Nebius
Nebius est une plateforme de cloud pour l'IA et le calcul GPU, avec des machines virtuelles GPU et CPU, des clusters Kubernetes ou Slurm, du stockage objet compatible S3 et des endpoints IA serverless. Elle cible les équipes qui entraînent ou affinent des modèles, servent des inférences à haut débit ou déploient des applications IA conteneurisées.
L'accès est payant et facturé à l'usage, sans formule gratuite ni essai ouvert aux nouvelles inscriptions. Les services se pilotent depuis la console web, avec une API, des SDK et des outils d'infrastructure déclarée en code.
Lire plus Lire moins
- Éditeur
- Nebius B.V.
- Pays
- Pays-Bas
- Offre gratuite
- Non
- Essai gratuit
- Non
- Sans carte bancaire
- Non
Nebius en bref
C’est quoi ?
Nebius est une plateforme cloud d’IA et de calcul qui sert à créer des ressources dans des réseaux virtuels, puis à lancer des VM GPU, des clusters Kubernetes ou Slurm, et des points de terminaison serverless pour des charges de travail IA. Les données, les modèles et les artefacts vivent dans un stockage objet compatible S3, avec suivi d’expériences via MLflow et supervision intégrée. Nebius facture le calcul à la seconde et cible surtout les ingénieurs IA et données, les équipes MLOps et DevOps, ainsi que les entreprises qui entraînent ou servent des modèles à grande échelle.
Pourquoi ?
Tu l’emploies quand un projet demande de l’entraînement ou de l’inférence sur GPU sans monter sa propre infrastructure. L’offre couvre aussi la gestion de clusters, le stockage des jeux de données, le déploiement de services IA conteneurisés et le suivi des modèles, ce qui évite de disperser ces briques entre plusieurs outils.
Pour qui ?
Un ingénieur MLOps qui entraîne des LLM sur des clusters GPU, suit ses expériences avec MLflow et déploie ensuite le modèle retenu dans un service IA. Le même cadre convient à une équipe DevOps qui orchestre des charges conteneurisées et à une startup IA qui doit servir des applications à fort débit.
Avantages et inconvénients
Les plus
- GPU et CPU à niveau bare metal Les machines virtuelles GPU et CPU s’appuient sur des GPU NVIDIA où ni les GPU ni les NIC ne sont virtualisés, avec des performances de niveau bare metal. Le calcul lourd garde ainsi un accès direct au matériel.
- Réseaux InfiniBand pour le calcul distribué Les réseaux InfiniBand NVIDIA Quantum-2 servent les charges distribuées à haut débit. Les clusters multi-nœuds y trouvent une base adaptée à l’entraînement massif et aux échanges rapides entre nœuds.
- Clusters managés pour Kubernetes et Slurm Managed Kubernetes et les clusters Slurm de Soperator prennent en charge les charges IA conteneurisées et l’entraînement distribué. Tu évites de monter toi-même l’orchestration de base.
- Services managés pour suivre et enregistrer les modèles Managed Service for MLflow couvre le suivi des expériences et le registre de modèles. Le stockage d’artefacts et de jeux de données passe en plus par Stockage d’objets compatible S3.
- Accès API et outils d’intégration L’offre expose une API REST, des SDK, des plugins et des intégrations Terraform et Pulumi. L’automatisation et le déploiement déclaratif restent donc possibles dans un environnement d’ingénierie.
Les moins
- Pas de formule gratuite, essai suspendu Nebius facture à l’usage, sans formule gratuite ni essai ouvert aux nouvelles inscriptions. La mise en route passe donc vite par du coût réel, hors programme AI Builder accordé sur candidature.
- Facturation à l’usage très exposée au volume Le calcul, le stockage et certains services réseau sont facturés séparément à l’usage. Dès que les GPU tournent longtemps ou que les données grossissent, la dépense suit la consommation, et la page de prix annonce déjà des tarifs GPU revus à la hausse.
