La demande de 1 trillion de dollars de Jensen Huang : une vague de développement de l’IA ou un risque de perte de valeur pour Wall Street ?

Le financement fait désormais partie de la stratégie d’offre en matière d’IA de Nvidia.

Ce n’est plus simplement une histoire liée aux puces informatiques. C’est une histoire de financement.

Lors de la conférence GTC au début de cette année, Jensen Huang a ditLes revenus cumulés de 2025 à 2027 devraient dépasser 1 000 milliards de dollars., doublant ainsi les prévisions de croissance de l’entreprise. En même temps, Nvidia travaille en collaboration avec Apollo, Blackstone, l’unité d’infrastructure de BlackRock, Brookfield, Goldman Sachs et KKR sur…500 milliards de dollars investis dans le financement de l’IACNBC a dit que cela pourrait être annoncé dès lundi. Lorsque la mise en œuvre de l’IA atteint cette taille, les capitaux disponibles ne constituent plus un bruit de fond, mais deviennent une partie intégrante du produit.

En pratique, cela change la manière dont les commandes restent actives. Les principaux clients de Nvidia doivent toujours financer l’achat de GPU, la construction de centres de données et l’investissement en énergie. Ces financements visent à leur permettre d’obtenir des fonds pour acheter des GPU haut de gamme, même lorsque les ressources financières ou les capacités de bilan sont limitées. Les optimistes voient cela comme un moyen de soutenir la demande en 2027. Les pessimistes, quant à eux, pensent que cela ne fait qu’ajouter une charge sur les bilans des entreprises cloud, qui est alors transférée vers les marchés privés de capitaux et de dettes. Pour Nvidia, cependant, l’effet à court terme est simple : plus de financements signifie plus de calculs installés, et plus de calculs installés signifient plus de demande pour les produits Nvidia.

Huang étend également son champ d’application au-delà de l’entraînement des modèles d’IA. Nvidia met l’accent sur l’inférence, l’entraînement efficace et les infrastructures nécessaires pour le déploiement des agents d’IA. Cela élargit la base de clients et prolonge la période de revenus, ce qui est tout aussi important pour les investisseurs que les prévisions de demande.

Les systèmes d’IA sont réinterprétés en actifs financiables

Une fois que le financement entre en jeu dans ce modèle, la contrainte ne concerne plus seulement les investissements d’acquisition, mais aussi la qualité des actifs.

De l’élément de dépense à la garantie

Le problème est que les acheteurs peuvent emprunter davantage. C’est aussi que les systèmes d’IA sont réinterprétés…Actifs générateurs de revenusCes systèmes peuvent être sécurisés ou transformés en produits adaptés aux marchés financiers. L’argument de Huang est que ces systèmes ne sont pas des machines destinées aux consommateurs qui perdent leur pertinence du jour au lendemain. Il s’agit plutôt d’infrastructures productives qui peuvent soutenir un système de financement au-delà des bilans des grands opérateurs informatiques. Si cette perspective se met en place, la demande pourrait être plus résiliente face à la pression des taux d’intérêt et aux difficultés de flux de trésorerie, car les systèmes deviennent alors financiarisés.

Cela est important, car la demande financiarisée peut être plus difficile à gérer que le budget de un quart d’année. Une fois que les investisseurs considèrent ces projets comme des actifs générateurs de revenus, la question change : « Pouvons-nous nous permettre de financer cela ? » ou plutôt, « Le rendement justifie-t-il le risque ? » Cela permet aux fonds privés, aux fonds de crédit et aux pools d’infrastructures spécialisées d’intervenir sur le marché. Dans ce contexte, Nvidia ne vend pas seulement des puces ; elle fournit également les actifs essentiels nécessaires pour soutenir ces projets.

Quelles conditions doivent être remplies pour que les mathématiques fonctionnent correctement ?

