Le marché perçoit Nvidia comme un produit destiné aux centres de données. Mais l’architecture du produit indique autre chose.

Le marché perçoit Nvidia comme une entreprise spécialisée dans les centres de données. Mais l’architecture du produit dit autre chose.

Aujourd’hui, Lockheed Martin, Verizon et Nvidia ont démontré un système d’IA capable de identifier, suivre et surveiller les drones en traitant les signaux de fréquence radio via le réseau 5G de Verizon. La démonstration s’est déroulée dans la région de Miami, en utilisant le spectre commercial existant – sans utiliser de laboratoire ou de champ d’essai contrôlé. Cette distinction est importante, car cela signifie que les composants matériels et logiciels fonctionnent déjà sur une infrastructure réelle, en conditions réelles.

Si vous lisez cette annonce et pensez « une démonstration de suivi de drones », vous manquez la transformation architecturale qui se cache derrière cela. Ce que Nvidia construit au niveau des réseaux de télécommunications est une plateforme d’inférence distribuée qui transforme les tours de communication en nœuds de calcul. Que vous l’appeliez AI-RAN, Aerial AI ou simplement « inférence au niveau du réseau d’accès radio », c’est bien cette transition structurelle, de l’entraînement centralisé à l’action distribuée, qui détermine où ira le cycle de calcul de l’IA à l’avenir.

La transition de la formation à l’inférence ne va pas arriver. Elle est déjà en cours.

Lors du GTC en mars 2026, Jensen Huang a déclaré que2025 a été l’année de l’inference pour Nvidia.Il a décrit le changement de…“Perception” et “generation” deviennent “inference” et “action”.Il s’agit d’un passage des modèles d’IA capables de voir et de parler, vers la mise en place de systèmes capables d’agir en temps réel. Selon lui, le centre de données devient une sorte de usine qui produit des “tokens”.

Chaque centre de données est soumis à des contraintes en termes d’énergie, dit-il. À un niveau d’énergie fixe, celui qui dispose du plus haut taux de traitement par watt aura le coût de production le plus bas. Ce n’est pas simplement une observation technique : c’est la logique économique qui motive toute la transition entre l’entraînement et l’inférence. L’entraînement nécessite des ressources informatiques massives, concentrées dans quelques centres de données de très grande taille. L’inférence, quant à elle, nécessite une latence faible, et doit être réalisée partout où les actions se produisent. C’est là que les réseaux 5G, déjà construits et déployés, deviennent l’infrastructure nécessaire pour cette nouvelle étape.

Huang a doublé ses prévisions de demande lors de la même événement – de500 milliards à au moins 1 trillion d’ici 2027La seule industrie des télécoms génère environ 2 billions de dollars de revenus annuels. La logique est évidente : si les tours de téléphonie mobile peuvent servir de nœuds de calcul pour l’IA, cela permettrait d’étendre le marché atteint par Nvidia bien au-delà du périmètre des centres de données.

Architecture First : Les tours de cellules comme serveurs informatiques

LeDémonstration NetSenseC’est instructif, car cela montre comment l’architecture fonctionne en pratique. Lockheed Martin a fourni des systèmes de détection et de suivi des drones qui permettent de détecter les interférences de fréquences radio. Verizon a fourni l’infrastructure de connectivité 5G. Nvidia a fourni le moteur d’IA qui traite les données en temps réel. Le système est présenté comme “”.Services de sensibilité au domaine aérien— Un modèle récurrent qui s’appuie sur l’infrastructure réseau existante.

C’est la même architecture que Nvidia développe en collaboration avec Nokia et T-Mobile dans le cadre de l’initiative AI-RAN. T-Mobile teste déjà les serveurs GPU Edge-AI d’Nvidia – plus précisément des systèmes ARC-Pro alimentés par des GPU RTX Blackwell Server Edition – dans les sites de réception des données. Cette architecture combine les fonctions de la réseau d’accès radio et les tâches liées à l’intelligence artificielle sur une infrastructure commune. Ainsi, la tour de transmission de données n’est pas simplement un dispositif qui transmet des données. C’est plutôt un nœud qui effectue des calculs sur les données avant qu’elles ne parviennent à un centre de données en ligne.

