Runpod loue de la puissance GPU sous trois formes — Pods persistants, points de terminaison Serverless facturés zéro à l'arrêt et Clusters multinœuds — sur plus de 30 modèles de GPU, à la seconde et sans engagement.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Runpod est un cloud GPU destiné aux développeurs qui ont besoin de calcul accéléré sans acheter de matériel ni signer de contrat d'entreprise. Il se présente comme le cloud des développeurs IA, ce qui prend concrètement la forme de trois lignes de produits partageant le même catalogue de GPU sous un seul compte : les Pods, instances GPU pour le calcul persistant et le développement ; le Serverless, qui fournit des points de terminaison GPU à mise à l'échelle automatique retombant à zéro à l'arrêt ; et les Clusters, calcul distribué multi-GPU pour l'entraînement et l'inférence par lots. Les trois sont accessibles à la demande, sans contrat ni engagement minimal, et l'objectif affiché est de passer de l'expérimentation à la production sans changer de plateforme entre les étapes.
L'origine de l'entreprise éclaire beaucoup son public. Deux anciens développeurs de Comcast, Zhen Lu et Pardeep Singh, ont converti fin 2021 des machines de minage de cryptomonnaie installées dans des sous-sols du New Jersey en serveurs d'IA, motivés — selon les mots de Lu — par le constat que « l'expérience réelle du développement logiciel sur GPU était tout simplement lamentable ». Début 2022, ils publiaient sur des subreddits consacrés à l'IA une offre d'accès GPU gratuit en échange de retours ; neuf mois après le lancement, ils quittaient leur emploi et atteignaient un million de dollars de revenus. Cette origine communautaire et centrée sur les développeurs se lit encore dans le produit, y compris dans la façon dont une partie de sa capacité est fournie.
L'échelle atteinte depuis est considérable et mérite d'être datée, car les chiffres évoluent vite. TechCrunch rapportait en janvier 2026 que Runpod avait atteint 120 millions de dollars de revenus récurrents annuels avec 500 000 clients développeurs répartis sur 31 régions, après avoir dépassé 24 millions de dollars de revenus en autofinancement avant tout capital institutionnel. Lors de l'annonce de sa série A en juin 2026 — 100 millions de dollars menés par Summit Partners pour une valorisation d'un milliard, portant le financement total à 122 millions après une levée d'amorçage de 20 millions co-menée par Intel Capital et Dell Technologies Capital en mai 2024 — le nombre de développeurs était annoncé à plus d'un million, pour plus de 20 milliards de requêtes d'inférence traitées depuis le lancement. Parmi les clients cités figurent Replit, Cursor, OpenAI, Perplexity, Wix et Zillow.
Runpod s'utilise via un tableau de bord web, une interface en ligne de commande et des API REST, la documentation couvrant les API v1 et v2 aux côtés des références modèles et CLI. L'unité de déploiement est le conteneur Docker, ce qui signifie que votre framework, vos dépendances et votre code vous accompagnent — la position affichée est « vos conteneurs, votre framework, votre code » plutôt qu'un environnement d'exécution imposé.
L'infrastructure couvre 31 régions et plus de 30 modèles de GPU, répartis en deux classes distinctes. Community Cloud tire sa capacité d'hôtes tiers vérifiés selon un arrangement pair à pair, où les pods partagent une machine hôte avec une isolation logicielle par conteneur. Secure Cloud fonctionne dans des centres de données de niveau 3 et 4 avec machines et GPU dédiés, de meilleurs SLA et des volumes réseau persistants sur NVMe. Les deux figurent côte à côte dans le tableau tarifaire pour les mêmes modèles, et arbitrer entre elles relève autant de la fiabilité et de l'isolation que du coût.
Côté intégration, les points de terminaison Serverless sont des API HTTP : vous soumettez des tâches, interrogez leur état et récupérez les résultats, ou utilisez des appels synchrones pour les traitements courts. Les points de terminaison à répartition de charge vous laissent apporter votre propre framework HTTP et définir vos routes. Journaux, supervision et métriques en temps réel sont fournis sans instrumentation supplémentaire, et le paquet Runpod skills étend le déploiement et la gestion des ressources aux agents de codage, dont Claude Code et Cursor.
