Pour en savoir plus,  demandez un échantillon gratuit 

 Quelles sont les principales dynamiques de marché qui façonnent le marché du GPU-as-a-Service (Neocloud) ?

Le « mur de la latence » et le passage à l'inférence en production :
un catalyseur majeur de la demande de Neocloud en 2026 est la transition rapide de l'IA générative des projets pilotes expérimentaux aux environnements de production critiques. Selon le rapport Akamai sur l'état de l'inférence en IA, publié en mai 2026, si 75 % des entreprises ont réussi à déployer leurs charges de travail d'IA générative en production, leur infrastructure cloud classique n'a pas suivi le rythme, créant un « mur de latence » considérable. Plus de 50 % des organisations interrogées déclarent avoir des difficultés à maintenir une latence acceptable à grande échelle.

Par conséquent, la demande de calcul des entreprises a subi une transformation structurelle. Alors que l'entraînement des modèles a historiquement dominé les cycles GPU, les recherches d'Astute Analytica, qui prévoient une croissance rapide des charges de travail d'inférence en temps réel jusqu'en 2026, indiquent qu'elles devraient consommer jusqu'à 80 % de la puissance de calcul totale de Neocloud dans les années à venir. 

À mesure que les contextes d'entreprise s'étendent et que les agents d'IA deviennent plus interactifs, le coût « invisible » du recalcul constant de l'état d'inférence — notamment la gestion de volumineux caches clé-valeur (KV) — devient économiquement insoutenable sur les machines virtuelles traditionnelles. Ceci engendre une forte demande pour les Neoclouds, qui proposent des instances GPU dédiées, optimisées spécifiquement pour l'inférence à haut débit.

Goulots d'étranglement des hyperscalers et « décomposition » du cloud computing :
Les hyperscalers traditionnels (AWS, Azure, GCP) ont été conçus pour les charges de travail informatiques classiques, auxquels ils ont ajouté des capacités d'IA. Dès 2026, les entreprises axées sur l'IA se heurtent à d'importantes difficultés avec ces fournisseurs historiques, notamment des délais d'attente de 6 à 18 mois pour l'allocation de clusters GPU haut de gamme dédiés et des modèles de tarification opaques. Cette situation a alimenté la « décomposition » du cloud computing, canalisant la demande directement vers les néoclouds natifs de l'IA tels que CoreWeave, Together AI et Lambda Labs.

Le volume de cette demande des entreprises est immense. CoreWeave a récemment annoncé une hausse de 168 % de son chiffre d'affaires sur un an et un carnet de commandes impressionnant de 66,8 milliards de dollars d'ici début 2026, ce qui indique que la grande majorité de sa nouvelle capacité physique est déjà pré-allouée dans le cadre d'engagements d'entreprises à long terme. Les développeurs se tournent massivement vers les Neoclouds car ils offrent un accès direct au matériel dédié et au réseau NVIDIA Quantum InfiniBand (garantissant une latence inférieure à la microseconde). Cette architecture réseau est essentielle au parallélisme 3D utilisé pour l'entraînement de modèles de langage complexes et volumineux, une fonctionnalité que les hyperscalers peinent souvent à fournir efficacement.

Mandats souverains en matière d'IA et optimisation propriétaire sur le marché du GPU-as-a-Service (Neocloud) : La volatilité géopolitique et les réglementations relatives à la protection des données ont engendré une forte demande de traitement d'IA localisé, stimulant fortement le secteur du GPUaaS localisé. Les gouvernements et les secteurs fortement réglementés (santé, finance) refusent de plus en plus de confier leurs données propriétaires à des hyperscalers mutualisés et distribués à l'échelle mondiale .

D'ici mi-2026, l'infrastructure d'IA souveraine sera passée du stade de concept à celui de déploiement matériel concret. Par exemple, la mission nationale indienne en matière d'IA collabore activement à l'installation de milliers de GPU pour la construction de clouds souverains, tandis que le Koweït a récemment inauguré son premier centre de données souverain basé sur l'IA et que Deutsche Telekom a déployé 10 000 GPU Blackwell en Allemagne.

