# NVIDIA annonce 30 fois plus de débit par mégawatt > NVIDIA annonce jusqu’à 30 fois plus de débit par mégawatt pour Vera Rubin NVL72 que GB300 NVL72 sur les charges d’IA agentique. Type : Actualité IA · Catégorie : Outils · Publié le 2026-08-25 · Signal IA - Order & Chaos Source : https://www.orderchaos.eu/signal-ia/actu/nvidia-annonce-jusqua-30-fois-plus-de-debit-par-megawatt Tags : nvidia, ia agentique, inférence, efficacité énergétique, deepseek, benchmark, inference --- ## En résumé - Vera Rubin NVL72 fournit jusqu’à 30 fois plus de débit par mégawatt que GB300 NVL72. - Les charges d’IA agentique consomment quinze fois plus de jetons qu’une requête conversationnelle simple. - NVIDIA mesure ces performances avec la charge de travail AgentX de SemiAnalysis. **Le signal :** Vera Rubin NVL72 atteint jusqu’à 30 fois plus de débit par mégawatt que GB300 NVL72 selon NVIDIA. **[NVIDIA](/signal-ia/actu/alpamayo-2-pulverise-gpt-4o-de-232-pts-sur-lingoqa) publie ses résultats.** Le système Vera Rubin NVL72 délivre jusqu’à 30 fois plus de débit par mégawatt que NVIDIA GB300 NVL72 sur des charges d’IA agentique. NVIDIA a mesuré ce débit avec la charge de travail AgentX de SemiAnalysis. La comparaison porte donc sur une charge dédiée aux usages agentiques. Ces résultats constituent les premiers éléments communiqués par NVIDIA sur Vera Rubin NVL72. L’entreprise les présente comme la preuve d’un rythme accéléré d’innovation. Les résultats restent actuellement en attente d’un examen par SemiAnalysis. La performance annoncée concerne une efficacité énergétique maximale, et non une moyenne observée sur tous les usages. **Les agents consomment davantage.** Une charge d’IA agentique consomme 15 fois plus de jetons qu’une simple requête conversationnelle. Cette différence accroît mécaniquement le volume de jetons à traiter pour chaque interaction agentique. NVIDIA associe ses mesures à des trajectoires de programmation agentique présentées comme réalistes. L’entreprise affirme que ces trajectoires ont servi à mesurer les performances de Vera Rubin NVL72. La charge AgentX de SemiAnalysis fournit le cadre de mesure cité par NVIDIA. Cette référence distingue ces résultats d’une comparaison limitée à une conversation courte. NVIDIA ne fournit toutefois pas, dans les faits disponibles, de chiffre absolu sur le débit ou la consommation électrique. ## NVIDIA compare les architectures **Vera Rubin réduit le coût.** NVIDIA indique que Vera Rubin NVL72 peut atteindre un coût par million de jetons jusqu’à 35 fois inférieur à celui de GB300 NVL72. Ce ratio concerne les charges d’IA agentique mesurées par NVIDIA. Le fabricant relie le coût par million de jetons à la marge bénéficiaire d’une usine d’IA. Il relie aussi le débit par mégawatt aux revenus de cette usine. Ces deux indicateurs décrivent donc des dimensions distinctes de l’économie de l’[inférence](/signal-ia/actu/nvidia-deploie-ses-racks-groq-3-lpx-cette-annee). Le premier ratio porte sur un coût maximal annoncé. Il ne constitue pas une moyenne générale. Les résultats de Vera Rubin NVL72 restent en attente d’une revue de SemiAnalysis. **GB300 progresse face à Hopper.** Sur le modèle [DeepSeek](/signal-ia/actu/apr-de-pan-lia-redefinit-le-raisonnement-parallele) V4 Pro, GB300 NVL72 fournit jusqu’à 15 fois plus de débit par mégawatt que l’architecture NVIDIA Hopper. Cette comparaison établit une seconde référence d’efficacité énergétique dans les faits communiqués. Elle ne compare pas directement Hopper à Vera Rubin NVL72. NVIDIA présente ainsi plusieurs écarts selon l’architecture et la charge mesurée. La comparaison Vera Rubin contre GB300 concerne les charges agentiques avec AgentX. La comparaison GB300 contre Hopper concerne DeepSeek V4 Pro. Les chiffres ne doivent donc pas être regroupés en un seul classement. NVIDIA indique que des optimisations logicielles continues devraient encore améliorer les performances actuelles de Vera Rubin NVL72. ## Les mesures restent à confirmer **NVIDIA attribue les résultats.** L’entreprise affirme que les résultats reflètent des trajectoires de programmation agentique réelles. Elle présente aussi les premiers résultats de Vera Rubin NVL72 comme le signe d’un rythme accéléré d’innovation. Ces deux affirmations sont des déclarations de NVIDIA. La source originale détaille les chiffres annoncés pour le débit par mégawatt et le coût par million de jetons. Les résultats ont été mesurés avec AgentX, une charge de travail de SemiAnalysis. Une revue de SemiAnalysis reste toutefois attendue. Pour suivre la méthodologie et les comparaisons annoncées, consultez l’[article de NVIDIA](https://blogs.nvidia.com/blog/vera-rubin-nvl72-efficiency-ai-agents/) et l’analyse [AgentX de SemiAnalysis](https://newsletter.semianalysis.com/p/agentx-inferencexv3-does-cuda-moat). Les économies annoncées restent donc des performances maximales communiquées par NVIDIA.