Runpod facture à l'heure ou à la seconde, sans paliers d'abonnement : vous payez le calcul consommé, et la page tarifaire portait la mention d'une dernière mise à jour au 27 juillet 2026.
Les Pods sont tarifés par modèle de GPU. Dans le haut de gamme, le B300 est à 7,89 $/h, le B200 à 6,79 $/h, le H200 à 4,59 $/h, le H100 SXM à 3,29 $/h, le H100 PCIe à 2,89 $/h et le H100 NVL à 3,19 $/h. Au milieu, l'A100 SXM est à 1,59 $/h, l'A100 PCIe à 1,39 $/h, le RTX Pro 6000 à 2,09 $/h, le L40S à 0,99 $/h et le RTX 6000 Ada à 0,84 $/h. En entrée, le RTX 4090 est à 0,74 $/h, le RTX 3090 à 0,50 $/h, le L4 à 0,49 $/h, l'A40 à 0,44 $/h et le RTX A5000 à 0,27 $/h. Le même tableau présente les deux classes d'infrastructure en colonnes distinctes, si bien que le prix effectif dépend de celle que vous retenez.
Le Serverless est tarifé à part et reste systématiquement plus cher à l'heure que le Pod équivalent, fait tarifaire le plus important à intégrer : le H100 est à 4,79 $/h en Serverless contre 3,29 $/h en Pod, l'A100 à 2,72 $ contre 1,59 $, et le RTX 4090 à 1,10 $ contre 0,74 $. Le palier 16 Go est à 0,58 $/h et le palier partagé 24 Go à 0,69 $/h. Runpod annonce 25 % d'économie sur les workers flex par rapport aux autres fournisseurs serverless. Ce supplément achète la mise à l'échelle automatique et l'absence de coût à vide : justifié pour un trafic irrégulier, gaspillé sur une charge stable.
Les Clusters ne publient que deux tarifs à la demande — H200 SXM à 4,31 $/h et A100 SXM à 1,79 $/h — les L40S, H100 SXM et B200 renvoyant au service commercial. Les Reserved Clusters n'affichent aucun prix public, quelle que soit la durée : toutes les cases sur 1, 3, 6, 12 mois et au-delà indiquent de contacter le service commercial.
Le stockage se facture indépendamment : disque conteneur à 0,10 $/Go/mois ; disque volume à 0,10 $/Go/mois en fonctionnement et 0,20 $/Go/mois à l'arrêt ; stockage réseau à 0,07 $/Go/mois sous 1 To, 0,05 $/Go/mois au-delà, et 0,14 $/Go/mois pour le palier haute performance. Les Public Endpoints se facturent à l'appel, avec de fortes variations selon le modèle.
Une réserve sur les prix publiés : la section langage des Public Endpoints affiche Deep Cogito v2 Llama 70B à 0,00001 $ le million de jetons quand, dans la même section, Qwen3 32B AWQ est à 10,00 $ et IBM Granite 4.0 H Small à 1,00 $. Un écart d'un facteur million dans un même tableau suggère fortement une erreur de page plutôt qu'un tarif réel, et le fait est rapporté tel quel. Runpod indique par ailleurs faire bouger ses prix pour préserver la disponibilité des GPU : traitez donc chaque chiffre comme un instantané et vérifiez sur la page en ligne.
La comparaison dépend du côté de Runpod que vous pesez. Face aux grands fournisseurs — AWS, Azure, GCP — l'échange porte sur la friction d'achat et le prix contre la profondeur de l'écosystème et les contrats d'entreprise ; Runpod revendique des coûts de calcul jusqu'à 90 % inférieurs et l'absence de frais de sortie, quand les autres proposent des services intégrés que Runpod ne cherche pas à offrir. Face aux clouds GPU spécialisés IA comme CoreWeave et Lambda, l'échelle de capacité et la contractualisation d'entreprise penchent vers les acteurs plus grands, tandis que Runpod se bat sur l'accès en libre-service et l'étendue des modèles de GPU. Face aux spécialistes de l'inférence serverless dont Modal, Replicate, Baseten et Together, la comparaison se joue sur le démarrage à froid, l'expérience développeur et la forme de la tarification, et les tests indépendants montrent que le classement varie selon la taille du modèle plutôt qu'une domination d'une seule plateforme. Face à la location GPU de type place de marché comme Vast.ai, le Community Cloud de Runpod occupe un terrain voisin, tandis que Secure Cloud ajoute une option de niveau centre de données que les places de marché pures n'offrent généralement pas. L'évaluation pratique consiste à mesurer votre modèle réel sur deux ou trois de ces plateformes, car les chiffres publiés survivent rarement au contact d'une charge précise.