De plus, la demande des entreprises s'est considérablement orientée vers le réglage fin supervisé (SFT) et l'optimisation directe des préférences (DPO) de modèles localisés, délaissant les modèles de base publics massifs. L'entraînement de modèles propriétaires sur des données d'entreprise sécurisées (documents juridiques, dossiers médicaux, etc.) exige des pics de puissance de calcul intenses et de courte durée. Cette charge de travail est parfaitement adaptée au modèle de cluster à la demande GPUaaS, permettant aux équipes de déployer instantanément une infrastructure pour une phase d'optimisation et de la désactiver sans investissements de plusieurs millions.

Le passage de la pénurie de puces aux contraintes d'alimentation et d'infrastructure sur le marché du GPU-as-a-Service (Neocloud) : un défi
majeur. Il est intéressant de noter qu'à la mi-2026, la panique initiale liée à la disponibilité physique des puces GPU a commencé à s'estomper, laissant place à de graves problèmes d'alimentation, de réseau et de refroidissement. L'étude VentureBeat sur l'infrastructure d'IA du premier trimestre 2026 a constaté que les préoccupations des entreprises concernant l'accès direct aux GPU ont chuté de 20,8 % à 15,4 % en un seul trimestre. Le nouveau moteur de la demande est l'infrastructure globale. Les entreprises constatent que le branchement de coûteux GPU Blackwell B200 ou GB200 sur des réseaux électriques sous-dimensionnés ou des réseaux Ethernet saturés entraîne des taux d'utilisation catastrophiques, laissant souvent les GPU inactifs.

Cette prise de conscience engendre une demande massive des entreprises pour des Neoclouds « économes en énergie ». Des fournisseurs comme Crusoe Energy – qui a obtenu un prêt de 750 millions de dollars auprès de Brookfield pour transformer le gaz naturel inexploité en puissance de calcul pour l'IA – et l'australien Firmus (qui utilise l'hydroélectricité renouvelable et un système de refroidissement liquide avancé pour atteindre une efficacité énergétique quasi parfaite de 1,02) conquièrent d'importantes parts de marché. Les développeurs d'IA modernes n'achètent plus seulement des puces ; ils acquièrent l'accès à des « usines d'IA vertes » spécialement conçues, capables de faire fonctionner des clusters haute densité à pleine capacité sans limitation thermique ni perturbation des réseaux électriques régionaux.

Où se trouvent les marges cachées et les arbitrages de prix dans le calcul IA ?

L'optimisation des coûts à l'ère de l'IA générative exige un examen rigoureux des primes des hyperscalers. Actuellement, un arbitrage tarifaire important et indéniable caractérise le marché du GPU-as-a-service (néocloud), où la location de puces haut de gamme est nettement moins coûteuse que dans les environnements AWS ou Azure. 

Alors que les clouds traditionnels peuvent facturer jusqu'à 12,29 $ de l'heure pour une instance H100 à la demande, les néoclouds proposent généralement la même infrastructure pour environ 1,80 $ à 6,16 $ de l'heure. Pour les équipes d'ingénierie d'entreprise utilisant un seul nœud à huit GPU, l'écart de prix mensuel peut dépasser 53 000 $.

Tirez parti de l'arbitrage Neocloud Zero Egress pour maximiser le retour sur investissement de calcul

L'élimination stratégique des frais de sortie punitifs par les acteurs du marché du GPU-as-a-service (néocloud) constitue un atout concurrentiel majeur. Le transfert de volumes massifs de données fondamentales entre environnements traditionnels engendre des pénalités cachées exorbitantes – dépassant parfois 45 000 $ pour un transfert de 500 To – tandis que les néoclouds utilisent des modèles de données à tarif fixe ou nul pour faciliter une migration fluide des flux de travail. Malgré des prix nettement inférieurs à ceux des hyperscalers, ces fournisseurs maintiennent des marges brutes robustes d'environ 50 % en tirant parti des fluctuations du marché spot pour monétiser le matériel inactif. Les DSI doivent impérativement exploiter cette flexibilité tarifaire. La mise en place d'une stratégie de calcul hybride s'appuyant directement sur les modèles de tarification locaux et hautement compétitifs du marché du GPU-as-a-service (néocloud) garantit un retour sur investissement maximal, tant pour les tâches d'entraînement persistantes que pour les charges de travail de R&D hautement interruptibles.

Pourquoi la transition de l'entraînement à l'inférence impose-t-elle une scission stratégique sur le marché du GPU-as-a-Service (Neocloud) ?