- L’offre cible d’abord des charges techniques lourdes L’orientation produit vise l’entraînement de LLM, l’inférence à haut débit, les pipelines ML et les clusters distribués. Un usage simple de création ou de bureautique n’y trouve pas sa place.
- Pas d’applications mobiles ni d’extension de bureau L’accès passe par le web, avec API et outils développeur, mais pas par des applications iOS, Android, Windows, macOS, Linux ni par une extension navigateur. L’usage reste centré sur l’environnement web et d’infrastructure.
Pas de grille tarifaire publiée
Aucune grille tarifaire publiée par Nebius (vérifié le 23 septembre 2026) : aucun montant n’est affiché sur son site. Nebius facture à la consommation : la page de prix publie des tarifs unitaires par heure de GPU ou de processeur et par gibioctet stocké, sans palier d’abonnement ; les grands clusters et les remises d’engagement passent par l’équipe commerciale.
Nebius accorde jusqu’à 35 % de remise sur les tarifs à la demande quand une équipe réserve de grands clusters pour plusieurs mois (remise d’engagement), à négocier avec l’équipe commerciale. Une hausse des tarifs à l’heure de la plupart des GPU et des processeurs est annoncée au 1er octobre 2026. Tous les montants sont hors taxes, et l’usage se facture à la seconde.
Tarifs officiels de Nebius, relevés le 23/09/2026
Ce que permet la formule gratuite
Nebius ne propose pas de formule gratuite, et sa documentation indique que l’essai gratuit pour particuliers est suspendu depuis le 13 juillet 2026, sans nouvelle inscription acceptée. Certaines briques restent gratuites, sans constituer un palier pour tester la plateforme entière.
Sont gratuits selon la page de prix : Managed Service for Kubernetes et Managed Soperator (logiciels gratuits, ressources consommées facturées), le trafic réseau entrant et sortant et l’adresse IP publique. Sa documentation ajoute Container Registry, Virtual Networks, Audit Logs et SecretStash, ces deux derniers en aperçu.
Un programme AI Builder, annoncé en bandeau de la page de prix, ouvre des crédits et des remises sur candidature. C’est un crédit d’accueil, pas une formule gratuite. Le calcul GPU se paie dès la première seconde.
Sur ces services gratuits, tu peux garder un socle d’infrastructure (réseau, registre, orchestration) sans faire tourner un projet entier sans coût. Restent payants le calcul GPU et CPU, le stockage objet, les volumes et les services managés comme MLflow ou PostgreSQL.
Ce que fait Nebius
Par où passe la création
Nebius ouvre sur des réseaux virtuels, puis tu lances des machines virtuelles GPU ou CPU, des clusters Kubernetes ou Slurm, ou des points de terminaison serverless pour des charges IA. Les données, les modèles et les artefacts passent par un stockage objet compatible S3, tandis que MLflow suit les expériences et enregistre les modèles.
Ce qui change au payant
Nebius facture à l’usage, avec des remises d’engagement pour les réservations de grands clusters. Le même cadre couvre les ressources de calcul, le stockage et les services managés, mais le coût varie selon la ressource utilisée et la capacité réservée ou non.
Déploiement des charges IA
Tu déploies des charges de travail conteneurisées via des points de terminaison serverless interactifs ou des tâches en arrière-plan. La gestion de l’opération s’appuie sur les services de supervision et de journalisation de Nebius, et le calcul se facture au temps d’usage.
Comment utiliser Nebius
Prise en main initiale
Nebius s’ouvre dans le navigateur. Tu crées d’abord des ressources dans un réseau virtuel, puis tu lances soit une machine virtuelle GPU ou CPU, soit un cluster Kubernetes ou Slurm selon la charge à exécuter. Ensuite, tu relies tes jeux de données et tes artefacts au stockage objet compatible S3.
