La lunga inchiesta dell’autorité de la concurrence francese su Nvidia sta per entrare nella fase più delicata. Il regolatore ha fatto sapere che l’indagine è ormai in dirittura d’arrivo, portando l’azienda di Santa Clara più vicina a un confronto formale sulle modalità con cui esercita il proprio controllo sul mercato dell’hardware per l’intelligenza artificiale. Non è una sorpresa: gli analisti paventano da tempo che il dominio incontrastato delle GPU Nvidia — dalle H100 alle A100 — possa attirare l’attenzione delle autorità, specie in un’Europa sensibile alla concentrazione del potere tecnicico.

Il tratto distintivo di questo procedimento non sta tanto nelle possibili multe, quanto nelle misure correttive che potrebbero essere imposte. Se Parigi scegliesse di intervenire sulle condizioni di vendita, licenza o accesso prioritario alla fornitura, l’intero ecosistema dell’AI on-premise ne risentirebbe. Chi oggi progetta cluster di inference o training basati su hardware Nvidia dovrebbe ricalcolare il costo totale di possesso (TCO) alla luce di nuovi vincoli, e forse accelerare il passaggio verso architetture alternative.

Da una prospettiva strutturale, la vicenda segnala che la potenza di calcolo per l’AI sta diventando una risorsa critica, simile all’energia o alla connettività. I regolatori iniziano a vederla non solo come un mercato, ma come un’infrastruttura di base su cui si giocano partite di sovranità digitale. In quest’ottica, un’azione antitrust non è un semplice intervento correttivo: è il primo mattone di un nuovo assetto in cui l’accesso alle GPU potrebbe essere regolato per garantire pluralità di fornitori e indipendenza tecnicica.

Per le organizzazioni che valutano deployment self-hosted di LLM, il segnale è duplice. Da un lato, un mercato meno monolitico potrebbe favorire la comparsa di chip competitivi — si pensi agli sforzi di AMD con le serie Instinct o ai progetti di acceleratori custom basati su architetture RISC‑V. Una maggiore concorrenza ridurrebbe il lock-in verso Nvidia e abbasserebbe i costi, rendendo più sostenibile il modello on-premise, soprattutto per quei casi d’uso in cui la residenza dei dati e la conformità GDPR sono irrinunciabili.

Dall’altro lato, però, l’incertezza normativa rischia di rallentare gli investimenti nel breve periodo. Se Nvidia fosse costretta a rivedere le proprie politiche commerciali, le catene di approvvigionamento potrebbero subire scossoni, con tempistiche di consegna più lunghe e prezzi meno prevedibili. Chi sta dimensionando infrastrutture per LLM on-premise dovrà inserire nei propri scenari anche l’eventualità di una “transizione forzata” verso soluzioni ibride o multi-vendor.

L’indagine francese, in definitiva, è molto più di una disputa tra un’azienda e un regolatore. È un campanello d’allarme per chiunque abbia scommesso su un ecosistema hardware a fornitore unico. Mentre l’AI generativa spinge la domanda di calcolo a livelli senza precedenti, l’asticella della sovranità tecnicica si alza: avere il controllo del proprio stack passa anche dalla capacità di scegliere tra più architetture hardware senza rimanere incastrati in monopoli di fatto. Il futuro dell’AI on-premise potrebbe essere scritto meno nei laboratori di ricerca che nelle aule dei tribunali antitrust.