Un changement structurel historique s'est produit récemment : le calcul d'inférence continu et en temps réel a officiellement supplanté la formation ponctuelle en R&D comme principale source de demande de capacité dans les centres de données du monde entier. Cette transition des abonnements SaaS statiques, basés sur le nombre d'utilisateurs, vers une « tokenomics » à l'usage redéfinit fondamentalement le modèle économique du marché. 

Considérer l'inférence et l'entraînement comme des charges de travail opérationnelles identiques est désormais un piège mortel en termes d'utilisation ; les équipes d'IA d'entreprise déployant l'inférence sur des puces de niveau entraînement constatent régulièrement que le matériel reste inactif à seulement 3 % d'utilisation entre les pics de requêtes utilisateur.

Optimisez le retour sur investissement de vos calculs en tirant parti des fabriques de jetons d'inférence déflationnistes de Neocloud

L'entraînement nécessite une synchronisation globale entre des régions éloignées où l'énergie est bon marché et abondante. L'inférence, en revanche, exige une capacité de traitement des pics de charge et une forte concurrence, hébergées dans des centres de données urbains de pointe, afin de respecter des accords de niveau de service (SLA) stricts en matière de latence. On observe actuellement l'essor rapide de clouds dédiés à l'inférence — optimisés exclusivement pour la production de jetons — qui fragmentent le marché plus vaste du GPU-as-a-service (néocloud). 

Grâce au traitement par lots dynamique et aux algorithmes avancés de mise en cache clé-valeur, le coût de déploiement des modèles fondamentaux a chuté de façon spectaculaire, entraînant une baisse des coûts d'inférence. Pour les entreprises évaluant le coût total de possession (TCO) de leurs ressources de calcul, l'intégration native de la distribution d'API en temps réel via le marché du GPU en tant que service (néocloud) surpasse les infrastructures matérielles sur site, à condition que l'utilisation continue soit gérée efficacement et provisionnée dynamiquement.

Comment les contraintes énergétiques à l'échelle du gigawatt et les impératifs de durabilité influenceront-ils les nouveaux développements ?

La réalité physique de l'intelligence artificielle repose fondamentalement sur des défis énergétiques et de refroidissement de pointe. L'important volume d'investissements nécessaire à la construction des centres de données de nouvelle génération a engendré une hyperinflation des coûts de construction — atteignant en moyenne 100 milliards de dollars pour une installation IA de 1 gigawatt pleinement opérationnelle — alors même que le segment haut de gamme du marché du GPU-as-a-service (néocloud) continue de surpasser les capacités énergétiques des infrastructures informatiques à l'échelle du gigawatt. 

classique des centres de données est officiellement obsolète. La densité de puissance sans précédent d'architectures comme Blackwell, qui génère jusqu'à quatre fois plus de chaleur par rack, a imposé à l'ensemble du secteur une transition incontournable vers le refroidissement liquide en circuit fermé.

Tirer parti de la densité de refroidissement extrême de Neocloud pour maximiser le retour sur investissement de l'infrastructure souveraine

Grâce à l'utilisation de plaques froides directement sur la puce et d'unités de distribution de liquide de refroidissement (CDU) de classe mégawatt, les néoclouds conçoivent des infrastructures ultra-denses consommant jusqu'à 200 kW par rack. Cette densité extrême permet aux leaders du marché du GPU-as-a-service (néocloud) d'atteindre un PUE (Power Usage Effectiveness) quasi parfait, se maintenant de manière optimale entre 1,02 et 1,03. 

De plus, les mandats souverains en matière de capacité imposent des expansions mondiales, soutenues par des baux immobiliers de qualité, conçus spécifiquement pour les opérations de néocloud par des promoteurs sur mesure.

Marché du GPU en tant que service (Neocloud) : contraintes et analyse d’impact (2026-2035)

Analyse concurrentielle : Les 5 principaux acteurs qui dominent le marché du GPU-as-a-Service (Neocloud)

