Tarification, performances et comparatif des fournisseurs de GPU cloud
Les prix catalogue des GPU cloud pour un même modèle peuvent varier de plusieurs fois d’un fournisseur à l’autre. Nous avons sélectionné le tarif le plus bas, le fournisseur, la plage de prix du marché et la médiane pour plus de 40 configurations de GPU dans les trois niveaux de tarification, ainsi qu’un benchmark de débit par dollar sur 10 modèles.
Prix des GPU cloud par débit
Découvrez le GPU le plus rentable pour votre charge de travail chez 13 fournisseurs hyperscalers et néocloud, classés par débit par dollar :
Prix et performances des GPU cloud
1 246 offres chez 25 fournisseurs
IONOS
Abonné
Vast IA
Meilleur prixVast IA
Vast IA
Verda
Verda
Verda
Verda
Vast IA
Runpod
Voir la méthodologie de benchmark des GPU cloud pour plus de détails.
La tarification à la demande est le modèle de tarification le plus simple : vous payez la capacité de calcul à l’heure ou à la seconde selon votre utilisation, sans engagement à long terme ni paiement initial.
Ces instances sont recommandées aux utilisateurs qui préfèrent la flexibilité d’une plateforme de GPU cloud sans paiement initial ni engagement à long terme. Les instances à la demande sont généralement plus chères que les instances spot, mais elles offrent une capacité garantie sans interruption.
Prix des GPU cloud à la demande
Classement : Les abonnés sont liés et mis en évidence en haut du tableau. Les lignes restantes sont classées par ordre croissant du prix à la demande le plus bas. La plage indique l’écart entre le prix catalogue le plus bas et le plus élevé pour le même SKU chez tous les fournisseurs. La médiane correspond au milieu de la distribution des prix sur toutes les offres de ce SKU et sert de point de repère du marché équitable. Les prix reflètent la mise à jour hebdomadaire la plus récente du catalogue.
La location à la demande est le modèle de location par défaut : paiement à l’heure, sans engagement, capacité garantie tant que vous laissez l’instance en cours d’exécution. C’est le niveau le plus cher, mais le seul sans compromis.
Prix des GPU cloud spot
Classement : Les lignes sont classées par ordre croissant du prix spot le plus bas. La capacité spot est interruptible. La médiane correspond au milieu de la distribution des prix spot pour ce SKU.
La capacité spot est interruptible ; le fournisseur peut récupérer l’instance avec peu ou pas de préavis, généralement lorsque la demande à la demande augmente. Les tarifs spot sont généralement 35-70 % inférieurs aux tarifs à la demande chez le même fournisseur. Utilisez le spot pour l’entraînement avec points de contrôle, l’inference par lots et les tâches d’évaluation qui tolèrent les redémarrages. Évitez-le pour l’inference sensible à la latence ou les services à réplique unique sans bascule.
Prix des GPU cloud réservés (1 an)
Classement : Les lignes sont classées par ordre croissant du prix réservé sur 1 an le plus bas. Les réservations verrouillent la capacité pour la durée. La médiane correspond au milieu de la distribution des prix réservés pour ce SKU.
Les réservations verrouillent la capacité pour une durée déterminée en échange d’une remise par rapport au tarif à la demande. Les contrats d’un an sont généralement 19-57 % inférieurs au tarif à la demande du même fournisseur. Dans quelques cas, les tarifs de réservation passent sous le spot parce que le fournisseur qui réserve isole entièrement l’inventaire du marché spot.
Comparaison des performances des fournisseurs cloud
Le même modèle de GPU peut offrir des performances légèrement différentes selon les fournisseurs en raison du choix du CPU hôte, de la structure réseau, de la configuration des pilotes et de la surcharge de virtualisation. Pour quantifier cela, nous avons exécuté des charges de travail identiques de génération de texte et d’image sur AMD MI300X 192GB chez DigitalOcean et Runpod :
Principales observations :
- Pour la génération de texte, Digital Ocean a démontré un débit légèrement supérieur, traitant environ 0.4 % de tokens de plus par seconde.
- À l’inverse, pour la génération d’images, Runpod a montré un avantage marginal, traitant environ 0.4 % d’images de plus par seconde.
L’écart est suffisamment faible pour ne pas importer pour la plupart des charges de travail. Pour l’inference critique en termes de latence ou l’entraînement à grande échelle où chaque point de pourcentage se cumule sur des millions d’inférences, évaluez la configuration spécifique du fournisseur avant de vous engager sur une longue réservation.
Acheter sur site ou louer dans le cloud
Être propriétaire a du sens lorsque la charge de travail est prévisible, que l’équipe possède le savoir-faire opérationnel et que l’utilisation du matériel reste supérieure à environ 70 % pendant la durée de vie utile du GPU. Pour une demande variable, des pics d’entraînement ou des expérimentations de produits, la location cloud l’emporte en efficacité du capital et en flexibilité de mise à l’échelle. Le seuil de rentabilité se situe à peu près à 12 mois d’utilisation : au-dessus de 70 %, la capacité réservée ou possédée bat presque toujours la tarification à la demande ; en dessous de 50 %, le spot ou la tarification à la demande l’emporte en flexibilité ; la zone intermédiaire dépend du degré de perturbation de capacité que votre charge de travail tolère.
Un schéma pratique à grande échelle : posséder un cluster de base dimensionné à la demande en régime permanent, louer dans le cloud pour les pics et les travaux exploratoires. Meta a annoncé en février 2026 un partenariat pluriannuel visant à déployer jusqu’à 6 gigawatts de AMD Instinct GPU, signalant que même les opérateurs à l’échelle hyperscaler continuent d’étendre leur capacité possédée tout en consommant des GPU cloud pour les charges de travail variables.
