Nos offres de colocation GPU
Des offres à tarif fixe, dimensionnées pour la consommation d'un serveur à cartes graphiques. Demandez un devis en un clic, on revient vers vous sous 24 h ouvrées.
GPU Starter
Une machine 1 à 2 GPU pour l'inférence, le fine-tuning ou la génération d'images.
- Puissance réservée800 W
- Espace rack2U
- Débit garanti100 Mbps
- Adresses IPv42
- Port uplink 10 GbpsOffert
GPU Pro
Un serveur 4U multi-GPU, le format le plus courant pour l'IA en production.
- Puissance réservée1,5 kVA
- Espace rack4U
- Débit garanti250 Mbps
- Adresses IPv44
- Port uplink 10 GbpsOffert
GPU Cluster
Plusieurs serveurs GPU côte à côte, reliés dans le même espace de baie.
- Puissance réservée3 kVA
- Espace rack8U
- Débit garanti500 Mbps
- Adresses IPv48
- Port uplink 10 GbpsOffert
Sur mesure
Un serveur 8 GPU, plus de 3 kVA ou une demi-baie : composez votre emplacement.
- Espace rack1 à 24U
- Puissance0,5 à 6 kVA
- Débit garanti50 à 1 000 Mbps
- Port uplink 10 GbpsOffert
Composez votre emplacement sur mesure
Port uplink 10 Gbps, IPv6 /64 et alimentation redondée A/B inclus. On vous envoie un devis ferme sous 24 h ouvrées.
- Infrastructure Tier III+ (redondance N+1)
- Monitoring IPMI / KVM sur demande
- Transit multi-opérateurs
- IPv6 /64 incluse sur toutes les offres
- Frais d'installation : 49,99 € (offerts avec engagement 12 mois)
Pourquoi héberger votre serveur GPU en datacenter
Une machine à plusieurs cartes graphiques chauffe, fait du bruit et consomme autant qu'un radiateur. Sa place est dans une baie, pas sous un bureau.
Une puissance électrique réservée
Chaque offre réserve une enveloppe de puissance, de 800 W à 3 kVA, sur une alimentation redondée en A/B : si une source tombe, l'autre prend le relais sans coupure pour vos entraînements en cours.
Du réseau pour servir vos modèles
Port uplink 10 Gbps offert, transit multi-opérateurs, débit garanti de 100 à 500 Mbps selon l'offre, IPv4 dédiées et IPv6 /64. De quoi exposer une API d'inférence ou rapatrier vos jeux de données.
Vos données restent chez vous
Le serveur vous appartient et reste à Aubervilliers, au datacenter Equinix PA6. Données d'entraînement, poids de modèles, prompts : rien ne transite par une plateforme cloud tierce.
La main sur votre machine à distance
Accès IPMI/KVM sur demande pour redémarrer, réinstaller un pilote NVIDIA ou changer de noyau sans vous déplacer. Nos équipes réceptionnent, rackent et branchent votre matériel.
Quelle puissance prévoir pour votre serveur GPU ?
En colocation GPU, c'est l'électricité qui détermine l'offre, bien avant l'espace en baie. Pour estimer la puissance à réserver : additionnez la consommation maximale de chaque GPU, celle du processeur (CPU), puis environ 150 W pour la carte mère, la RAM, les disques SSD NVMe et la ventilation. Ajoutez ensuite 20 % de marge pour absorber les pics de charge.
| Carte graphique | Mémoire vidéo | Consommation max. | Usages typiques |
|---|---|---|---|
| GeForce RTX 4090 | 24 Go GDDR6X | 450 W | Inférence LLM jusqu'à ~30 B paramètres quantifiés, Stable Diffusion, fine-tuning LoRA |
| GeForce RTX 5090 | 32 Go GDDR7 | 575 W | Même usage que la 4090 avec plus de mémoire vidéo |
| RTX 6000 Ada | 48 Go GDDR6 | 300 W | IA et rendu 3D, carte double slot à turbine adaptée aux châssis rack |
| L40S | 48 Go GDDR6 | 350 W | Inférence et génération d'images en production, serveurs multi-GPU |
| A100 PCIe | 80 Go HBM2e | 300 W | Entraînement et fine-tuning de modèles de taille moyenne |
| H100 PCIe | 80 Go HBM2e | 350 W | Entraînement et inférence de grands modèles de langage |
Exemple : un serveur avec 2 RTX 4090 (2 × 450 W) et un processeur de 170 W consomme au maximum 900 + 170 + 150 = 1 220 W. Avec 20 % de marge, on arrive à environ 1,45 kVA : l'offre GPU Pro convient. Une seule carte de ce type tient dans le GPU Starter. Valeurs constructeur NVIDIA, à vérifier sur la fiche de votre modèle exact : certaines cartes personnalisées consomment davantage.
