Pourquoi Nvidia est la seule entreprise pour laquelle céder des modèles d’IA gratuitement est logique.

Jensen HuangIl a publié son premier message sur X le 24 juillet 2026.Le post était une lettre ouverte dans laquelle il était argumenté que les modèles d’IA en poids ouvert sont…Renforcer la sécurité, accélérer l’innovationEt cela permet de renforcer la souveraineté – cet accord a été signé avec Meta, Microsoft, Mistral, Palantir, CrowdStrike et Andreessen Horowitz. Trois semaines plus tard, le 11 août, Nvidia…Lancement du Nemotron 3.5 LightningC’est son premier modèle open source depuis que Huang a fait ce changement stratégique. Selon The Information, l’entreprise développe actuellement Nemotron 4.Un modèle avec jusqu’à 4 billions de paramètres.– Plus grand que n’importe quel autre produit sorti par Nvidia jusqu’à présent.

L’histoire en surface est que Nvidia, une société de fabrication de puces, dépense des milliards d’argent pour développer des modèles d’IA qu’elle offre gratuitement aux autres entreprises. Cela semble absurde. Mais la logique structurelle est tout le contraire : c’est pourquoi Nvidia peut se permettre de jouer ce rôle, alors que toutes les autres entreprises technologiques américaines ne peuvent pas le faire.

Avantage en amont

Huang l’a exprimé clairement en présentant le Nemotron 3.5 Lightning : « L’IA gratuite devrait être une bonne chose pour le matériel. »L’IA gratuite devrait être super pour les puces.."

Ce n’est pas une phrase insignifiante. C’est la thèse principale. Les clients de Nvidia sont les développeurs de modèles – OpenAI, Anthropic, Google, Perplexity, les fournisseurs de logiciels, les start-ups. Ces entreprises entraînent et utilisent des modèles sur des GPU Nvidia. Que le modèle soit propriétaire ou open source, que ce soit créé par un laboratoire de recherche ou par une start-up, l’inference se fait avec de la technologie Nvidia. Nvidia fournit cette technologie.Environ 90 % des GPU dans l’écosystème de l’IA générative.

Pour Meta, la mise à disposition de modèles open-source permet aux concurrents qui n’ont pas payé pour l’entraînement des modèles de réaliser leur travail de prédiction. Pour OpenAI et Anthropic, l’open source menace directement leurs prix premium. Pour Google, la série Gemma est conçue pour les appareils consommateurs, et non pour concurrencer les autres acteurs du marché. Meta, qui avait autrefois encouragé l’utilisation de l’IA open-source via sa série Llama, a cessé de faire de l’effort dans ce domaine.

Pour Nvidia, la question des modèles numériques relève du domaine de compétence d’autres entreprises. Le vice-président de l’entreprise, Bryan Catanzaro, a déclaré que l’entreprise ne cherche pas à contrôler l’IA, mais plutôt à la développer. Cela fonctionne parce que Nvidia est à l’origine de tous les travaux de calcul liés à l’IA. Les modèles fermés sont avantageux pour Nvidia ; les modèles ouverts aussi. Le seul scénario qui menace Nvidia, c’est si les modèles chinois dominent et si les entreprises américaines arrêtent d’acheter du matériel américain.

Le problème du code source ouvert en chinois

Cette réponse est urgente. La Chine domine aujourd’hui le marché ouvert, et ce n’est pas une menace lointaine.

Le 17 juillet 2026, Moonshot AI a sorti le Kimi K3.Un modèle à 2,8 billions de paramètresAvec une compréhension multimodale native et une fenêtre de contexte de 1 million de tokens. Alibaba a suivi le 2 août avec Qwen3.8-Max, un modèle à 2,4 billions de paramètres.Il occupe la première place parmi les modèles chinois sur Arena.AI pour le texte.Et deuxièmement, c’est une analyse visuelle à l’échelle mondiale. Les deux utilisent une architecture mixte d’experts : chaque requête active seulement une petite partie des paramètres, ce qui réduit considérablement les coûts d’inférence. Le modèle V3 de DeepSeek…Correspond aux tests de la frontière américaine en matière de mathématiques et de raisonnement informatique.En même temps, il fixe les prix de ses API bien en dessous de ceux de ChatGPT ou Claude.

L’écart entre les modèles ouverts chinois et les modèles fermés américains se réduit rapidement. La Chine est maintenant à équivalent des laboratoires de pointe américains, pour un coût environ un cinquième inférieur. Le rapport annuel de Nvidia met en évidence ce risque : le gouvernement américain envisage des restrictions sur les applications basées sur des modèles open-source chinois. Si la seule option viable aux États-Unis devient des API propriétaires coûteux, l’adoption de l’IA par les entreprises ralentira. Cela entraînera une diminution de la demande pour les équipements informatiques.

La famille Nemotron de Nvidia représente une solution géopolitique pour se protéger contre les risques économiques. En produisant des modèles open-source américains compétitifs, avec une transparence totale…Données de formation, poids et recettesNvidia offre aux entreprises américaines une alternative locale. Elle empêche que les normes et les choix d’optimisation des puces chinoises influencent la trajectoire mondiale.

Le Nemotron 4, avec jusqu’à 4 billions de paramètres, pourrait concurrencer directement les modèles Kimi K3 avec 2,8 T et Qwen avec 2,4 T. Le modèle est…En cours de formation finale au 11 aoûtLes employés disent que cela pourrait être prêt à la fin de l’automne 2026. Mais l’engagement lui-même est le signe de ce qui va se passer.