Les GPU grand public (RTX 4090, RTX 5090) offrent le meilleur prix par FLOP sur le papier, mais le CLUF de NVIDIA restreint leur utilisation dans les centres de données commerciaux. Ils restent utiles pour les stations de travail individuelles et les preuves de concept, pas pour un déploiement en production.
Ajouter comme source préféréeMéthodologie de benchmark des GPU cloud
Les benchmarks de débit utilisent une quantification FP sur 4 bits dans tous les tests. Le pipeline exécute :
- Fine-tuning du texte : Llama 3.2 sur les 5 000 premières conversations de FineTome, 5 epochs, 1M tokens au total, framework Unsloth. Débit = (tokens × epochs) / temps total.
- Inference de texte : 1M tokens générés avec llama-cpp-python.
- Fine-tuning d’images : YOLOv9 sur 100 images de SkyFusion, 4 epochs, Unsloth.
- Inference d’images : YOLOv9 fine-tuné sur environ 500 images à 640×640.
La métrique de débit par dollar divise la production de la charge de travail par le coût horaire de l’instance. Les valeurs de débit sont spécifiques à la charge de travail et servent de lignes directrices relatives ; le même matériel offrira un débit sensiblement différent sur votre propre modèle.
FAQ
Un même nom de modèle de GPU couvre souvent plusieurs SKU physiques. Le H100 est proposé dans les variantes PCIe, SXM, SXM5 et NVL à des prix et des bandes passantes d’interconnexion différents. L’A100 est proposé en 40GB et 80GB de VRAM ; le V100 est proposé en 16GB et 32GB. Chez un même fournisseur, le tarif affiché varie aussi selon la classe du CPU hôte, la RAM et le stockage groupés, et la région. Les tableaux de prix ci-dessus répartissent les SKU par interconnexion et par VRAM lorsque les données sources le permettent, de sorte que chaque ligne correspond à une seule carte physique plutôt qu’à un agrégat de noms de modèles.
Le composant exécute une charge de travail fixe (génération d’images ou de texte, fine-tuning ou inference) sur chaque instance de GPU et divise la production totale par le coût horaire de l’instance. Un nombre plus élevé signifie un coût par production plus faible pour cette charge de travail. Le classement varie selon la charge de travail : une carte optimisée pour l’inference FP8 peut surpasser une carte avec plus de VRAM en génération de texte, mais perdre sur un fine-tuning de grand modèle d’image. Choisissez l’onglet de charge de travail qui correspond à votre tâche avant de lire le classement.
Les tableaux de prix sont actualisés lors d’une exploration mensuelle du catalogue.
Pour aller plus loin
- Benchmark multi-GPU : B200 vs H200 vs H100 vs MI300X
- Top 30 fournisseurs de GPU cloud et leurs GPU
- Benchmark de concurrence des GPU
- Top 25+ fabricants de puces IA : NVIDIA et ses concurrents
- Indice des prix de location des GPU cloud
- DGX Spark vs Mac Studio & Halo : benchmarks & alternatives
Citez ce benchmark
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{Tarification, performances et comparatif des fournisseurs de GPU cloud}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/cloud-gpu-pricing}},
note = {AIMultiple. Consulté le 17 Juin 2026}
}Résultats et horodatages de 117 points de données. Téléchargez les données utilisées dans cet article sous forme de fichier ZIP contenant 3 fichiers CSV.
Journal des modifications
15 mises à jour- 2026
Ajout de tableaux de prix des GPU cloud spot et réservés 1 an à côté du tableau à la demande.
Suppression de la section « Prix les plus bas pour les GPU les plus populaires ».
- 2025
Développée la section « Méthodologie de benchmark GPU Cloud ».
Ajout d'une comparaison des performances des fournisseurs de cloud à l'introduction.
Mise à jour de la section Prix avec les détails de configuration et de framework.
Méthodologie étendue pour les opérations de texte et d'image.
- 2024
Ajout d'une section sur la méthodologie de benchmark GPU Cloud.
Mise à jour de la section « Prix les plus bas pour les modèles de GPU les plus populaires ».
Ajout des marchés de GPU cloud à l'introduction.
Ajout des 10 modèles les moins chers et les plus populaires à l'introduction.
- 2023
Ajout des GPU à la demande des grands fournisseurs de cloud technologique à la section des modèles de tarification.
Ajout de CoreWeave et NVIDIA DGX Cloud à la liste des principaux fournisseurs de GPU cloud.
Ajout d'une section sur les fournisseurs de GPU cloud et leurs offres.
Développement de la section "Quelles marques de GPU sont disponibles dans le cloud ?".
Élargi la section "Avertissement" avec des considérations supplémentaires sur les GPU cloud et une discussion sur l'achat versus la location de GPU.
Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]
Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.
Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.
Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.
À lire ensuite
Benchmark de reprise après sinistre: Acronis vs Comet vs MSP360
Recherche agentique: benchmark de 8 API de recherche pour les agents
GPU Marché: Vast.ai vs Shadeform vs Prime Intellect
Commentaires 2
Partagez vos idées
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.
Cem - great article, I'd love to pick your brain on private networking or direct connects to these GPU instances.
Hi Ashley, thank you! Sure, happy to chat.
Hi there, fantastic article and very well-researched. Would you mind checking out Dataoorts at https://dataoorts.com
Sure, we'll review to see if we can include Dataoorts in the next edit.