Compute landscape — MaQI

Pour Charles-Albert. Ce catalogue paire docs/providers/catalog.yaml (côté données) avec son pendant exécution : où tournent les notebooks, où vivent les GPUs, qui facture qui.

Source canonique : vendors.yaml. Ce README est une projection humaine — en cas de divergence, le YAML fait foi.

Le problème à résoudre

Reformulation du doc CAL tech-solutions.md :

Étudiants $(\approx$ 40) — VMs avec notebook (Colab-like), GPU/FPGA pour les projets LLM, interface habituelle = notebook.
Chercheurs — temps long, peu de datasets, besoin de remonter des artefacts (notebooks, données nettoyées) vers une zone "cours".
Contrainte licence — pas de redistribution. Tout accès aux données doit rester lecture seule (pas de download massif).
Contrainte égress — les données vivent sur Wasabi (eu-central-1, Amsterdam, no egress fee côté Wasabi). Le coût réel devient celui du cloud de compute (lecture S3 vers le VM).

Cible architecturale (CAL) : un lecteur Athena-like server-less déployable chez plusieurs providers via Terraform, qui préserve les autorisations sans documenter.

Vue d'ensemble

flowchart TB
    subgraph HYP["Hyperscalers"]
        direction LR
        gcp["GCP<br>Colab + Vertex"]
        aws["AWS<br>SageMaker + Athena"]
        az["Azure<br>ML Studio"]
    end

    subgraph EU["AI clouds EU"]
        direction LR
        neb["Nebius<br>GPU-first, NL"]
        ovh["OVHcloud<br>AI Notebooks, FR"]
    end

    subgraph SOV["Sovereign EU (SecNumCloud)"]
        direction LR
        s3n["S3NS<br>Thales × GCP"]
    end

    subgraph MKT["Marketplaces GPU"]
        direction LR
        fs["FluidStack<br>SLURM / K8s"]
    end

    style HYP fill:#dfd,stroke:#0a0
    style EU fill:#ffd,stroke:#cc0
    style SOV fill:#fed,stroke:#c60
    style MKT fill:#eef,stroke:#448

Catégories retenues

Catégorie	Signification	Action par défaut
`hyperscaler`	GCP / AWS / Azure — étendue maximale, credits académiques disponibles, Athena-like natif	Demander credits recherche avant tout PoC payant
`ai_cloud_eu`	Opérateurs EU GPU-first (Nebius, OVHcloud)	Prioritaire pour souveraineté / RGPD
`sovereign_eu`	Cloud de Confiance certifié SecNumCloud (S3NS)	Angle souveraineté fort, narratif Polytechnique cohérent
`gpu_marketplace`	Agrégateurs multi-DC (FluidStack…)	Valider localisation GPU avant signature
`academic_partner`	Accès institutionnel (DSI Polytechnique, Jean Zay, etc.)	Capter en complément, pas en pivot

Statut opérationnel

Le même vocabulaire qu'ADR-002 :

`operational_status`	Sens
`not_started`	Rien n'a été fait
`explored`	Lu la doc, noté prix / SKUs / caveats
`validated`	Compte créé, PoC tourné, reproductible
`in_negotiation`	Contrat / credits en discussion
`quoted`	Contact établi, RDV ou première proposition en cours
`blocked`	Attend un tiers (CAL, vendor, légal)

Vendors

Hyperscalers

Vendor	Souveraineté	Notebook natif	Region EU la plus proche de Wasabi	Fiche
Google Cloud	US	Colab / Vertex Workbench	`europe-west4` (Eemshaven, NL)	`gcp.md`
AWS	US	SageMaker Studio	`eu-central-1` (Frankfurt — même région que Wasabi)	`aws.md`
Azure	US	Azure ML Studio	`westeurope` (Amsterdam)	`azure.md`

AI clouds EU

Vendor	Jurisdiction	Offre	Fiche
Nebius	NL	AI cloud GPU-first, Academy Program (credits universitaires)	`nebius.md`
OVHcloud	FR (Roubaix)	AI Notebooks managé, public pricing, compute européen historique	`ovh.md`

Sovereign EU (SecNumCloud)

Vendor	Jurisdiction	Offre	Fiche
S3NS	FR (Paris) — Thales $\times$ Google Cloud	Hyperscaler-class SecNumCloud 3.2 (déc. 2025), infrastructure GCP opérée par Thales	`s3ns.md`

GPU marketplace

Vendor	Accès	Fiche
FluidStack	Clusters K8s / SLURM, NVIDIA Inception	`fluidstack.md`

Axes de décision

Coût réseau / egress — c'est le poste différenciant. Voir cost-model.md pour le détail par vendor et la projection S&P chiffrée. Dynamique de marché 2024-2027 : l'egress est en voie de gratuité sous pression Data Act UE ; les providers bandwidth-included (OVH, Nebius, Hetzner, Wasabi) ont anticipé, les hyperscalers US (GCP/AWS/Azure) attendent la deadline du 12 janvier 2027. Sur l'horizon MaQI 2026, le différentiel coûte ~€600+/an pour la charge étudiants+profs attendue.
Souveraineté / RGPD — priorité EU pour les données S&P Global (non-redistribution, licence académique). S3NS ajoute la certification SecNumCloud 3.2 (atout trust labélisé).
Proximité Wasabi — eu-central-1 (Frankfurt) $\Rightarrow$ AWS eu-central-1 et OVHcloud SBG colocalisés = lecture S3 bas coût/latence.
Notebook-first — Colab (GCP), AI Notebooks (OVH), SageMaker Studio (AWS) minimisent le setup pour 40 étudiants.
Credits recherche — GCP $5K/chercheur, AWS rolling, Azure for Research. Nebius a un programme Academy explicite. OVH est contracté OCRE 2024 (framework européen recherche/éducation).
Multi-provider via Terraform — cible CAL : une même pile (lecture S3 + notebook + GPU ponctuel) déployable sur $\geq$ 2 clouds.

Aucune décision n'est prise ici : ce catalogue documente l'éventail. La décision fera l'objet d'une ADR dédiée quand les PoCs auront tranché.

Synthèse

Source canonique : vendors.yaml — 7 entrées.

Catégorie	Nombre	Observation
`hyperscaler`	3	GCP / AWS / Azure — credits à capter
`ai_cloud_eu`	2	Nebius / OVHcloud — priorité souveraineté
`sovereign_eu`	1	S3NS (Thales $\times$ GCP) — SecNumCloud 3.2, angle trust
`gpu_marketplace`	1	FluidStack — à scruter pour bursts GPU

Voir aussi

vendors.yaml — source machine-lisible
cost-model.md — structure de coût détaillée (qui facture l'egress et qui pas), projection S&P Global chiffrée
../cal/tech-solutions.md — contraintes CAL (non-redistribution, S3, Athena-like)
../providers/catalog.yaml — côté données, pendant de ce catalogue
../wasabi/state.md — état des données sur Wasabi (régions, volumes)
../adr/002-data-sources-cartography.md — format des fiches (squelette réutilisé ici)