Infrastructure IA OpenAI : Uday Ruddarraju aux commandes
OpenAI confie son infrastructure IA à Uday Ruddarraju. Découvrez les enjeux du calcul, des centres de données et de la souveraineté pour l’Europe.
OpenAI regroupe son infrastructure IA sous la direction d'un ancien de xAI
L'infrastructure est devenue l'un des nerfs de la guerre dans la course à l'intelligence artificielle. Entraîner des modèles et les faire tourner à grande échelle ne dépend pas seulement des algorithmes : il faut des processeurs spécialisés, des centres de données, de l'électricité et toute une chaîne de partenaires capables de suivre. Chez OpenAI, ces sujets sont désormais regroupés sous la responsabilité d'Uday Ruddarraju, un ancien de l'infrastructure chez xAI.
Le mouvement n'est pas qu'un ajustement interne. Sachin Katti, qui pilotait notamment des projets de centres de données d'un montant à plusieurs dizaines de milliards de dollars, quitte ses fonctions opérationnelles pour devenir conseiller. Concrètement, OpenAI cherche à réunir le calcul et l'infrastructure sous une même direction, alors que ses besoins matériels et financiers prennent de l'ampleur.
Pour les entreprises européennes, la question est très concrète : qui tient les rênes des ressources nécessaires à l'IA, et où ces ressources sont-elles réellement construites ? Cette nomination dit pas mal de choses sur la stratégie d'OpenAI, sur les contraintes du secteur, et sur ce que cela peut impliquer pour l'Europe.
Une direction unifiée pour le calcul et l'infrastructure
OpenAI confie à Uday Ruddarraju la direction de ses activités de calcul et d'infrastructure. L'entreprise regroupe ainsi, sous un même responsable, deux fonctions très liées : d'un côté, obtenir la puissance informatique nécessaire à ses modèles ; de l'autre, construire ou sécuriser les installations qui les hébergent.
Ruddarraju a rejoint OpenAI en juillet 2025. Avant cela, il dirigeait l'infrastructure de xAI, la société d'Elon Musk, et a participé au lancement d'entraînement de Grok 3 sur 100 000 processeurs graphiques. Son expérience porte donc sur des opérations où le matériel, le réseau, l'énergie et le logiciel doivent avancer ensemble.
Une passation de relais, pas un départ complet
Sachin Katti sort du rôle opérationnel quelques semaines après avoir supervisé ces activités. Il reste toutefois conseiller auprès d'OpenAI. Les responsables métier placés sous sa direction conservent leurs fonctions, d'après les informations rapportées par Bloomberg et reprises par The Next Web.
Katti avait rejoint l'entreprise après avoir travaillé chez Intel, où il occupait un poste de directeur de la technologie et de l'IA. Il y avait notamment supervisé un projet de centre de données en Géorgie, présenté comme le premier site conçu et piloté directement par OpenAI. D'après ses déclarations, il veut consacrer plus de temps aux activités commerciales et il se dit confiant dans la capacité de Ruddarraju à assurer la transition.
Ce point de continuité compte. Dans des projets de cette taille, le passage de relais ne se limite pas à un organigramme : il implique des contrats, des calendriers de construction, des relations avec les fournisseurs et des décisions d'approvisionnement prises bien en amont. Le fait de garder Katti en conseiller peut aider à préserver cette mémoire opérationnelle, même si la gestion quotidienne change.
Pourquoi réunir ces responsabilités ?
Sur le papier, séparer centres de données et calcul paraît logique : l'un touche à l'immobilier, à l'énergie et au chantier ; l'autre aux processeurs, aux réseaux et à la capacité de traitement. Mais dans la pratique, ces choix se conditionnent. Acheter des accélérateurs sans disposer à temps de bâtiments alimentés et correctement refroidis ne crée pas de capacité utilisable. Construire un site sans clarté sur le matériel et les usages à venir peut immobiliser des capitaux dans une infrastructure mal dimensionnée.
Rassembler les deux fonctions peut donc accélérer certains arbitrages. Une même direction peut faire remonter plus vite les besoins des équipes qui entraînent les modèles vers les contraintes des sites et des fournisseurs. En revanche, cette organisation concentre aussi une part importante des décisions dans le même périmètre exécutif. Et elle ne supprime pas les contraintes physiques ou commerciales qui conditionnent la capacité réelle.
En bref : l'unification peut réduire certaines frictions internes, mais elle ne règle pas, à elle seule, les limites liées à l'électricité, aux délais et à la rentabilité.
Des projets industriels dont l'échelle change la donne
Les projets liés à l'infrastructure d'OpenAI donnent une idée du niveau d'enjeu confié à Ruddarraju. Le site de Géorgie est évalué à 30 milliards de dollars. Katti supervisait aussi un projet de huit gigawatts dans l'Ohio, mené avec SB Energy et Nvidia.
Huit gigawatts ne correspondent pas à une consommation déjà observée aujourd'hui : c'est l'échelle annoncée pour le projet. Dans le secteur des centres de données, on distingue justement les capacités prévues, les raccordements effectivement obtenus et la puissance réellement disponible une fois le site en service. Une annonce d'investissement ne veut donc pas dire que toute la puissance est immédiatement exploitable.