L'annonce d'un démarrage à froid sous 200 ms doit être assortie de ses conditions. La page d'accueil de Runpod l'affiche grâce à FlashBoot. Sa propre documentation est plus précise : un démarrage à froid englobe le lancement du conteneur, le chargement des modèles en mémoire GPU et l'initialisation de l'environnement, et elle note explicitement que les modèles plus volumineux mettent plus de temps à charger, allongeant d'autant le démarrage. Des tests indépendants sur Qwen Image fp16 exigeant 56 Go de mémoire vidéo ont mesuré environ 120 à 160 secondes de démarrage à froid total contre 30 à 40 secondes de génération réelle, soit un surcoût de trois à quatre fois. Ce n'est pas contradictoire : le chiffre marketing décrit un chemin chaud avec modèle en cache, la mesure décrit un gros modèle partant de rien. Mais qui ne lit que la page d'accueil dimensionnera mal son budget de latence. À noter également que l'auteur de ce test indique que sa propre plateforme figurait parmi les comparées.
Les notes indépendantes sont moyennes et très polarisées. Runpod obtient 3,7 sur 5 sur Trustpilot pour 302 avis, dont 156 sur les douze derniers mois. La distribution est le point frappant : 65 % de cinq étoiles et 19 % d'une étoile, avec très peu entre les deux. Cette forme bimodale suggère des expériences qui divergent nettement plutôt qu'elles ne se regroupent autour du correct. Le profil est signalé comme sollicitant des avis auprès des clients, ce qui introduit un biais de sélection à prendre en compte.
Les plaintes opérationnelles récurrentes sont précises et cohérentes. Des utilisateurs rapportent qu'épuiser le crédit du compte entraîne la suppression des pods plutôt que leur simple arrêt, imposant une reconstruction complète. D'autres décrivent des périodes de forte pénurie de GPU, une facturation ne correspondant pas aux spécifications livrées — un avis évoque avoir payé 1 To de mémoire pour n'en recevoir que 300 Go — et la réception de machines au NVSwitch défaillant, aux GPU verrouillés, à la mémoire manquante ou aux disques non montés, qu'un évaluateur qualifie de roulette. D'autres agrégations font état de pods mettant jusqu'à 30 minutes à démarrer ou échouant à s'initialiser tout en étant facturés, et d'un support allant du réactif au parfaitement silencieux.
Un litige de facturation non résolu mérite d'être connu. Un évaluateur affirme n'avoir jamais été client de Runpod, que son moyen de paiement a servi à ouvrir un compte générant 810 dollars de débits non autorisés en deux semaines, et que Runpod a banni ce compte pour accès par un tiers tout en refusant le remboursement au motif qu'aucune preuve d'accès tiers n'avait été trouvée. Il s'agit du récit d'un seul utilisateur, rapporté comme tel et non comme un fait établi.
Les deux classes d'infrastructure ne sont pas interchangeables. Community Cloud tire sa capacité d'hôtes tiers vérifiés, les pods partageant une machine avec une isolation limitée au conteneur et une fiabilité variable selon l'hôte. Secure Cloud fournit du matériel dédié en centres de données de niveau 3 et 4. La documentation de Runpod recommande Secure Cloud pour les charges sensibles. Une bonne part de la divergence des expériences tient probablement à ce choix, et des tableaux qui affichent les deux colonnes côte à côte facilitent une sélection sur le seul prix sans mesurer ce qui est abandonné.