Housing GPU, cloud, serveur dédié ou bureau ?
Quatre façons de faire tourner vos modèles d'IA, avec des coûts, un niveau de contrôle et une flexibilité très différents.
| Housing GPU | Location GPU cloud | Serveur dédié ou VPS loué | Serveur au bureau | |
|---|---|---|---|---|
| Matériel | Le vôtre, amorti dans le temps | Loué, jamais possédé | Loué à l'hébergeur, rarement équipé de GPU | Le vôtre |
| Virtualisation | Aucune : machine physique, GPU en accès direct | Souvent une machine virtuelle | VPS : serveur virtuel partagé ; dédié : aucune | Aucune |
| Coût | Loyer mensuel fixe | Facturé à l'heure, grimpe en usage continu | Loyer mensuel du serveur | Facture d'électricité et climatisation |
| Administration | Accès root complet, vous gérez OS, firewall et sauvegardes | Via la console du fournisseur | Accès root, infogérance selon l'offre | Tout est à votre charge, sur place |
| Alimentation | Redondée A/B en data center | Gérée par le fournisseur | Gérée par l'hébergeur | Une prise, pas de secours |
| Réseau | Uplink 10 Gbps, adresses IP fixes | Selon l'offre | Bande passante selon l'offre | Connexion d'entreprise |
| Données | Sur votre machine, en France | Chez le fournisseur | Chez l'hébergeur | Dans vos locaux |
| Idéal pour | Usage 24/7 : inférence, API, entraînements longs | Besoins ponctuels de quelques heures | Charges sans GPU, ou pas de matériel à acheter | Prototypage, une seule carte |
Pas encore de matériel ? L'hébergement dédié chez un hébergeur reste une option : un serveur dédié vous évite l'achat. Pour un serveur classique sans GPU, nos offres housing démarrent à 1U et 100 W. Et si vous hésitez encore, notre guide housing ou serveur dédié managé compare les deux approches, tandis que housing en datacenter : comment ça marche explique les U, les baies et le raccordement.
Administrer votre serveur GPU en housing
ElypseCloud est votre hébergeur physique, pas votre infogérant : la machine reste entièrement sous votre contrôle.
Système et pilotes
Vous avez l'accès root complet. Installez la distribution de votre choix, Ubuntu Server ou Debian par exemple, puis les pilotes NVIDIA, CUDA et, si vous travaillez en conteneurs, Docker avec le NVIDIA Container Toolkit.
Accès SSH et firewall
Connexion SSH par clé, mot de passe désactivé, et un firewall (UFW ou nftables) qui ne laisse ouverts que SSH et le port de votre API d'inférence. Nos premiers réglages de sécurité s'appliquent tels quels.
Stockage et sauvegardes
Poids de modèles et jeux de données tiennent mieux sur des SSD NVMe. Les sauvegardes restent de votre ressort en housing : prévoyez une copie de backup hors de la machine pour ce qui ne se retélécharge pas.
Ce que le data center apporte
La haute disponibilité de l'infrastructure (alimentation A/B, redondance N+1), la bande passante garantie, les adresses IP fixes et l'accès IPMI/KVM sur demande pour reprendre la main à distance.
Ce que vous pouvez faire tourner en colocation GPU
Inférence de LLM
Servir un modèle open source (Llama, Mistral, Qwen…) avec vLLM, Ollama ou llama.cpp derrière votre propre API, sans facturation au token.
Entraînement et fine-tuning
Adapter un modèle à vos données (LoRA, QLoRA) pendant des jours avec PyTorch et CUDA, sans surveiller un compteur horaire.
Génération d'images et de vidéo
Stable Diffusion, Flux ou ComfyUI en production pour une application ou un studio créatif.
Rendu 3D et calcul
Ferme de rendu Blender ou Unreal, simulation, calcul scientifique : tout ce qui profite de milliers de cœurs CUDA.
FAQ - Housing GPU
Tout savoir sur la colocation de serveurs GPU et IA au datacenter Equinix PA6.