1. CoreWeave: En tant que « néocloud » spécialisé en IA, CoreWeave s'appuie sur une infrastructure massive et dédiée, composée de GPU NVIDIA haut de gamme. Son partenariat étroit avec NVIDIA et son architecture entièrement axée sur l'IA lui permettent d'offrir une évolutivité, une rentabilité et des performances réseau inégalées pour les charges de travail intensives.
2. Lambda Labs: Pionnière du cloud spécialisé GPU, Lambda propose des instances GPU bare metal à un coût très avantageux. Son expérience de développement simplifiée et ses tarifs compétitifs en font le choix privilégié des chercheurs en IA et des startups en apprentissage automatique.
3. Microsoft Azure : La position dominante d’Azure repose sur son partenariat exclusif avec OpenAI et son infrastructure mondiale étendue. La plateforme propose des clusters de supercalculateurs GPU de niveau entreprise, hautement interconnectés et optimisés pour l’entraînement massif de modèles de langage et l’inférence à grande échelle.
4. Amazon Web Services (AWS): AWS se distingue par son envergure, sa fiabilité et sa flexibilité. La plateforme propose une vaste gamme d'instances NVIDIA ainsi que ses accélérateurs d'IA propriétaires et économiques (Trainium et Inferentia), répondant ainsi aux besoins de toutes les entreprises.
5. Google Cloud : Google associe des GPU NVIDIA de pointe à ses unités de traitement tensoriel (TPU) propriétaires, extrêmement performantes. Sa position dominante est consolidée par une intégration poussée avec l’écosystème Vertex AI, attirant ainsi les entreprises à la recherche de plateformes de développement d’IA robustes et complètes.

Analyse segmentaire du marché du GPU-as-a-Service (Neocloud)

Par contrat : la demande domine le marché

Les contrats à la demande ont généré la part de marché la plus importante en 2026, sous l'effet de la forte volatilité des besoins en calcul. Les startups et les laboratoires d'IA d'entreprise privilégient le paiement à l'usage pour limiter les risques financiers liés aux engagements à long terme, dans un contexte d'évolution rapide du matériel. Cette flexibilité d'approvisionnement permet une mise à l'échelle immédiate lors des phases intensives d'optimisation des hyperparamètres, sans investissement initial irrécupérable. Par conséquent, les principaux fournisseurs d'infrastructure ont considérablement augmenté la disponibilité de leurs instances spot pour répondre à cette demande fluctuante.

• Gère plus de 65 % du volume transactionnel total grâce à ses capacités de déploiement rapide.
• Élimine les investissements initiaux moyens de 5 millions de dollars en matériel pour les startups d'IA de taille moyenne.
• Facilite les scénarios de calcul en rafale, réduisant jusqu'à 40 % les coûts d'infrastructure inactive.
• Accélère la mise sur le marché des prototypes d'IA générative en contournant les cycles d'approvisionnement en matériel de 12 mois.

En termes de charge de travail : la formation de modèles a dominé le marché

L'entraînement des modèles est resté le principal moteur de consommation sur le marché du GPU-as-a-service (néocloud) tout au long de 2025 et 2026. La prolifération des architectures multimodales et des modèles fondamentaux à mille milliards de paramètres exige une puissance de traitement parallèle sans précédent, rendant les clusters sur site économiquement non viables. 

Cette phase de calcul intensif nécessite des environnements de supercalcul interconnectés, que les néoclouds offrent exclusivement grâce à l'infrastructure Infiniband. Par conséquent, les charges de travail d'entraînement génèrent les marges les plus élevées et les taux d'utilisation soutenus les plus longs pour les fournisseurs d'infrastructure.

• Cela représente près de 70 % des heures de calcul consommées à l'échelle mondiale.
• Pilote les déploiements de nœuds en cluster, avec une valeur contractuelle annualisée moyenne de 15 millions de dollars américains.
• Nécessite des interconnexions à large bande passante supérieures à 400 Gbit/s, exclusivement évolutives au sein d'architectures néocloud.
• Maintient un taux d'utilisation du GPU de 95 % sur des cycles d'entraînement continus du modèle de base de 6 mois.

Par Accelerator : Les GPU NVIDIA dominent le marché du GPU-as-a-Service (Neocloud)

En 2025, les GPU NVIDIA ont monopolisé l'infrastructure matérielle du marché du GPU-as-a-service (néocloud), grâce notamment à l'écosystème logiciel CUDA omniprésent. Le déploiement des architectures H100, H200 et des premières versions B200 de Blackwell a constitué un avantage concurrentiel insurmontable. 

Les fournisseurs de cloud privilégient les puces NVIDIA pour garantir l'interopérabilité des charges de travail des développeurs et assurer des taux d'occupation maximaux. Cette dépendance à l'écosystème NVIDIA relègue les accélérateurs alternatifs au rang d'outils expérimentaux, faisant de NVIDIA la référence incontournable en matière de calculs pour l'IA.