La conformité est conditionnelle plutôt que générale. Runpod a obtenu SOC 2 Type 2, et son Trust Center répertorie SOC 2 Type 2, SOC 3, HIPAA, RGPD et une lettre de transition 2026, certains documents nécessitant une autorisation d'accès. Mais la page de conformité indique clairement que la couverture peut varier selon la charge, la région, le fournisseur et le mode de déploiement, et conseille de confirmer les exigences précises lors de la revue de sécurité. Elle note en outre que rapports, certifications et couverture partenaire peuvent évoluer. Une certification au niveau de l'entreprise est donc un point de départ de la diligence, pas une conclusion.
Le site donne deux chiffres de disponibilité différents. La section entreprise de la page d'accueil annonce 99,9 % de disponibilité quand la FAQ de la même page évoque une garantie de 99,99 %. Runpod n'a publié aucune explication, et les deux sont rapportés tels quels.
Au moins un prix publié semble erroné. Deep Cogito v2 Llama 70B est affiché à 0,00001 $ le million de jetons dans une section où des modèles comparables sont à 1,00 $ et 10,00 $. Il s'agit presque certainement d'une erreur de page, et aucune hypothèse n'est formulée ici sur le chiffre correct.
Le Serverless coûte plus cher par heure-GPU que les Pods. C'est un choix de conception et non un défaut, mais cela surprend les équipes qui supposent le serverless automatiquement moins cher. Pour une charge stable et prévisible, un Pod revient nettement moins cher ; le Serverless ne justifie son supplément que lorsque le temps d'inactivité est substantiel.
Les points de terminaison à répartition de charge échangent la file d'attente contre la souplesse. Ils permettent d'apporter votre framework HTTP mais n'offrent aucune mise en file d'attente des requêtes en attente, contrairement aux points standard. Sous charge soudaine, cette différence détermine si les requêtes excédentaires patientent ou échouent.
Les chiffres rapportés viennent avec leurs dates. Le nombre de développeurs était de 500 000 en janvier 2026 et de plus d'un million en juin 2026 ; les deux sont cités avec leur date plutôt que réconciliés. Chiffres d'échelle, taux de succès de déploiement et taux de rétention sont déclarés par l'entreprise et non audités indépendamment, tout comme les économies rapportées par les clients, telle une réduction de 90 % de la facture d'infrastructure.
Les Pods sont des instances GPU pour le calcul persistant et le développement, disponibles en Reserved garanti ou en Spot interruptible et moins cher. Le Serverless fournit des points de terminaison GPU à mise à l'échelle automatique qui retombent à zéro à l'arrêt et ne facturent rien hors exécution. Les Clusters fournissent du calcul distribué multi-GPU pour l'entraînement et l'inférence par gros lots, jusqu'à 64 GPU à la demande et davantage en réservé. Les trois partagent le même catalogue sous un seul compte, le parcours prévu étant de les utiliser à différentes étapes sans changer de plateforme.
Il décrit une condition précise et non tous les cas. FlashBoot, avec un modèle en cache sur un chemin chaud, peut effectivement atteindre cette vitesse. La documentation de Runpod rappelle que le démarrage à froid comprend le lancement du conteneur, le chargement du modèle en mémoire GPU et l'initialisation de l'environnement, et que les modèles plus gros prennent plus de temps. Des tests indépendants sur un modèle d'image de 56 Go de mémoire vidéo ont mesuré 120 à 160 secondes de démarrage contre 30 à 40 secondes de génération. Mesurez avec votre propre modèle plutôt que de planifier autour du chiffre d'accroche.
Trois leviers, selon la documentation. Mettez votre modèle en cache — intégrez les poids à l'image du worker ou conservez-les sur un volume réseau pour ne pas les télécharger au moment de la requête. Activez FlashBoot. Et fixez un nombre de workers actifs supérieur à zéro, ce qui supprime le démarrage à froid de la première requête mais renonce aux économies du retour à zéro. Ce troisième point est un arbitrage direct entre coût et latence, à trancher selon que votre trafic est irrégulier ou régulier.