L'énergie et les contrats font partie de l'infrastructure
Le dossier de l'Ohio illustre aussi combien les engagements financiers pèsent dans l'équation. D'après des informations rapportées par Axios à partir d'un document réglementaire, Nvidia a garanti jusqu'à 105 milliards de dollars de paiements liés aux baux et à l'énergie du projet. Ce n'est pas juste une commande de puces : l'accès aux sites et à l'électricité entre directement dans le modèle économique.
À cette échelle, la réussite dépend d'une chaîne de décisions qui s'emboîtent :
- sécuriser les terrains et les autorisations ;
- obtenir une alimentation électrique suffisante et planifiable ;
- construire les bâtiments et les systèmes de refroidissement ;
- installer les processeurs, le réseau et le stockage ;
- financer des engagements avant que les revenus correspondants soient générés.
Un retard sur une seule étape peut décaler tout le calendrier. D'où l'idée simple : l'infrastructure ne peut pas être traitée comme un sujet secondaire après le développement des modèles. Elle conditionne la capacité à entraîner, déployer et exploiter ces modèles de façon fiable.
Les investissements ne sont pas encore de la capacité disponible
La source évoque aussi une facture de calcul de 856 milliards de dollars présentée aux investisseurs. À lire avec prudence : ce chiffre renvoie surtout à l'ampleur des besoins ou des engagements projetés, et pas forcément à une dépense déjà réalisée ou à une capacité immédiatement opérationnelle.
Pour une entreprise qui adopte l'IA, la leçon vaut aussi, même à une échelle plus modeste. Les annonces sur la puissance, les partenariats ou les nouveaux sites ne suffisent pas pour évaluer l'offre réellement disponible. Il faut distinguer la capacité annoncée, la capacité contractualisée et celle qui est réellement accessible au produit. Ce sont trois états différents, avec des effets distincts sur les coûts et les délais.
OpenAI cherche à construire une chaîne d'approvisionnement à la hauteur de ses ambitions. Mais l'infrastructure de calcul reste un actif lourd : elle mobilise des capitaux sur plusieurs années. Le bon indicateur n'est donc pas seulement le montant annoncé ; c'est la capacité à transformer ces engagements en ressources utilisables, au bon endroit et au bon moment.
Le calcul devient un enjeu de stratégie et de gouvernance
La nomination de Ruddarraju arrive dans un contexte où les entreprises d'IA ne veulent plus seulement des processeurs. Elles cherchent aussi des contrats d'énergie, des bâtiments adaptés, des réseaux haut débit, et des partenaires capables de financer ou d'exploiter une partie des installations.
Cette dépendance transforme l'infrastructure en levier stratégique. Un modèle très performant peut perdre de sa valeur si son coût d'exploitation devient trop élevé, si la capacité manque au moment où la demande grimpe, ou si le déploiement se heurte à des contraintes locales. À l'inverse, des ressources stables peuvent accélérer la mise en production de nouveaux services et faciliter leur montée en charge.
Le matériel ne suffit pas à produire un avantage durable
OpenAI a aussi placé Richard Ho à la tête de GPT-Infra, un programme lié à ses activités autour des puces. L'objectif : utiliser les modèles de l'entreprise pour des tâches comme la conception de semi-conducteurs. Ho a toutefois déclaré ne pas faire confiance entièrement aux modifications de conception proposées par ces modèles.
Cette réserve rappelle une réalité assez simple, souvent oubliée quand les démonstrations s'enchaînent : intégrer l'IA dans un processus technique ne veut pas dire lui confier la décision finale. Pour une tâche aussi sensible que la conception d'une puce, les résultats doivent être vérifiés par des spécialistes, intégrés à des outils de validation, puis confrontés aux contraintes physiques du produit. Le gain potentiel existe, mais il dépend du contrôle humain et de la qualité du processus.
L'infrastructure de calcul a donc deux fonctions. Elle fournit la capacité nécessaire aux modèles, et elle peut aussi servir à développer des outils pour améliorer les systèmes matériels eux-mêmes. Ce cercle peut créer un avantage, mais il rend aussi la gouvernance des décisions automatisées plus critique : quels changements sont acceptés, sur quelles preuves, et avec quelle responsabilité en cas d'erreur ?
Les sorties et les transferts de compétences comptent aussi
La réorganisation ne serait pas le seul mouvement de personnel mentionné dans les informations disponibles. Peter Hoeschele, présenté comme un acteur important de Stargate, a rejoint Meta plus tôt dans l'année avec deux collègues, Keith Heyde et Shamez Hemani, d'après Data Center Dynamics.
Ces départs ne suffisent pas, à eux seuls, à conclure à une perte de capacité ou à un changement de stratégie. Mais ils rappellent un point de fond : les projets d'infrastructure reposent sur des compétences rares. Entre l'ingénierie des centres de données, l'énergie, l'exploitation à grande échelle et la négociation de partenariats, une entreprise peut financer des équipements ; elle doit aussi garder les personnes capables de les mettre en service et de les faire fonctionner.
