La mise de 12,9 milliards de dollars de Nvidia : son prochain défi réside dans les modèles, et non dans les puces.

Le 3 septembre, Nvidia a acceptéAcheter Hugging Face pour 12,93 milliards de dollars..

Ce n’est pas un titre qui se trouve dans les actualités d’une entreprise de chips. Hugging Face ne fabrique pas de silicium. C’est un hub où plus de 18 millions de développeurs, chercheurs et start-ups partagent, découvrent et téléchargent des modèles d’IA ouverts. C’est là que le constructeur décide quel modèle utiliser avant de choisir le chip sur lequel le déployer. Nvidia a payé environ trois fois plus que…En 2023, la startup était évaluée à 4,5 milliards de dollars.Après avoir obtenu son meilleur résultat jusqu’à présent, Hugging Face promet clairement que l’entreprise restera ouverte, et que ses propres puces ne sont pas nécessaires pour utiliser la plateforme.

Maintenez cette tension. L’entreprise qui vend le plus rapide accélérateur d’IA au monde – et qui contrôle également le logiciel CUDA, qui empêche les clients de partir ailleurs – a acheté un marché neutre où les développeurs peuvent comparer les modèles des différents produits. Elle a ensuite déclaré qu’elle ne lierait personne à ses composants matériels. C’est une décision étrange. Pour comprendre cela, il faut identifier où se trouve la faiblesse de la position de Nvidia sur le marché. La réponse ne réside pas dans les puces elles-mêmes.

L’entraînement a créé le rempart. L’inférence le testera.

Pendant deux ans, l’histoire est restée simple. L’entraînement d’un modèle d’IA – cette opération computationnelle intense qui consiste à créer le modèle à partir de zéro – se fait entièrement avec les GPU d’Nvidia. Presque personne ne peut s’échapper de cela, en raison de CUDA, la couche logicielle qui rend les chips d’Nvidia les plus efficaces. Cette barrière d’entraînement est réelle, et c’est pourquoi le dernier trimestre a été absurde.Revenus de 96,2 milliards de dollars pour le trimestre se terminant à la fin du mois de juilletLes ventes ont augmenté de 106 % par rapport à l’année précédente. Parmi ces revenus, 89 milliards de dollars proviennent uniquement des centres de données, avec un taux de marge brute de 75 %. Lors de la conférence annuelle, Jensen Huang a déclaré que l’IA avait « atteint son point de bascule ». L’entreprise prévoit des ventes de 108 milliards de dollars pour le prochain trimestre – à condition, bien sûr, que les revenus liés aux centres de données en Chine ne soient pas inclus dans ces chiffres.

Mais la partie du cycle qui déterminera les prochaines années n’est pas l’entraînement. C’est l’inférence : utiliser un modèle prêt à l’emploi pour répondre à des questions, générer quelques mots de texte (chaque mot étant un “token”), ou faire fonctionner un agent sur une tâche donnée. C’est dans l’inférence que l’argent est vraiment gagné, car cela se produit des millions de fois par jour, à une échelle massive. C’est aussi là que le avantage concurrentiel de CUDA est le plus faible, car il valorise davantage la latence, l’efficacité et le coût par watt que la puissance brute. C’est précisément ce chemin que les chips personnalisés fournis par Google, Amazon et d’autres entreprises ont emprunté depuis des années.

Ainsi, lorsque Nvidia a présenté sa nouvelle génération de cartes graphiques, la Vera Rubin, c’est ce chiffre qui était mis en avant.Jusqu’à une réduction de 10 fois dans le coût d’inférence par token.par rapport à la génération actuelle de Blackwell, et 4 fois moins de GPU nécessaires pour entraîner les grands modèles « mixture-of-experts » qui dominent aujourd’hui. Ce sont là des affirmations de Nvidia elle-même, et non des tests indépendants. Mais un exemple de données est fourni par un client, et non par un communiqué de presse : CoreWeave, l’un des premiers à avoir installé des serveurs Rubin, a mesuré ses performances…10 fois plus de tokens par mégawattPlus que Blackwell. La mise est que, d’ici la fin de cette année, lorsque Rubin livrera son produit, le « token le moins cher » – et non le « chip le plus rapide » – sera celui sur lequel tout le marché évalue les prix.