Le produit qui met en œuvre cette stratégie est Nvidia AI Aerial – une plateforme logicielle open source pour les réseaux sans fil basés sur l’intelligence artificielle. Nvidia met en avant cette plateforme dans son programme de développement 6G. Ce programme de développement est important car Nvidia a compris que sa position concurrentielle repose sur des développeurs qui ont adopté cette plateforme, car elle permettait de résoudre leurs problèmes plus rapidement que les autres solutions. La même stratégie est utilisée au niveau du réseau, où les ingénieurs télécoms et les chercheurs en intelligence artificielle ont besoin d’outils pour créer des applications qui puissent fonctionner sur le spectre 5G aujourd’hui, et non dans un futur hypothétique lié au 6G.

Le rapport de Nvidia sur l’état de l’IA dans le secteur des télécoms pour l’année 2026 a montré que78 % des opérateurs de télécoms prévoient d’investir dans les technologies de calcul avancé pour soutenir l’inférence de l’IA.Et 77 % des personnes prévoient que les réseaux sans fil basés sur l’IA seront mis en œuvre avant le lancement de 6G. Ce n’est pas un marché spéculatif qui dure trois ans. La demande est actuelle.

La question des recettes

C’est là que se pose la question pratique d’investissement. En termes de chiffres, Nvidia reste largement une entreprise liée aux centres de données. L’action de Nvidia se négocie à 194,15 dollars, avec une valeur boursière d’environ 4,4 billions de dollars. Les revenus sur les douze derniers mois ont atteint environ 69,6 milliards de dollars, avec une croissance de 37 % par an. Cela reste exceptionnel, mais la croissance s’essouffle par rapport au rythme à trois chiffres qui avait caractérisé l’année 2024-2025.

Le bénéfice d’exploitation se situe à 63,5 %, tandis que le bénéfice par flux de trésorerie gratuit est de 51,6 %. La valeur boursière de l’action se situe à environ 20 fois le BPS récent, et le P/E est d’environ 51 fois. Ces multiples reflètent l’hypothèse selon laquelle la croissance des revenus restera proche des niveaux actuels, et non celle d’un marché entièrement nouveau s’ouvrant soudainement.

Le secteur des télécoms/IA-RAN n’est pas encore un moteur de revenus. C’est plutôt une preuve de concept qui passe d’une phase de démonstration à une phase de mise en œuvre réelle. En d’autres termes, c’est encore trop précoce. La grande majorité des 69,6 milliards de dollars de revenus proviennent des centres de données, alimentés par les budgets de dépense en investissement des grandes entreprises informatiques.

L’horloge des résultats indique que le prochain rapport sera publié le 28 août. À ce moment-là, le marché cherchera à savoir si les revenus liés à l’AI-RAN continueront d’augmenter de manière continue. Si les commentaires de la direction sur cette réunion commencent à évoquer les revenus ou les projets liés à l’AI-RAN, cela sera le premier véritable test pour déterminer si il s’agit d’une opportunité de 10 milliards de dollars ou d’un projet de 100 milliards de dollars. Jusqu’à then, les données financières restent celles d’avant, même si l’architecture du produit indique une nouvelle direction.

Pourquoi cela change le cadre

J’ai toujours vu Nvidia en termes de transition entre l’entraînement et l’inférence. Le avantage concurrentiel de CUDA est impressionnant lors de l’entraînement – il reste ainsi. Mais l’inférence est une situation différente. La faible latence, l’efficacité et le coût sont plus importants que le débit de calcul brut. La dynamique concurrentielle change car les charges de travail d’inférence ne nécessitent pas toujours tout l’écosystème CUDA ; elles nécessitent simplement le bon chip au bon endroit, afin de traiter les données avant qu’elles ne quittent la réseau.

C’est ce que montre cette démo. Nvidia ne vend plus simplement des GPU aux data centers. Elle positionne son matériel et son logiciel comme une solution pour les infrastructures de type « inference ». Il s’agit d’une catégorie d’infrastructures qui existe déjà, dont les investissements sont déjà faits, et qui ont besoin de la puissance de calcul nécessaire pour l’IA, que Nvidia peut fournir. Le réseau 5G représente une base physique d’actifs d’environ 2 000 milliards de dollars, qui peut être améliorée pour y intégrer des fonctionnalités d’inference. Nvidia est la société qui possède l’architecture nécessaire pour réaliser cela.

Il s’agit de la même migration entre le matériel et le logiciel que j’ai déjà mentionnée. La carte graphique GPU représente un plafond, mais la plateforme logicielle – l’ensemble des outils liés à l’IA Aerial, l’intégration avec Metropolis Blueprint, l’écosystème pour développeurs – détermine les limites. Une fois que les opérateurs télécoms disposent de cartes graphiques Nvidia dans leurs stations de service, où l’application AI Aerial est utilisée, les coûts de transformation se multiplient dans la même direction que ceux rencontrés par les développeurs CUDA il y a une décennie.

