Gartner has released its first Magic Quadrant for cloud infrastructure for AI, a report that follows the firm’s summer 2025 assessment of public cloud IaaS/PaaS, which already underscored AI’s growing centrality — from Microsoft’s reliance on OpenAI to AWS’s relative weakness in generative models. The new quadrant also replaces an earlier “AI cloud services for developers” analysis with a broader evaluation, and most ranked vendors carried over.

A striking feature is the inclusion of two French providers. OVHcloud enters as a Challenger, while Scaleway is classed as a Niche Player — a rare double appearance for France in a single Gartner quadrant.

OVHcloud scores well on execution (ranked 8th overall) thanks to its ability to meet demand and distinctive competitive advantages: no data egress fees, in-house server manufacturing, and a now-profitable business. However, it lags on vision (16th) and lacks the advanced networking required for distributed workloads, robust cost-governance tools, and a deep catalog of serverless, MLOps, and PaaS integrations, demanding extra integration effort from users.

Scaleway (17th on both execution and vision) differentiates from other niche players with a diversified portfolio spanning VMs, bare metal, PaaS, and serverless, which Gartner says can minimize latency and transfer costs between AI and non-AI components. Its energy-efficient datacenters and managed services like Kapsule and Managed Inference reduce the MLOps burden. Scaleway’s limitations are geographic — all regions are in Europe, making it unsuitable for global low-latency workloads — and a PaaS ecosystem narrower than hyperscalers’. Transparent base pricing is clouded by separate billing for storage, instances, and bandwidth, complicating cost management.

The quadrant places six vendors in the Leaders category: Alibaba Cloud, AWS, Google, Huawei Cloud, Microsoft, and Oracle. Execution rankings put Google first, followed by AWS, Alibaba Cloud, Microsoft, Oracle, and Huawei, while on vision the order is Google, AWS, Microsoft, Alibaba Cloud, Huawei Cloud, and CoreWeave (with Oracle and Nebius tied for 8th).

Alibaba Cloud boasts a comprehensive portfolio spanning infrastructure, development tools, and foundation models. Its PAI-Lingjun platform supports large-scale heterogeneous architectures, and open-source tooling (EasyNLP, EasyCV, PAI-DSW, SONiC) plus popular Qwen models earn praise. The downsides: compliance and sovereignty concerns tied to its Chinese origin, a steeper learning curve for interfaces and documentation, and geopolitical restrictions that block access to advanced accelerator chips.

AWS leverages mature cloud infrastructure with strong reach, resilience, and security (highlighted by the Nitro hypervisor and ISO 42001 certification), alongside a broad set of managed AI services from Bedrock to SageMaker HyperPod. That very variety, however, complicates standardization across organizations, and Gartner notes AWS struggles to weave services into a coherent narrative, which can prolong deployment cycles. Its training cluster and network architecture are rated less efficient than peers’, and its Trainium chips may require extra software optimization.

Google differentiates with its AI Hypercomputer architecture, which pairs TPUs with GPUs on optimized network and storage, and Gartner estimates Google held about 25% of global AI compute capacity in Q4 2025. Yet accessing that capacity — especially NVIDIA GPUs — can be difficult, and while TPU support for Jax and PyTorch has expanded, the optimization can hurt workload portability. Complex pricing that blends per-token billing, infrastructure costs, and commitment models makes cost forecasting tricky.

Huawei controls its entire stack — Ascend NPUs, Kungpeng CPUs, the CANN compute architecture, and MindSpore framework — giving it a strong cost-performance ratio. ModelArts studio facilitates fine-tuning of Pangu models with sector-specific datasets, and the company’s hybrid/private deployment strategy is seen as a plus. However, like Alibaba, its Chinese nationality hinders adoption in Western markets, and the proprietary stack can lock in users or steepen the learning curve for those accustomed to CUDA. Its AI infrastructure footprint is also geographically narrower.

Microsoft wins accolades for a “unique value proposition” built through strategic GenAI partnerships and tight integration between its AI infrastructure and the rest of Azure. Its managed-services catalog (Microsoft Foundry, Azure AI Landing Zone) lowers the MLOps skill bar. Capacity supply constraints are a shared hyperscaler headache, and while Microsoft has its own Maia accelerators for inference, they play a limited role; the offering remains heavily reliant on third-party chips. A multi-layered service catalog also complicates cost governance.

Oracle stands out for the performance and elasticity of its OCI Supercluster, flexible deployment options (Dedicated Region, Cloud@Customer, Oracle Database@…), and native integration with its broader product suite. It offers fewer third-party integrations and community resources, which can force custom development. While the AI infrastructure is robust, management tooling for orchestration and observability is less mature, documentation can be hard to navigate, and support response times vary.