Cela ne fonctionne que si l’utilisation des ressources reste constante et si les équipements plus anciens continuent de générer des revenus. C’est pourquoi le changement de stratégie est important. Nvidia cherche à aller au-delà de la formation des données.CPU, système d’IA basé sur la technologie de GroqEn même temps, on souligne les mises à jour logicielles qui, selon Nvidia, peuvent aider à préserver la valeur à long terme des puces. Si les clusters actuels et anciens peuvent continuer à avoir un flux de trésorerie positif grâce aux fonctions d’inférence et de déploiement, il devient plus facile de souscrire ces actifs.

Le test du ours : la dépréciation peut briser l’histoire.

Les banques ont une objection claire : la dépréciation des actifs peut rendre les garanties invalides. Si les équipements technologiques de pointe perdent de la valeur plus rapidement que les prêteurs l’espèrent, ou si la Chine remplace les mécanismes de détermination des prix par des technologies informatiques moins coûteuses, les investisseurs exigeraient des taux d’intérêt plus élevés. Selon une estimation citée par CNBC, les taux d’intérêt nécessaires seraient entre 11 % et 17 % si la dépréciation et la qualité du emprunteur se révèlent pires que prévu. Cela ne tuerait pas complètement la demande, mais cela entraînerait des conditions de souscription plus strictes et des taux d’intérêt plus bas pour le capital passif.

Regardez trois choses maintenant : – Si le financement est conclu aux termes réels, et non seulement en tant que mémorandums d’entente. – Si les nouvelles technologies absorbent vraiment les charges de travail liées à Nvidia antérieures. – Si les prix en Chine commencent à diminuer les valeurs des actifs résiduels.

Ce sur quoi les investisseurs devraient vraiment faire attention par la suite

La situation n’est plus simplement « plus de demande, plus haut multiple ». Il s’agit de savoir qui achète, à quel coût, et si les équipements continuent d’être rentables. Le marché reste donc dans cette perspective…Revenus cumulés de 2025 à 2027 dépassant 1 000 milliards de dollars., tandis que le500 milliards de dollars investis dans le secteur de l’IACela pourrait être annoncé dès aujourd’hui. Cela réduit le risque de chute des dépenses à court terme, mais cela rend également plus important la distinction entre la demande durable et l’aide liée au bilan financier.

La preuve d’avoir passé l’examen est plus importante que le titre.

Les investisseurs ont besoin de preuves que le financement est destiné aux acheteurs ayant une vraie demande opérationnelle, et non simplement à des moyens de prolonger les investissements en capital. Cela signifie que l’on doit examiner les conditions d’annonce du projet, en particulier la qualité du crédit, les règles relatives aux garanties, et si le financement est lié à une déploiement réel.

L’utilisation des inférences est le test opérationnel.

Le deuxième facteur clé est l’utilisation des inférences. Nvidia va au-delà de l’entraînement…CPU, système d’IA basé sur la technologie de GroqEt une implication plus large après que Huang a déclaré que l’inference est arrivée. Si les clusters anciens et actuels peuvent rester positifs en termes de flux de trésorerie grâce à cette inference, alors le projet de financement a une base opérationnelle réelle. Sinon, les investisseurs commenceront à considérer les financements comme un soutien à la demande, plutôt que comme une source de création de demande.

La discipline des prix est le signal de pénurie le plus clair.

Un troisième facteur est la discipline des prix. Nvidia fait également face à une concurrence accrue pour les puces d’IA. Par conséquent, le maintien d’une force de prix stable reste la meilleure façon de gérer la véritable rareté des produits.

Ce qui brise la configuration

C’est le cadre de positionnement : une approche sélective et optimiste, sans conviction aveugle. Les chances de succès s’améliorent si les financements se réalisent sans problèmes, si l’utilisation des ressources augmente, et si les prix restent stables. Si ces conditions ne sont pas remplies, alors l’analyse ne porte plus sur l’échelle des infrastructures AI, mais sur les risques liés aux garanties.