Ce que 12,9 milliards de dollars achètent vraiment

C’est là que l’accord entre Hugging Face et Nvidia ne ressemble plus à une simple transaction de vente de logos. Hugging Face est la porte d’entrée de l’écosystème des modèles ouverts : 3 millions de modèles, 500 000 ensembles de données, et plus de 200 000 entreprises qui utilisent ces modèles pour développer et déployer l’IA. Nvidia est donc le principal contributeur de modèles ouverts. Avoir le contrôle sur ce centre où les développeurs évaluent et déplient les modèles permet à Nvidia de se placer au cœur de l’processus de choix des modèles par les développeurs. Dans une époque où la question clé est l’efficacité économique des modèles ouverts, Nvidia joue donc un rôle essentiel.

Ce qui est important, c’est de savoir qui est…nonÀ cette table… Les laboratoires de recherche dominants – OpenAI, Anthropic – produisent des modèles fermés, liés à leurs propres équipements et, de plus en plus, aux puces qu’ils louent. Le modèle ouvert est la partie du futur de l’IA qui reste neutre, et peut fonctionner sur n’importe quel système. En contrôlant le marché des modèles ouverts, tandis que les laboratoires fermés s’approprient leurs propres puces, Nvidia essaie de faire en sorte que “le modèle ouvert” soit perçu comme étant le meilleur pour fonctionner sur Nvidia… même si elle insiste pour que la plateforme reste multi-cloud et multi-puce. Des analyses rapportées par TechCrunch indiquent une raison plus sérieuse : Nvidia a…engagé dans des contrats de calcul en cloud valant des dizaines de milliards de dollarsPour les clients, et si ces clients ne utilisent pas toute la capacité qu’ils ont achetée, Nvidia peut être en difficulté. La communauté de développeurs de Hugging Face est un canal idéal pour vendre des produits. La demande qui sous-tend cette stratégie est concrète, et non simplement escomptée : le même jour que les résultats financiers, AWS a annoncé qu’elle allait…Ajouter 2 millions de GPU Nvidia supplémentaires.— Blackwell Ultra, Rubin, et Rubin Ultra — pour 2027 et 2028, à peu près.Il a atteint une production d’environ 3 millions de puces en cinq mois..

Rien de tout cela ne signifie que la thèse concernant les puces est fausse. C’est l’inverse : le marché des puces se développe si rapidement que Nvidia peut se permettre d’investir dans les domaines où elle espère avoir une influence importante. Mais cette évolution modifie deux choses que les investisseurs suivent attentivement. Elle déplace la partie intéressante de l’histoire des revenus en 2027 et 2028 – lorsque Rubin et le marché des modèles ouverts seront tous deux en pleine expansion. Il faudra alors prouver que les tokens moins chers permettent de générer plus de revenus pour Nvidia, et non seulement pour les concurrents moins compétitifs. De plus, cela augmente les exigences en termes de capital investi. La question de la discipline n’est plus “Nvidia gagnera-t-elle dans le domaine de l’entraînement ?” Elle devient plutôt “est-ce le meilleur endroit pour investir cet argent : dans les modèles ouverts, dans le secteur des puces, ou dans le prochain acteur émergent qui apparaîtra lorsque l’inference deviendra compétitif”. Nvidia n’a plus besoin de posséder le marché pour continuer à croître, car le marché continue de s’agrandir sous ses pieds. Mais il doit maintenant défendre les domaines où son avantage concurrentiel ne s’applique pas. C’est là que les choses commencent à changer.