Navigation dans l’interface
Dès l’entrée, tu retrouves les briques d’infrastructure séparées par usage : calcul, réseau, stockage, exécution serverless, suivi MLflow et observabilité. Tu passes d’un service à l’autre sans quitter l’espace de travail, avec Virtual Networks pour poser le cadre avant de déployer. Le stockage objet, les journaux et la surveillance servent ensuite de points d’appui pour retrouver l’état d’un projet.
Utilisation et gestion de projets
Pour gérer un projet, tu gardes les données, les modèles et les artefacts dans le stockage objet, puis tu suis les expériences dans MLflow et tu enregistres les modèles. Tu déploies ensuite les charges conteneurisées en point de terminaison serverless ou en tâche d’arrière-plan, selon le besoin. Les clusters Kubernetes et Slurm restent là pour faire monter la charge ou orchestrer l’entraînement distribué. Les usages lourds passent par eux.
Fonctionnalités principales
Nebius fonctionne en infrastructure IA cloud payante, facturée à l’usage avec des remises d’engagement. Les fonctionnalités ci-dessous décrivent les services publiés par l’éditeur et leurs conditions d’accès quand elles existent.
Machines virtuelles GPU et CPU
Des instances GPU et CPU donnent accès à des GPU NVIDIA, sans virtualisation du GPU ni du NIC. Elles conviennent aux entraînements lourds et à l’inférence à haut débit.
Réseaux InfiniBand NVIDIA Quantum-2
Les réseaux InfiniBand servent les calculs distribués à haut débit entre nœuds. Ils accompagnent les clusters GPU multi-nœuds quand la latence et la bande passante deviennent critiques.
Disponible avec les clusters de calcul supportés.
Kubernetes managé
Le service exécute des charges IA conteneurisées sur des clusters gérés. Il convient aux déploiements qui doivent orchestrer plusieurs services et garder une gestion centralisée des nœuds.
Clusters Slurm gérés (Soperator)
Soperator fournit des clusters basés sur Slurm pour l’entraînement distribué en ML et IA. Il sert les charges qui doivent répartir un calcul sur plusieurs nœuds GPU.
Points de terminaison IA serverless et tâches de fond
Le service déploie des charges IA conteneurisées sous forme d’endpoints interactifs ou de jobs de fond. Il sert l’exécution d’applications sans gérer directement l’infrastructure d’exécution.
Service managé MLflow
Le service managé MLflow rassemble le suivi des expériences, la comparaison des essais, le registre de modèles et la promotion d’une version vers le déploiement, sans serveur de suivi à administrer.
Stockage d’objets compatible S3
Le stockage objet conserve jeux de données et artefacts de modèles dans un format compatible avec S3. Il sert au stockage, au partage et à l’alimentation des pipelines d’entraînement.
PostgreSQL managé et Container Registry
PostgreSQL managé héberge les bases relationnelles, tandis que le registre conserve images Docker et charts Helm. Ensemble, ils couvrent la couche applicative et le stockage des déploiements.
Réseaux virtuels, IAM et protection
Les réseaux virtuels structurent l’environnement, l’IAM gère les accès, et Key Management Service avec SecretStash protègent les secrets. Audit Logs ajoute la traçabilité des actions.
Supervision et journalisation
Les services Monitoring et Logging de Nebius suivent l’état opérationnel et enregistrent les événements. Ils servent au contrôle des charges, au diagnostic et à la surveillance continue des environnements.
Systèmes NVIDIA GB300 NVL72 et HGX B300
Ces systèmes ciblent l’entraînement des modèles les plus lourds. Le GB300 NVL72, un rack complet, se réserve auprès de l’équipe commerciale ; les instances HGX B300 se louent à l’heure.
Instances CPU seules
Les instances CPU utilisent Intel Xeon ou AMD EPYC sans GPU. Elles couvrent les traitements qui n’exigent pas d’accélération graphique.
