Nvidia portée en Bourse par la demande « insensée » pour ses puces Blackwell

La prochaine bataille de l’intelligence artificielle ne se joue pas seulement dans les laboratoires qui conçoivent des modèles. Elle se joue aussi dans les centres de données, au niveau des puces capables d’entraîner et de faire fonctionner ces systèmes à très grande échelle. C’est sur ce terrain que Nvidia entend conserver son avance avec Blackwell, une nouvelle plateforme dont la demande est, selon son dirigeant Jensen Huang, « insensée ».

La formule a immédiatement retenu l’attention des marchés. L’action Nvidia a progressé de 8,1 %, à 116,86 dollars, soit sa plus forte hausse en six semaines d’après les données évoquées dans le contexte de cette annonce. Cette réaction traduit moins l’effet d’une simple déclaration que les attentes considérables placées dans Blackwell. Les groupes technologiques, les fournisseurs de cloud et de nombreuses entreprises veulent disposer de davantage de puissance de calcul pour développer des assistants, générer du contenu, analyser des données ou concevoir des logiciels avec l’IA.

Au 3 octobre 2024, cette séquence résume le paradoxe de Nvidia. L’entreprise bénéficie d’une position centrale dans l’explosion des investissements liés à l’IA, mais elle doit aussi démontrer qu’elle peut produire et livrer sa nouvelle génération de matériel à la hauteur des commandes attendues.

Blackwell, la nouvelle génération au cœur de l’engouement

Blackwell est le nom de l’architecture de puces annoncée par Nvidia en mars 2024 pour les charges de travail d’intelligence artificielle. Elle succède à la génération Hopper, dont les accélérateurs H100 et H200 se sont imposés comme des équipements très recherchés pour l’entraînement des grands modèles de langage et d’autres systèmes génératifs.

Le terme de « superchip » employé par Nvidia ne désigne pas une puce unique destinée à un ordinateur personnel. Il renvoie à un ensemble matériel conçu pour les serveurs de centres de données. Dans sa déclinaison GB200, Blackwell associe notamment des processeurs graphiques dédiés à l’IA et le processeur Grace de Nvidia. Ces ensembles sont ensuite regroupés en systèmes beaucoup plus vastes, capables de traiter en parallèle d’immenses volumes de calculs.

Cette architecture vise deux usages essentiels :

• l’entraînement, c’est-à-dire la phase pendant laquelle un modèle apprend à partir de vastes jeux de données ;
• l’inférence, c’est-à-dire l’exécution du modèle une fois entraîné, lorsqu’il répond à une question, produit une image, traduit un texte ou réalise une analyse.

Pour les clients de Nvidia, l’enjeu n’est pas seulement d’obtenir un processeur plus rapide. Il s’agit de réduire le temps nécessaire pour faire tourner des modèles coûteux, tout en maîtrisant l’énergie, l’espace et l’exploitation des centres de données. Dans une course où quelques semaines de calcul peuvent séparer le lancement d’un produit de celui d’un concurrent, chaque gain de capacité devient stratégique.

Pourquoi la demande pour les puces IA est-elle si forte ?

L’essor de l’IA générative a profondément modifié les priorités informatiques des grandes entreprises technologiques. Les modèles de langage, les outils de génération d’images, les moteurs de recommandation ou les logiciels d’analyse avancée exigent des infrastructures bien plus puissantes que les applications traditionnelles.

Les fournisseurs de cloud achètent donc des accélérateurs IA pour les louer à leurs clients. Les grandes plateformes numériques les utilisent pour entraîner leurs propres modèles et déployer des fonctions d’IA auprès de centaines de millions d’utilisateurs. Enfin, des entreprises de secteurs plus classiques veulent aussi adapter des modèles à leurs métiers, notamment pour la relation client, la recherche documentaire, la programmation ou la simulation.

Dans ce paysage, Nvidia ne vend pas uniquement des composants. L’entreprise propose également un écosystème logiciel, dont CUDA, qui permet aux développeurs d’exploiter les capacités de calcul de ses GPU. Cette couche logicielle contribue à rendre ses solutions attractives : changer de fournisseur de puces peut nécessiter des adaptations techniques importantes pour une organisation ayant déjà bâti ses outils autour de cet environnement.

La demande annoncée pour Blackwell doit ainsi être lue comme le signal d’investissements massifs dans les infrastructures de données. Elle ne garantit pas, à elle seule, les revenus futurs de Nvidia. Mais elle indique que les clients anticipent une poursuite rapide des besoins en calcul pour l’IA.

Un problème de conception qui a compliqué le calendrier

L’enthousiasme commercial autour de Blackwell a été accompagné d’un contretemps industriel. Nvidia a été confrontée à un problème de conception ayant conduit à une suspension temporaire de la production de la série. Le point essentiel pour les investisseurs et les clients est le calendrier : une puce très demandée ne produit ses effets financiers que si elle peut être fabriquée en volume, intégrée dans des serveurs puis livrée.

Nvidia a indiqué avoir surmonté cette contrainte et prévoit une reprise de la fabrication ainsi qu’une montée en puissance au quatrième trimestre 2024. Cette précision temporelle est déterminante. L’année 2023, parfois mentionnée par erreur dans des reprises antérieures, ne peut évidemment pas correspondre au lancement industriel de Blackwell, l’architecture ayant été annoncée en mars 2024.