• Détient plus de 85 % de parts de marché dans les déploiements d'accélérateurs basés sur le cloud.
• Génère une prime de 3 fois sur les tarifs de location horaires par rapport aux autres puces.
• La compatibilité CUDA est imposée à 98 % des frameworks logiciels d'IA open source les plus répandus.
• Les précommandes de Blackwell Architecture ont consommé 100 % de sa capacité disponible jusqu'au troisième trimestre 2026.

Par utilisateur final : Position de premier plan des développeurs de modèles d’IA sur le marché du GPU-as-a-Service (Neocloud)

Les développeurs de modèles d'IA représentaient le segment d'utilisateurs finaux le plus lucratif, alimentant l'expansion du marché du GPU-as-a-service (néocloud). Ce groupe comprend les concepteurs de modèles fondamentaux et les experts en optimisation de modèles linéaires à grande échelle (LLM) qui nécessitent un accès direct à la puissance de calcul brute. Leur forte demande en instances bare metal et en topologies réseau personnalisées influence directement les feuilles de route de l'infrastructure néocloud. 

En s'affranchissant des frais généraux liés aux plateformes des hyperscalers traditionnels, ces développeurs atteignent des performances et un rapport prix/performance supérieurs, consolidant ainsi leur statut de principaux catalyseurs de revenus.

• Contribue à hauteur de 60 % aux flux de revenus récurrents des fournisseurs de premier plan.
• Déploie des clusters de taille moyenne dépassant 512 GPU pour des itérations de développement continues.
• Privilégie l'accès direct au matériel, offrant un débit supérieur de 20 % à celui des environnements virtualisés.
• Obtient un financement en capital-risque d'environ 50 millions de dollars américains, immédiatement investi dans des acquisitions informatiques.

 Pour en savoir plus sur cette recherche :  demandez un échantillon gratuit 

Analyse régionale du marché du GPU-as-a-Service (Neocloud)

L'Amérique du Nord était le principal marché régional

L'Amérique du Nord a conservé son hégémonie absolue en tant que principal segment régional du marché tout au long de l'année 2026. Cette position dominante repose principalement sur les États-Unis, qui représentent plus de 75 % des revenus régionaux. L'écosystème américain bénéficie d'une concentration sans précédent de développeurs de modèles d'IA fondamentaux, de fournisseurs de services cloud de premier plan et de pionniers spécialisés dans les infrastructures bare-metal. 

De plus, les investissements en capital-risque dépassant 40 milliards de dollars américains, spécifiquement destinés aux jeunes entreprises d'IA générative dans des pôles technologiques comme la Silicon Valley, se traduisent directement par des acquisitions massives de puissance de calcul. Le Canada joue également un rôle crucial dans cette croissance, contribuant de manière significative grâce à ses pôles de recherche en apprentissage profond à Toronto et à Montréal, qui exigent une infrastructure à haute densité. L'expansion rapide des centres de données locaux, fortement subventionnée par les retombées des initiatives technologiques fédérales, garantit un accès à faible latence aux architectures H200 et Blackwell. 

Par conséquent, le marché régional du GPU en tant que service (néocloud) bénéficie d'allocations de puces précoces et de partenariats solides avec NVIDIA. En s'assurant l'infrastructure informatique la plus avancée, l'Amérique du Nord dicte la trajectoire mondiale du développement de l'IA d'entreprise, se forgeant ainsi un avantage concurrentiel considérable.

Expansion accélérée de la région Asie-Pacifique sur le marché du GPU-as-a-Service (Neocloud)

La région Asie-Pacifique a enregistré le taux de croissance annuel composé le plus élevé du marché en 2026, porté par une numérisation fulgurante et des impératifs souverains urgents en matière d'IA. Les gouvernements de la région subventionnent massivement des clusters de supercalculateurs locaux afin de prévenir l'exfiltration de données et de réduire la dépendance à l'égard des architectures cloud occidentales. L'Inde et le Japon se sont révélés être les principaux moteurs de cette expansion régionale. L'Inde s'appuie sur son vaste écosystème de développeurs et sur un programme gouvernemental d'IA doté d'un milliard de dollars pour développer rapidement ses propres infrastructures de calcul destinées à l'entraînement de modèles indigènes. 