Usages et métiers
Nebius sert d’abord aux ingénieurs IA et aux data scientists qui entraînent ou affinent des modèles sur des grappes de GPU. Il répond aussi aux équipes MLOps et DevOps qui gèrent l’infrastructure, aux startups IA qui déploient des applications, et aux entreprises qui font monter en charge l’entraînement, l’inférence et les usages agentiques.
Ingénieurs IA et data scientists
Ils entraînent et affinent des LLM sur des grappes de GPU, puis stockent jeux de données et artefacts dans un stockage compatible S3. Cela remplace des environnements hétérogènes et des transferts manuels entre calcul et stockage.
Équipes MLOps et DevOps
Elles provisionnent des VMs GPU, des clusters Kubernetes ou Slurm, puis surveillent l’exploitation avec les journaux et le monitoring gérés. Cela remplace une partie de l’assemblage d’outils d’infrastructure et de supervision.
Jeunes sociétés de l’IA
Elles déploient des applications IA conteneurisées via des endpoints serverless ou des jobs d’arrière-plan, puis publient les artefacts du modèle dans le stockage objet. Cela remplace des déploiements artisanaux et des scripts dispersés.
Quand le produit doit servir des applications IA plutôt que seulement entraîner des modèles.
Entreprises qui font monter l’IA en charge
Elles lancent des entraînements répartis sur des milliers de GPU, servent des backends d’inférence à fort débit et orchestrent les déploiements avec Kubernetes et Slurm. Cela remplace des clusters isolés difficilement coordonnés.
Équipes qui suivent les expériences ML
Elles enregistrent les essais dans MLflow, versionnent les modèles et conservent le meilleur artefact pour le déploiement. Cela remplace des tableaux de suivi manuels et des versions éparpillées sur plusieurs dépôts.
Équipes qui servent des backends IA
Elles exposent des services d’inférence haute cadence et des jobs d’arrière-plan pour alimenter une application ou un produit. Cela remplace des serveurs montés à la main pour chaque test ou chaque pic de charge.
Modèles et droits sur les créations
Nebius est une infrastructure : tu y entraînes ou y sers tes propres modèles. Aucun modèle n’est imposé par la plateforme. Son contrat de services (Nebius Services Agreement) précise que l’éditeur conserve tous les droits de propriété intellectuelle sur la plateforme et les services, sans rien céder au client au-delà de l’usage prévu.
Côté données, le client doit détenir les droits nécessaires sur ses données (Customer Data) et garantir qu’elles n’enfreignent pas les droits de tiers. Tes données restent sous ta responsabilité. Les composants tiers accessibles depuis la plateforme, comme des modèles d’IA ou des images de conteneurs, relèvent de leurs propres conditions.
Pour les clients établis hors des États-Unis et d’Israël, le contrat est conclu avec Nebius B.V., sous droit néerlandais, avec les tribunaux d’Amsterdam pour les litiges. Ailleurs, le contrat est signé par une autre société du groupe, selon le pays et la date d’inscription.
Accès
Nebius s’utilise depuis la console web, ouverte par le bouton de connexion du site ou le lien « Open web console » de la documentation. Aucune application pour iPhone, Android, Windows, macOS ou Linux n’est publiée, ni d’extension de navigateur : l’usage passe par le navigateur et par les outils de développement.
La plateforme se pilote aussi par son API REST et ses SDK, ce qui permet d’automatiser le déploiement sans passer par la console. Le dépôt GitHub nebius/api est public.
Appareils, applications et systèmes compatibles
Intégrations déclarées : Terraform et Pulumi.
Disponible sur
Accès & intégrations
IntégrationsOui
Terraform, Pulumi
API publiqueOui
REST API documentée et dépôt open source sur GitHub.