La fabrication de puces de pointe implique une chaîne complexe. Au-delà de la conception par Nvidia, elle dépend des capacités de fonderies spécialisées, de l’encapsulation avancée, de la mémoire à haute bande passante, des cartes électroniques, des systèmes de refroidissement et de l’intégration par les fabricants de serveurs. Un retard sur l’un de ces maillons peut décaler les livraisons de systèmes complets.

Ce risque de production explique pourquoi les marchés suivent de près les messages de Nvidia. Les déclarations sur la demande sont encourageantes, mais les investisseurs attendent aussi des informations concrètes sur les volumes expédiés, le rythme de déploiement chez les clients et la capacité du groupe à protéger ses marges.

De la puce au centre de données : ce que Nvidia vend réellement

L’image d’une entreprise qui vend uniquement des cartes graphiques ne suffit plus à décrire Nvidia. Pour les grands projets d’IA, le produit final est souvent une infrastructure entière : des milliers de GPU, des processeurs, des réseaux très rapides, des logiciels et des outils de gestion.

Cette intégration est importante car les performances d’un modèle d’IA ne dépendent pas uniquement de la puissance théorique d’une puce. Elles dépendent aussi de la vitesse de circulation des données entre les processeurs, de la mémoire disponible, de l’efficacité énergétique et du logiciel qui répartit les calculs. Nvidia cherche donc à fournir une plateforme complète, plus difficile à remplacer qu’un composant isolé.

Blackwell s’inscrit également dans le développement de la simulation numérique. Ces outils permettent, par exemple, de modéliser des phénomènes physiques, de tester des scénarios industriels ou de créer des environnements virtuels. L’IA et la simulation peuvent se compléter : l’une aide à exploiter des données ou à générer des hypothèses, l’autre sert à évaluer ces hypothèses dans des cadres numériques complexes.

Accenture, un partenaire pour diffuser l’IA en entreprise

Nvidia cherche aussi à élargir son influence au-delà des seuls géants du cloud. Son partenariat avec Accenture vise à aider les entreprises à déployer plus rapidement des projets d’IA générative. Le rôle d’un cabinet de conseil et de services technologiques est ici central : beaucoup d’organisations disposent de données et de cas d’usage potentiels, mais manquent des compétences, de l’infrastructure ou des méthodes nécessaires pour passer de l’expérimentation à un usage opérationnel.

Cette collaboration répond à une question commerciale majeure pour Nvidia : comment faire en sorte que la demande d’infrastructures IA ne dépende pas uniquement d’un petit nombre de très grands acheteurs ? Si davantage d’entreprises adoptent des applications génératives dans leurs processus, les besoins en calcul et en services associés pourraient se diffuser plus largement.

Cela ne signifie pas que tous les projets trouveront immédiatement leur rentabilité. L’adoption de l’IA exige de définir des usages pertinents, de protéger les données sensibles, de former les équipes et de mesurer les résultats. Mais les alliances avec des intégrateurs comme Accenture peuvent accélérer la transformation de promesses technologiques en déploiements concrets.

Huawei et les autres concurrents montent en puissance

La position de Nvidia attire inévitablement des concurrents. Huawei a présenté sa puce Ascend 910C, conçue pour se positionner face aux processeurs IA de Nvidia. La concurrence est particulièrement importante en Chine, où les restrictions américaines sur certaines exportations de technologies avancées ont encouragé les acteurs locaux à développer des alternatives.

Comparer directement deux puces ne se résume toutefois pas à une fiche technique. Les clients évaluent plusieurs critères : disponibilité réelle des produits, performances selon leurs propres charges de travail, consommation d’énergie, compatibilité logicielle, qualité du support technique et capacité à déployer des milliers de processeurs dans un même centre de données.

Nvidia doit aussi composer avec les puces conçues en interne par certains grands groupes technologiques. Ces composants spécialisés peuvent être optimisés pour des besoins précis, notamment l’inférence de modèles utilisés à très grande échelle. Ils ne font pas nécessairement disparaître le besoin de GPU Nvidia, mais ils peuvent réduire la dépendance de certains clients et peser sur le rapport de force à long terme.

La concurrence peut également venir d’autres fabricants de semi-conducteurs et de jeunes entreprises qui développent des architectures spécifiques à l’IA. Pour conserver son avance, Nvidia doit donc poursuivre l’innovation matérielle, maintenir l’attractivité de son logiciel et livrer suffisamment vite pour répondre à l’appétit du marché.

Ce qu’il faut surveiller au quatrième trimestre 2024

La trajectoire de Nvidia dépendra d’abord de l’exécution industrielle de Blackwell. La confirmation d’une montée en cadence au quatrième trimestre 2024, le niveau des premières livraisons et la vitesse à laquelle les systèmes seront installés chez les clients constitueront les indicateurs les plus scrutés.

Il faudra ensuite observer si les dépenses consacrées à l’IA restent aussi élevées chez les grands clients. Les investissements dans les centres de données peuvent connaître des à-coups : ils dépendent des budgets, de la disponibilité de l’électricité, des capacités de construction et de la preuve que les nouveaux services d’IA génèrent une valeur économique durable.

Enfin, la concurrence devra être regardée sans raccourci. L’arrivée de Huawei et d’autres alternatives ne signifie pas automatiquement un recul de Nvidia. Elle montre en revanche que le marché des accélérateurs IA, aujourd’hui dominé par l’entreprise américaine, devient un enjeu industriel et stratégique mondial. Le succès de Blackwell reposera donc autant sur ses promesses techniques que sur la capacité de Nvidia à les transformer, rapidement, en infrastructures réellement disponibles.