Le côté des risques

La question évidente est de savoir si le secteur principal d’activité de Nvidia dans le domaine des centres de données peut continuer à suivre sa trajectoire actuelle, alors que la direction se concentre sur une source de revenus non éprouvée. Les chiffres ne montrent pas encore de signes de fatigue. Une croissance des revenus de 37 % par an, sur une base de 70 milliards de dollars, des marges d’exploitation de 63,5 %, et des marges de flux de trésorerie gratuit de 51,6 % ne sont pas des signes indiquant qu’une entreprise atteint son apogée.

Le risque réel est différent. Il s’agit du coût d’opportunité et de la absorption sur le marché. Nvidia est évaluée à environ 20 fois les ventes récentes et à environ 51 fois les revenus futurs. Ces multiples reflètent l’hypothèse selon laquelle les prévisions de demande de 1 000 milliards de dollars que Huang a données lors de la conférence GTC se réaliseront. Si le chemin menant à cette demande de 1 000 milliards de dollars passe par de nouveaux marchés tels que les télécoms et les technologies AI-RAN, plutôt que simplement par des dépenses supplémentaires dans les centres de données des cinq hyperscalers existants, alors la courbe de rendement pourrait être asymétrique : la majeure partie des bénéfices sera réalisée entre 2028 et 2030, à mesure que ces installations de traitement de données se développent.

Cela ne rend pas la thèse erronée. Cela fait plutôt débattre la question du timing. Je pense que la trajectoire à long terme de Nvidia reste intacte : la combinaison du système CUDA dans le processus d’entraînement, du passage vers l’inference, et maintenant de la plateforme d’IA pour les applications de pointe, permet à l’entreprise d’avoir une flexibilité dans toutes les étapes du cycle d’IA. Mais la question pour les détenteurs existants n’est pas de savoir si Nvidia restera importante. C’est de savoir si le profil actuel de rendement, avec la majeure partie des avantages calculés pour les 12 prochains mois, reste aussi attrayant que celui que l’on trouve ailleurs dans l’écosystème de l’IA, où le consensus n’a pas encore dominé la situation.

Le risque n’est pas que Nvidia rencontre des difficultés. Le risque est plutôt que la croissance de 37 % sur une base de 70 milliards de dollars ralentisse davantage. Une action qui a un cours de 20 fois le chiffre d’affaires historique ne tolérera pas les déceptions, même pour une entreprise aussi forte que Nvidia.

Où va le Capital

Cette démo de suivi de drones est un signe, mais pas une actualité majeure. Elle confirme que l’architecture de produits de Nvidia s’est étendue au-delà du traitement des données dans les centres de données, pour inclure également le traitement distribué aux extrémités du réseau. C’est un changement important, car cela représente la prochaine vague de demande, après que la croissance des investissements des grands opérateurs se sera finalement calmée. L’architecture fonctionne bien. Les partenariats avec Verizon, Lockheed, Nokia et T-Mobile sont réels. Le programme de développement est en cours. Le marché atteint 2 billions de dollars.

Mais les revenus n’ont pas encore été réceptionnés. Avec une capitalisation boursière de 4,4 billions de dollars, les actions Nvidia ne peuvent pas être valorisées uniquement en raison de leur rôle dans l’intelligence artificielle. Bien que je croie que l’entreprise se trouve sur la bonne voie pour passer de la phase d’entraînement à la phase d’inférence, et que l’AI-RAN dans le secteur des télécoms représente un vecteur de croissance sérieux pour les années 2027-2030, la valeur actuelle des actions exige du investisseur de rester patient.

En termes simples : si vous soutenez Nvidia, la théorie reste valable, mais la courbe de retour est probablement basée sur des facteurs de revenu secondaires. Essayer de renforcer les actions de Nvidia afin de se rapprocher des entreprises impliquées dans la chaîne d’approvisionnement en IA, où l’histoire n’a pas encore été complètement comprise, ne représente pas une mise en jeu contre Nvidia – c’est plutôt une mise en jeu contre les coûts liés aux opportunités. Si vous êtes indifférent à tout cela, la prochaine conférence annuelle le 28 août sera intéressante à écouter. Ce n’est pas pour les chiffres principaux, mais pour les commentaires qui décrivent le développement de l’IA-RAN. C’est alors que l’histoire passe de l’aspect architectural à l’aspect récurrent.