Avis et notes par Aikiwi
Note Globale de Nebius 4,2
Nebius rassemble une infrastructure d’IA très large autour des GPU, du calcul CPU, des réseaux InfiniBand, de Kubernetes managé et de clusters Slurm pour l’entraînement distribué. La plateforme ajoute des endpoints serverless, du stockage objet compatible S3, MLflow, PostgreSQL managé, un registre de conteneurs et des services d’observabilité.
Les usages décrits vont de l’entraînement de LLM et de l’inférence à haut débit à la préparation de données, au suivi d’expériences et au déploiement de workloads conteneurisés. La plateforme convient donc à des projets où l’infrastructure, le stockage et l’orchestration comptent autant que le modèle lui-même.
Si tu veux évaluer Nebius sans engagement, le point de départ est la documentation publique et les services gratuits, puis la page de prix de l’éditeur pour mesurer le coût réel de chaque ressource avant de réserver de la capacité.
Avis détaillé sur Nebius
Design et Ergonomie 4,0
Nebius ne publie pas d’éléments publics sur la hiérarchie de l’interface, les parcours d’écran ou les choix d’accessibilité. La fiche permet donc de juger un environnement orienté infrastructure, mais pas une expérience visuelle travaillée pour un usage grand public. Pour un public technique, cette absence n’est pas bloquante. Elle signale surtout une plateforme pensée pour l’exploitation de ressources cloud plutôt que pour un écran d’entrée très guidé. Un lecteur qui cherche une interface immédiatement lisible peut donc rester prudent.
Facilité d’Utilisation 4,0
Nebius s’adresse à des profils d’ingénierie : ressources à créer dans un réseau virtuel, clusters à dimensionner, déploiements à orchestrer depuis la console, l’API ou l’infrastructure déclarée en code. Cette logique convient à des équipes techniques qui veulent un environnement cohérent pour travailler sur des charges IA, pas à quelqu’un qui attend un service prêt à l’emploi sans préparation. La courbe d’entrée paraît donc plus adaptée à des profils MLOps, DevOps ou data science qu’à un usage occasionnel.
Fonctionnalités et Outils 4,8
Nebius couvre un périmètre très large autour de l’IA d’infrastructure : machines virtuelles GPU et CPU, réseaux InfiniBand, Kubernetes managé, clusters Slurm, endpoints serverless, MLflow managé, stockage objet compatible S3, PostgreSQL managé, Container Registry, IAM, Audit Logs, KMS, supervision et journalisation. La plateforme va jusqu’aux systèmes NVIDIA GB300 NVL72 à l’échelle du rack et aux instances HGX B300. Cette étendue convient aux équipes qui veulent centraliser entraînement, inférence, stockage et orchestration dans un même environnement. Elle réduit les bricolages d’assemblage entre services disparates et donne un socle crédible pour des projets IA exigeants, du prototypage à l’exploitation de charges lourdes.
Performance et Fiabilité 4,0
Nebius publie une page d’état de ses services (status.nebius.com) et un accord de niveau de service chiffré pour chaque service, dont Compute, avec des avoirs quand la disponibilité promise n’est pas tenue. Aikiwi n’a pas mesuré la stabilité réelle de la plateforme, faute d’usage prolongé. Pour un acheteur, l’engagement contractuel donne un repère public, mais la preuve de continuité sur de longues charges d’entraînement reste à constater chez soi.
Innovation et Singularité 4,6
Nebius se distingue par une approche d’infrastructure IA très ciblée, avec du matériel NVIDIA haut de gamme, des réseaux InfiniBand, des clusters Slurm et des endpoints serverless réunis dans une même offre. L’ensemble dépasse le simple hébergement de calcul et vise les charges distribuées de grande ampleur. Cette orientation plaît aux équipes qui veulent une base technique proche des besoins réels de l’entraînement et de l’inférence à grande échelle. La singularité vient moins d’un effet de démonstration que d’un assemblage cohérent de briques avancées, utile quand l’architecture compte autant que le service rendu.