The overall picture reveals a competitive field where European champions OVHcloud and Scaleway find niches but battle with narrower service portfolios and geographic limits, while the hyperscale leaders grapple with capacity crunches, complex pricing, and — in the case of Chinese vendors — geopolitical headwinds.

C’est de saison : il existe désormais un Magic Quadrant des « infrastructures cloud pour l’IA ».

L’issue était prévisible. Le dernier Magic Quadrant du cloud public d’infrastructure (IaaS + PaaS), paru à l’été 2025, avait donné le ton. Gartner y avait largement mis en avant la composante IA, de la dépendance de Microsoft à OpenAI au manque de compétitivité des modèles génératifs d’AWS.

En parallèle, le Magic Quadrant des « services cloud d’IA pour les développeurs » avait laissé place à celui, plus englobant, des « plates-formes de développement d’applications IA ». La majorité des fournisseurs classés dans l’un s’étaient retrouvés dans l’autre.

OVHcloud en « challenger », Scaleway en « acteur de niche »

Chose rare dans un même Magic Quadrant : la présence de deux fournisseurs français.

OVHcloud est suffisamment avancé sur l’axe dit « exécution » (qui reflète la capacité à répondre à la demande) pour se hisser chez les « challengers ». Gartner apprécie un avantage singulier dans le paysage concurrentiel : l’absence de frais de sortie. Il salue également la maîtrise qu’OVHcloud a sur la fabrication de ses serveurs ; ainsi que, plus globalement, son activité désormais profitable.

OVHcloud n’a pas les capacités réseau avancées de ses principaux concurrents. Ce qui limite les possibilités pour les workloads distribués. Il lui manque aussi des fonctionnalités de gestion opérationnelle, notamment pour la gouvernance des coûts. Il n’a pas non plus le même catalogue d’options serverless, de services MLOps et d’intégrations PaaS. Cela peut supposer des efforts d’intégration supplémentaires.

Par rapport aux autres fournisseurs classés « acteurs de niche », Scaleway a un portefeuille plus diversifié (VM, bare metal, PaaS, serverless…). Gartner y voit un moyen de minimiser la latence et les coûts de transfert entre « composants IA et non IA ». Il salue aussi des datacenters efficaces sur le plan énergétique. Et la disponibilité de services managés (Kapsule, Managed inference…) qui réduisent le besoin en compétences MLOps.

Scaleway n’a de régions cloud qu’en Europe : difficile de le sélectionner pour des workloads globaux qui nécessitent une faible latence. Comme pour OVHcloud, la gamme PaaS native et le catalogue d’intégrations sont moins fournis que chez les principaux hyperscalers. Par ailleurs, si la tarification de base est « transparente », la facturation séparée du stockage, des instances et de la bande passante peut compliquer la gestion des coûts.

17 fournisseurs, 6 « leaders »

Gartner dégage 6 « leaders » sur ce segment des infrastructures cloud pour l’IA. Nommément, Alibaba Cloud, AWS, Google, Huawei Cloud, Microsoft et Oracle.

Sur l’axe « exécution », la situation est la suivante :

Rang

Fournisseur

1

Google

2

AWS

3

Alibaba Cloud

4

Microsoft

5

Oracle

6

Huawei

7

Tencent Cloud

8

OVHcloud

9

Vultr

10

Lambda

11

CoreWeave

12

Nebius

13

Nscale

14

Crusoe

15

IBM

16

Cloudflare

17

Scaleway

Sur l’axe « vision », qui traduit les stratégies (commerciale, marketing, innovation…) :

Rang

Fournisseur

1

Google

2

AWS

3

Microsoft

4

Alibaba Cloud

5

Huawei Cloud

6

CoreWeave

7

Crusoe

8*

Oracle

8*

Nebius

10

IBM

11

Tencent Cloud

12

Lambda

13

Nscale

14

Vultr

15

Cloudflare

16

OVHcloud

17

Scaleway

Interface et documentation complexes chez Alibaba Cloud

Alibaba Cloud se distingue par l’exhaustivité de son portefeuille, entre infra, outils de développement et modèles de fondation. Gartner apprécie la capacité de la plate-forme PAI-Lingjun à soutenir des workloads à grande échelle sur des architectures hétérogènes. Il mentionne aussi l’outillage open source d’Alibaba Cloud (EasyNLP, EasyCV, PAI-DSW, SONiC…) et le support communautaire qui va avec. Ainsi que la popularité des modèles open-weight Qwen.