Community Cloud s'approvisionne en GPU auprès d'hôtes tiers vérifiés selon un arrangement pair à pair ; les pods partagent une machine avec une isolation logicielle par conteneur, les prix sont plus bas et la fiabilité varie selon l'hôte. Secure Cloud fonctionne en centres de données de niveau 3 et 4 avec machines et GPU dédiés, de meilleurs SLA et des volumes réseau persistants sur NVMe. La documentation de Runpod recommande Secure Cloud pour les charges sensibles, et c'est également le choix par défaut approprié pour la fiabilité en production.
Les Pods se facturent à l'heure selon le modèle : par exemple B300 à 7,89 $, H200 à 4,59 $, H100 SXM à 3,29 $, A100 SXM à 1,59 $, L40S à 0,99 $, RTX 4090 à 0,74 $ et RTX A5000 à 0,27 $ de l'heure, les deux classes d'infrastructure apparaissant en colonnes distinctes. Le Serverless est tarifé à part et plus cher — H100 à 4,79 $/h, A100 à 2,72 $/h. Le stockage se facture séparément à partir de 0,05 $/Go/mois. Les Clusters ne publient que deux tarifs à la demande, le reste renvoyant au commercial, et les Reserved Clusters n'en publient aucun. Les prix bougent délibérément : vérifiez la page en ligne.
Parce que vous achetez des choses différentes. Un Pod est une capacité dédiée que vous détenez et payez en continu. Un worker Serverless est une capacité qui apparaît à la demande, s'ajuste automatiquement et ne coûte rien à vide — et cette élasticité se paie à l'heure. L'économie penche vers le Serverless quand votre point de terminaison est inactif l'essentiel du temps, et vers les Pods quand la charge est stable. Faire le calcul sur votre cycle d'utilisation réel est plus fiable que l'une ou l'autre hypothèse par défaut.
Oui, sous conditions. Runpod a obtenu SOC 2 Type 2, son Trust Center répertorie des ressources SOC 3, HIPAA et RGPD, Secure Cloud ajoute l'isolation réseau, et la FAQ évoque un SLA de 99,99 % — même si la même page d'accueil indique ailleurs 99,9 %. La réserve essentielle vient de la page de conformité de Runpod : la couverture varie selon la charge, la région, le fournisseur et le mode de déploiement, et doit être confirmée lors de la revue de sécurité. Traitez la certification comme le début de la diligence, non sa conclusion.
Plusieurs avis d'utilisateurs rapportent que les pods sont supprimés et non simplement arrêtés lorsque le crédit est épuisé, vous obligeant à créer un nouveau pod et à reconfigurer vos réglages depuis le début. Comme il s'agit d'un comportement signalé par des utilisateurs aux conséquences réelles sur un travail non sauvegardé, gardez une réserve de crédit, conservez ce qui a de la valeur sur du stockage réseau plutôt que sur le disque local du pod, et surveillez votre solde si vous laissez des pods actifs.
Les signaux indépendants sont mitigés et polarisés. Trustpilot affiche 3,7 sur 5 pour 302 avis, avec 65 % de cinq étoiles et 19 % d'une étoile et peu d'intermédiaire, sur un profil qui sollicite des avis. Les plaintes récurrentes portent sur la pénurie de GPU, des machines aux défauts matériels, une facturation ne correspondant pas aux spécifications livrées, des pods lents à démarrer ou en échec mais facturés, et un support inégal. Cette distribution bimodale s'explique surtout par la séparation Community/Secure Cloud et par les fluctuations d'offre : votre expérience dépend donc largement de l'infrastructure choisie et du modèle de carte recherché.
Face aux grands fournisseurs, Runpod se bat sur le prix — jusqu'à 90 % de coût de calcul en moins, pas de frais de sortie — et sur l'accès en libre-service sans procédure d'achat, en renonçant à l'écosystème de services alentour. Face à CoreWeave et aux clouds IA similaires, les acteurs plus grands mènent sur l'échelle de capacité et la contractualisation, tandis que Runpod mène sur l'étendue des GPU en libre-service. Face à Modal, Replicate et aux autres spécialistes du serverless, les facteurs décisifs sont le comportement au démarrage à froid sur votre modèle, l'expérience développeur et la forme de la tarification, et les tests indépendants ne désignent aucun vainqueur sur toutes les tailles de modèle. Testez avec votre propre charge.
Comment utiliser Runpod