Parallèlement, le Japon accélère le marché régional du GPU-as-a-service (néocloud) grâce à des conglomérats d'entreprises qui investissent massivement dans des modèles de langage souverains de grande taille, adaptés à la linguistique complexe et à la robotique avancée. 

De plus, Singapour joue un rôle central dans la fourniture de centres de données stratégiques, répondant aux besoins des entreprises d'Asie du Sud-Est grâce à une infrastructure bare metal de pointe. La Chine demeure un important contributeur, optimisant l'utilisation des semi-conducteurs disponibles malgré les restrictions commerciales afin de stimuler le développement localisé de l'IA industrielle. Cette approche décentralisée et fortement subventionnée garantit que la région Asie-Pacifique continuera de surpasser les indicateurs de croissance mondiaux, passant rapidement du statut de simple consommatrice de ressources cloud à celui d'architecte clé d'infrastructures d'IA spécialisées.

Les 4 principaux développements récents du marché du GPU-as-a-Service (Neocloud)

1. Accord QumulusAI–DRW Blackwell B300 (11 août 2026) : QumulusAI a signé un accord GPUaaS avec DRW pour fournir un cluster NVIDIA Blackwell B300 dédié depuis ses centres de données américains, renouvelable annuellement jusqu’à quatre ans.
2. Déploiements de GPU multi-contrats de WhiteFiber (12 août 2026) : WhiteFiber a annoncé plusieurs contrats GPUaaS importants, dont un 165 millions de dollars avec Base 10 pour 1 392 GPU NVIDIA B300 à partir de novembre 2026, et un accord de 108 millions de dollars avec Prime Intellect pour 576 GPU Rubin 200 d’ici le deuxième trimestre 2027.
3. Investissement de 35 millions de dollars de Digi Power X dans Vera Rubin (3 juin 2026) : Digi Power X s’est engagé 35 millions de dollars dans l’acquisition de la plateforme Vera Rubin de NVIDIA afin de développer son activité NeoCloudz GPUaaS, avec pour objectif une capacité de 10 MW de GPUaaS d’ici 2027.
4. Lancement de l'offre GPUaaS de Claro au Brésil (9 juin 2026) : Claro a lancé son offre GPU-as-a-Service lors du Web Summit Rio, permettant aux startups et entreprises brésiliennes d'accéder à une capacité GPU fractionnée haute performance pour le développement de modèles d'IA.

Principales entreprises du marché du GPU-as-a-Service (Neocloud)

• CoreWeave
• Nébie
• Énergie Crusoe
• Lambda
• L'IA de l'ensemble
• Échelle N
• FluidStack
• Numérique appliqué
• IREN
• Vast.ai
• Scaleway
• Services de données Yotta
• Firmus
• DataCrunch
• Parc voltaïque
• Autres joueurs importants

Aperçu de la segmentation du marché

Par modèle de service

• GPU Bare-Metal
• Clusters Kubernetes/Slurm gérés
• Inférence en tant que service, GPU sans serveur

Par type de contrat

• Contrat à long terme d'achat ferme
• Sur demande
• Spot/Préemptible

Par charge de travail

• Formation sur modèle
• Réglage fin
• Inférence
• Rendu et simulation

Par accélérateur

• GPU NVIDIA
• GPU AMD
• ASIC/TPU personnalisés

Par l'utilisateur final

• Développeurs de modèles d'IA
• Hyperscalers (Acquisition de capacité)
• Entreprises
• Recherche et gouvernement

Par région

• Amérique du Nord
  • Les États-Unis.
  • Canada
  • Mexique
• Europe
  • Europe occidentale
    • Le Royaume-Uni
    • Allemagne
    • France
    • Italie
    • Espagne
    • Le reste de l'Europe occidentale
  • Europe de l'Est
    • Pologne
    • Russie
    • Le reste de l'Europe de l'Est
• Asie-Pacifique
  • Chine
  • Inde
  • Japon
  • Australie et Nouvelle-Zélande
  • Corée du Sud
  • ASEAN
  • Reste de l'Asie-Pacifique
• Moyen-Orient et Afrique (MEA)
  • Arabie Saoudite
  • Afrique du Sud
  • Émirats arabes unis
  • Reste du Moyen-Orient
• Amérique du Sud
  • Argentine
  • Brésil
  • Le reste de l'Amérique du Sud