Support et Ressources Disponibles 4,3
Nebius met à disposition une documentation publique détaillée, prix compris, avec un assistant de recherche intégré, une API REST dont le code est ouvert, des SDK et des outils d’infrastructure déclarée en code. L’écosystème de ressources dépasse donc le simple mode d’emploi et donne des points d’appui concrets pour l’automatisation. Pour une équipe technique, cela facilite l’adoption et l’exploitation au quotidien. Un environnement documenté et intégrable réduit la dépendance à des manipulations manuelles et aide à cadrer les déploiements, surtout quand plusieurs services d’infrastructure doivent rester alignés.
Rapport Qualité-Prix 3,6
Nebius facture à l’usage, à la seconde, sans formule gratuite ni essai en cours. La page de prix publie chaque tarif unitaire, du GPU au stockage, avec des instances préemptibles moins chères et jusqu’à 35 % de remise contre un engagement sur plusieurs mois. La transparence est réelle, mais la hausse annoncée sur la plupart des GPU et l’absence de palier d’entrée imposent un arbitrage clair entre besoin réel et budget.
Questions fréquentes
Nebius est-il un bon investissement ?
Nebius Group est coté au Nasdaq sous le symbole NBIS et a son siège à Amsterdam, selon la page À propos de l’éditeur. Aikiwi évalue la plateforme cloud, pas le titre : les résultats financiers et les rapports annuels se trouvent dans l’Investor Hub de Nebius.
Quelles sont les dernières actualités concernant Nebius ?
Nebius publie ses annonces dans sa Newsroom et ses résultats dans son Investor Hub. Côté produit, la page de prix affiche déjà les tarifs GPU révisés qui s’appliqueront cet automne, et l’essai gratuit pour particuliers n’accepte plus de nouvelles inscriptions.
Que fait Nebius ?
Nebius fournit une infrastructure cloud pour charges de travail IA et ML. La plateforme propose des machines virtuelles GPU et CPU, des réseaux InfiniBand, Kubernetes managé, des clusters Slurm, des endpoints IA serverless, MLflow managé, du stockage objet compatible S3, ainsi que des services d’exploitation comme Monitoring, Logging et IAM.
Quel est le cours actuel de l’action Nebius ?
Nebius Group est coté au Nasdaq sous le symbole NBIS, selon la page À propos de l’éditeur. Aikiwi ne suit pas le cours de l’action : l’Investor Hub de Nebius publie les résultats financiers, les rapports annuels et les informations destinées aux investisseurs.
Que fait réellement Nebius ?
Nebius sert à créer, entraîner, exécuter et surveiller des workloads IA à grande échelle. Les utilisateurs y lancent des VM GPU, des clusters Kubernetes ou Slurm, stockent des jeux de données et des artefacts dans un stockage objet compatible S3, puis déploient des endpoints ou des tâches en arrière-plan avec Serverless AI.
Quel est l’avis général sur Nebius ?
L’avis d’Aikiwi sur Nebius est détaillé dans le bloc des notes : une infrastructure très complète pour l’entraînement et l’inférence sur GPU, pensée pour des équipes techniques, avec une facturation à l’usage, sans formule gratuite, et des tarifs publiés ressource par ressource.
C’est quoi Nebius ?
Nebius, aussi appelée Nebius AI Cloud, est une plateforme cloud IA. Elle s’adresse aux ingénieurs IA et data scientists, aux équipes MLOps et DevOps, ainsi qu’aux entreprises qui entraînent, servent ou déploient des modèles sur une infrastructure GPU et CPU managée.
Qu’est-ce que Nebius ?
Nebius est un service cloud pour l’IA et le machine learning. L’éditeur le destine à l’entraînement de LLM, à l’inférence à haut débit, aux applications IA agentiques, aux pipelines de données et au suivi d’expériences avec MLflow, avec accès web, API, SDK et intégrations Terraform ou Pulumi.