Pour les acteurs européens, le sujet n'est pas nouveau. La souveraineté numérique ne se limite pas à héberger des données dans l'Union européenne ou à posséder un bâtiment. Elle touche aussi l'accès aux composants, aux compétences, à l'électricité et aux services logiciels. Sans ces éléments, la localisation seule ne garantit pas l'autonomie.
Une présence européenne encore limitée
Le contraste entre les investissements américains et les projets européens est net. OpenAI a suspendu en avril son projet Stargate au Royaume-Uni. L'entreprise a notamment évoqué des prix de l'électricité plus de quatre fois supérieurs aux niveaux américains, ainsi que des incertitudes autour des règles de droit d'auteur.
Le gouvernement britannique a jugé la décision décevante. Le Guardian a ensuite rapporté qu'OpenAI n'était jamais allé sur le site du nord-est de l'Angleterre annoncé dans le cadre du projet. Ces éléments décrivent un projet interrompu et des critiques sur sa préparation ; ils ne permettent toutefois pas, à eux seuls, d'expliquer toutes les raisons de la décision.
L'Europe doit arbitrer entre ambition et conditions d'exploitation
Le seul site européen annoncé par OpenAI dans les informations disponibles est un centre de données de 230 mégawatts en Norvège, dévoilé en juillet 2025. Pour comparer, le projet de l'Ohio est présenté à une échelle environ 35 fois supérieure.
Cette comparaison ne mesure pas directement les capacités déjà disponibles : les calendriers, le périmètre et l'avancement peuvent varier d'un projet à l'autre. Elle montre néanmoins où se concentre l'effort annoncé. D'après la source, la majeure partie des 856 milliards de dollars de besoins de calcul évoqués aux investisseurs devrait être engagée outre-Atlantique.
Pour la France et l'Union européenne, les enjeux sont concrets. Le coût de l'électricité compte, mais il n'explique pas tout. Il faut aussi regarder la disponibilité des raccordements, les délais d'autorisations, l'accès au foncier, les règles applicables aux données et aux contenus, et la capacité à conclure des contrats longs et prévisibles. Un centre de données ne se construit pas seulement « techniquement » : il dépend aussi du cadre réglementaire et énergétique.
Il ne s'agit pas de dire que l'Europe ne peut pas accueillir de grands projets. Il s'agit plutôt de comprendre ce qui rend ces projets viables. Si une entreprise compare des régions, elle évalue un coût complet : énergie, construction, délais, fiscalité, contraintes réglementaires et accès aux fournisseurs. Pour attirer ces investissements, les décideurs publics doivent donc agir sur l'ensemble de la chaîne, pas uniquement sur la promesse d'une capacité annoncée.
Ce que les entreprises européennes peuvent en retenir
La stratégie d'OpenAI reste celle d'un acteur mondial avec des besoins exceptionnels. Une entreprise française n'a pas forcément intérêt à construire son propre centre de données pour comprendre les implications : elle peut déjà clarifier sa dépendance aux fournisseurs de calcul et estimer ses coûts d'usage.
Pour cadrer la décision, quelques questions utiles :
- Le service d'IA choisi garantit-il une capacité suffisante lors des périodes de pointe ?
- Les coûts restent-ils prévisibles quand les volumes augmentent ?
- Les exigences de localisation, de confidentialité et de conformité au RGPD sont-elles couvertes par le contrat ?
- Y a-t-il une option de repli si le fournisseur change ses tarifs ou ses conditions ?
- Le bénéfice métier justifie-t-il un modèle plus coûteux, ou un système plus léger suffit-il ?
Ces vérifications permettent d'éviter de confondre puissance technique et robustesse opérationnelle. En IA, ce n'est pas seulement un choix de modèle : c'est un choix de fournisseur, de capacité, de coût et de dépendance. Pour un projet donné, la meilleure option est celle qu'on peut faire fonctionner durablement, pas forcément celle qui affiche la plus grande « puissance de calcul ».
Conclusion - le calcul est devenu un choix stratégique
En regroupant le calcul et l'infrastructure sous la responsabilité d'Uday Ruddarraju, OpenAI cherche à rapprocher ses besoins en modèles des moyens matériels nécessaires pour les satisfaire. La transition s'appuie sur l'expérience de Sachin Katti, qui reste conseiller, et elle intervient alors que les projets évoqués impliquent des montants, des capacités énergétiques et des engagements importants.
Cette réorganisation ne supprime pas les difficultés liées à la construction, à l'approvisionnement ou à l'accès à l'électricité. Mais elle rend plus visible une réalité : dans l'IA, la capacité à exploiter les modèles dépend tout autant de l'infrastructure que des algorithmes. Pour les entreprises européennes, la bonne approche consiste à mesurer cette dépendance avant qu'elle ne se transforme en problème de coûts ou de continuité de service.
Si vous préparez un projet d'IA, commencez par cartographier vos besoins de calcul, vos contraintes de données et votre dépendance aux fournisseurs. C'est cette analyse, plus que la course au modèle le plus « impressionnant », qui vous aide à bâtir un système vraiment exploitable dans la durée.