est passée en neuf mois à plusieurs milliers de GPU sur la plateforme pour soutenir ses charges d'inférence. Plus tôt ce mois-ci, CoreWeave a reçu ses premiers racks de production Vera Rubin NVL72. Peu après, Cognition a comparé l'inférence de Vera Rubin à une base de référence GB200 NVL72 avec une charge d'ingénierie logicielle réaliste : elle a échantillonné un sous-ensemble de tâches de FrontierCode et déployé des agents d'IA pour les résoudre. Lors de ces premiers essais, Vera Rubin NVL72 a offert jusqu'à 4,8 fois le débit total de jetons du GB200 NVL72 pour les charges d'inférence SWE-2. Trois détails comptent. D'abord, les mots « jusqu'à » signifient que 4,8 fois est un plafond, pas une moyenne. Ensuite, la référence est la génération précédente, le GB200 NVL72, et non un composant Hopper bien plus ancien. Enfin, la charge est du codage agentique, pas du dialogue ni des questions-réponses en un seul tour. Silas Alberti, de l'équipe fondatrice de Cognition, résume la logique : le codage agentique implique de longs contextes, une forte concurrence et des volumes de jetons où le coût par jeton décide de ce que l'entreprise peut livrer. Pour Devin, plus de débit signifie une génération de code en temps réel plus rapide et un raisonnement en plusieurs étapes plus réactif. Un autre fait mérite d'être souligné : CoreWeave a monté en quelques jours un cluster Vera Rubin de production pour Cognition, ce que NVIDIA attribue à la conception conjointe sur toute la pile, de l'infrastructure aux jetons servis. Pour un client, le délai entre la livraison et la production vaut souvent autant que la puissance de crête.

Le deuxième fil est le CPU. Selon NVIDIA, l'IA agentique met l'infrastructure sous pression dans deux directions. Servir des agents exige du calcul à faible latence à grande échelle, tandis que les améliorer par post-entraînement demande de faire tourner en même temps des milliers d'environnements isolés. Ce second besoin relève surtout du CPU, non du GPU. Selon le blog, la mesure clé est le nombre d'environnements d'agents isolés pouvant fonctionner simultanément, et la constance des performances de chacun à mesure que leur nombre augmente. Le déploiement de Vera chez CoreWeave place 128 CPU et 11 264 cœurs dans un seul rack, de quoi accueillir plus de 11 000 environnements concurrents à raison d'un cœur chacun. En divisant les deux totaux, on obtient environ 88 cœurs par CPU : c'est notre calcul, pas un chiffre donné par le blog. Ces environnements s'exécutent via CoreWeave Sandboxes, isolés au niveau matériel et placés à côté des tâches d'entraînement qu'ils soutiennent, avec des commutateurs Ethernet Spectrum-X et des DPU BlueField-4 pour sécuriser la communication entre agents à faible latence. Lors des tests, CoreWeave a mesuré un démarrage des bacs à sable d'agents plus de trois fois plus rapide sur les CPU Vera, et un gain de performance de 1,7 fois sur l'ensemble des tâches réussies de Terminal-Bench. Les bacs à sable forment la couche d'exécution de l'apprentissage par renforcement, de l'usage d'outils par les agents et de l'évaluation des modèles, et permettent d'exécuter du code dans des environnements isolés. Le temps de démarrage compte, car chaque épisode d'apprentissage par renforcement peut exiger un environnement neuf : des démarrages lents laissent des accélérateurs coûteux à l'arrêt.

Le troisième fil est Forge. Le blog explique que modèles et agents s'améliorent par une boucle : le comportement en production nourrit le prochain entraînement, et chaque évaluation affine la version suivante. Cette boucle était jusqu'ici éclatée entre des outils de fournisseurs différents, avec une perte de signal à chaque transfert. CoreWeave Forge vise à relier ces étapes dans un même environnement, pour que le retour de production alimente l'entraînement. Soyons francs : le texte du blog dont nous disposons est tronqué au milieu de la section consacrée à Forge, et nous ne pouvons donc confirmer ni ses composants, ni ses interfaces, ni ses prix ; le lecteur est invité à consulter l'annonce originale de CoreWeave. Ce que nous pouvons confirmer concerne la pile logicielle : la capacité Vera Rubin peut être exploitée via CoreWeave Kubernetes Service, SUNK, CoreWeave Mission Control, CoreWeave Sandboxes et CoreWeave Inference. De l'ordonnancement et de la gestion de cluster jusqu'aux bacs à sable et au service d'inférence, CoreWeave cherche à faire traiter par un même pool de capacité l'entraînement, l'évaluation et l'inférence en direct. Cela correspond à l'usage qu'en fait Cognition, qui mène entraînement, apprentissage par renforcement et inférence de production sur une seule plateforme.

Reste la portée industrielle. Ian Buck, de NVIDIA, insiste sur la valeur à travers les générations : les GPU NVIDIA V100 de CoreWeave exécutent encore des charges clients près de dix ans après le lancement de Volta, alors que CoreWeave met Vera Rubin NVL72 en production. Quand l'infrastructure d'IA se finance en dizaines de milliards de dollars, la capacité d'un actif à rapporter sur plusieurs cycles matériels détermine les rendements et le coût du capital. C'est le sens du sous-titre du blog, qui parle d'une infrastructure productive, durable et fongible. Buck évoque aussi l'idée de placer le bon GPU sur la bonne charge, ce qui suppose la coexistence de générations anciennes et récentes, hiérarchisées selon les tâches. Notre lecture : l'annonce porte trois messages. L'économie de l'inférence passe de la puissance de crête au coût par jeton et à la concurrence. Les agents font du CPU un candidat au goulot d'étranglement, et la densité de bacs à sable devient un nouveau critère d'achat. Enfin, une boucle fermée entre entraînement, évaluation et production devient un facteur de différenciation entre clouds. Des questions restent ouvertes : des benchmarks indépendants reproduiront-ils des chiffres comme 4,8 fois et 3 fois, quels seront l'approvisionnement et le coût énergétique de Vera Rubin, et jusqu'où les clients adopteront-ils Forge. En attendant, la lecture la plus prudente est la suivante : la direction est claire, les chiffres restent à vérifier.