Au-delà des inquiétudes de conformité et de souveraineté que peuvent soulever la nationalité chinoise d’Alibaba, l’interface et documentation peuvent s’avérer plus complexes à maîtriser que chez les concurrents américains. La situation géopolitique le prive par ailleurs de l’accès à certaines technologies, à commencer par des puces accélératrices.

AWS n’a pas l’architecture d’entraînement la plus efficace

AWS peut s’appuyer sur une infrastructure cloud mature dont Gartner souligne le reach, la résilience et le niveau de sécurité/conformité (il cite, sur ce point, l’hyperviseur Nitro et la certification ISO 42001). Bon point également pour la variété des options d’infrastructure managée, de Bedrock à SageMaker HyperPod.

Revers de la médaille : cette variété, avec les niveaux d’abstraction, de contrôle et de responsabilité qu’elle implique, peut compliquer la standardisation à l’échelle des organisations. AWS a plus globalement du mal à inscrire ses services dans un narratif clair et cohérent, selon Gartner. Les cycles de déploiement peuvent s’en trouver allongés. Le cabinet américain note aussi que l’architecture du réseau et des clusters d’entraînement est moins efficace que chez d’autres fournisseurs. Le recours à ses puces Trainium peut en outre supposer des efforts d’optimisation logicielle.

Un risque de verrouillage chez Google…

Au-delà de ses TPU, Google se distingue avec l’architecture AI Hypercomputer, qui associe ces puces aux GPU en une architecture avec réseau et stockage optimisés. Gartner relève aussi les ressources disponibles : il estime qu’au quatrième trimestre 2025, Google possédait environ 25 % de la capacité de calcul IA mondiale.

Cela n’empêche pas que l’accès à cette capacité – plus particulièrement les GPU NVIDIA – peut se révéler difficile. De plus, bien que Google ait étendu sa prise en charge de frameworks comme Jax et PyTorch, l’optimisation pour les TPU est susceptible de compromettre la portabilité des charges de travail. Attention aussi à la tarification : la combinaison de la facturation au token, des coûts d’infrastructure, des choix de déploiement et des modèles d’engagement peut compliquer l’attribution et la prévision des coûts.

… comme chez Huawei

Huawei a l’avantage de maîtriser sa pile (NPU Ascend, CPU Kungpeng, architecture CANN, framework MindSpore) et par là même son rapport coût-performance. Il a aussi pour lui son studio de développement ModelArts, qui favorise une approche par cas d’usage à partir de jeux de données sectoriels pour ajuster les modèles Pangu. Gartner apprécie aussi la mesure dans laquelle il a inscrit dans sa stratégie commerciale les déploiements hybrides et privés.

Comme pour Alibaba Cloud, la nationalité chinoise de Huawei est un obstacle à l’adoption de ses technologies, en tout cas dans le monde occidental. Quant à sa stack maison, elle est susceptible de créer un verrouillage. Ou tout au moins d’accroître la courbe d’apprentissage pour qui est habitué à des standards comme CUDA. Vigilance également sur l’empreinte géographique de l’infrastructure IA, plus limitée que chez les autres hyperscalers.

Chez Microsoft, attention à la gouvernance des coûts

Gartner salue la « proposition de valeur unique » que Microsoft s’est construite dans la GenAI à renfort de partenariats. Il fait aussi remarquer le liant créé entre son infrastructure IA et le reste d’Azure. Ainsi que l’exhaustivité du catalogue de services managés. Il mentionne, à ce sujet, Microsoft Foundry et Azure AI Landing Zone, qui réduisent le besoin en compétences MLOps.

Comme les autres hyperscalers, Microsoft fait face à des contraintes d’approvisionnement de capacité. S’il a lui aussi ses propres accélérateurs IA (Maia, pour l’inférence), elle ont pour le moment une place limitée dans son offre, encore largement dépendante de puces tierces. Et les couches de services qui composent son catalogue compliquent la gouvernance et la prévision des coûts.

L’outillage d’Oracle manque de maturité

Oracle se distingue par la performance et l’élasticité de son architecture OCI Supercluster. Bon point également pour la flexibilité de déploiement (Dedicated Region, Cloud@Customer, Oracle Database@…). Et pour l’intégration avec ses autres produits (Oracle Fusion Cloud Applications, AI Data Platform, Autonomous Database…).

Oracle propose moins d’intégrations et de ressources communautaires que ses concurrents ; ce qui peut imposer des développements personnalisés. Si l’infra IA est robuste, l’outillage pour la gérer (orchestration, observabilité…) est moins mature et moins complet. Il peut par ailleurs être délicat de parcourir la documentation. Et les temps de réponse du support peuvent varier.

Illustration générée par IA

The post Infrastructures IA : Gartner met OVHcloud et Scaleway sur sa carte mondiale appeared first on Silicon.fr.