La mise de 26 milliards de dollars

L’ampleur des investissements de Nvidia montre bien que ce n’est pas une simple opération de marketing. Nvidia a…26 milliards de dollars ont été investis dans le développement d’IA open source.Cette figure n’a pas de sens en tant que revenu lié au logiciel – ces modèles sont gratuits. Elle a plutôt du sens en tant que moyen de défense pour l’infrastructure.

Le dossier déposé auprès de la SEC par Nvidia indique clairement cette dépendance :Le succès de l’IA open-source dépend de l’adoption par les développeurs.Si les modèles ouverts sont utilisés principalement sur les plateformes des concurrents, la demande pour les matériels et services Nvidia diminue. Le avantage concurrentiel de l’entreprise réside toujours dans CUDA – sa plateforme de calcul parallèle qui soutient plus de 7,5 millions de développeurs. Mais le système CUDA ne fonctionne bien que si les développeurs utilisent l’infrastructure Nvidia. L’approche ouverte au développement logiciel, via des partenariats avec les universités, le programme Inception qui soutient des dizaines de milliers de startups, ainsi que l’Institut de Deep Learning, servent tous le même objectif : maintenir l’écosystème des développeurs fonctionnant sur la puce Nvidia.

L’avantage lié au co-conceptionnement du matériel est tout aussi important. En développant des modèles propriétaires en interne, Nvidia peut optimiser ses GPU, ses processeurs et son réseau, sans avoir à attendre que des laboratoires spécialisés publient de nouvelles architectures. Kari Briski, directrice exécutive de Nvidia, a décrit ces modèles comme un « produit secondaire » de ce processus d’optimisation – une manière de tester le matériel sous des charges de travail réelles avant que les clients ne le fassent eux-mêmes.

Il y a aussi l’argument de la diversification des clients. Les revenus de Nvidia sont actuellement concentrés au sein d’un petit nombre de clients haute échelle, motivés par la peur de manquer une opportunité. Les modèles open source permettent de développer une base de clients plus large : start-ups, fournisseurs de logiciels, entreprises qui ne peuvent pas justifier des contrats API coûteux. Parmi les premiers utilisateurs du Nemotron de Nvidia, on trouve Perplexity, Palantir, ServiceNow, Siemens, CrowdStrike et CodeRabbit. Ces entreprises affinent les modèles open source pour des cas d’utilisation spécifiques, en les exécutant sur l’infrastructure de Nvidia. Ainsi, la base de revenus de Nvidia devient plus large, sans dépendre d’un seul fournisseur haute échelle.

Les données financières ont toujours de l’importance.

Rien de tout cela n’a d’importance si le secteur matériel sous-jacent s’affaiblit. Ce n’est pas le cas.

Les revenus de Nvidia ont augmenté de 70,68 % en glissement annuel, avec une croissance continue de 19,8 %. Le flux de trésorerie libre a atteint 119,1 milliards de dollars sur les douze derniers mois, soit une augmentation de 65,24 % en glissement annuel. Le bénéfice opérationnel représente 64,02 %, et le rendement du capital investi est de 89,42 % – des chiffres qui ne signifient pas seulement la force de l’entreprise, mais aussi que son système opérationnel fonctionne à pleine efficacité.

L’action est cotée à un P/E futur de 58,2x et à un P/E récent de 33,0x. Cela semble coûteux sur une base isolée, mais le ratio PEG – P/E futur divisé par le taux de croissance – se situe à 0,30. Un ratio PEG inférieur à 1,0 indique généralement que la croissance n’est pas entièrement reflétée dans la valeur actuelle de l’action. Avec un ratio de 0,30, c’est une valeur très basse pour une entreprise dont les revenus augmentent à un taux de 70%.

Les résultats du troisième trimestre, qui seront publiés après la clôture du marché le 26 août, ont une estimation de revenus consensus d’environ 46 milliards de dollars. En réalité, les chiffres pour le deuxième trimestre ont été de 46,7 milliards de dollars. La hausse par rapport au trimestre précédent est modeste, ce qui reflète plutôt les rythmes saisonniers plutôt que une diminution de la demande. L’EPS consensus pour ce trimestre est de 1,01 dollar, contre 1,05 dollar pour le deuxième trimestre.

La demande n’est pas le problème. Le problème est de savoir si la barrière structurelle se creuse ou se réduit – et l’approche open source constitue une activité qui contribue à renforcer cette barrière.

Signale de risque

Cependant, l’engagement de 26 milliards de dollars pour le développement open-source comporte ses propres risques. Il s’agit de capitaux que Nvidia doit investir, que ces investissements génèrent des revenus directs ou non. Si les modèles chinois continuent à progresser plus rapidement que Nvidia ne peut les suivre – et que le Kimi K3 et le Qwen3.8-Max n’ont que quelques semaines d’existence – alors la différence persistera. Si les restrictions réglementaires américaines sur les modèles chinois se matérialisent, les acheteurs professionnels pourraient simplement éviter cette catégorie entièrement, plutôt que de choisir des alternatives américaines, ce qui entraînerait une diminution de la demande pour les GPU, indépendamment des efforts de Nvidia en matière de logiciels.

Il y a également le risque de concentration inhérent à l’écosystème open source en soi. Nvidia devient rapidement le principal acteur américain dans ce domaine, alors que Meta se retire de ses projets liés à Llama. OpenAI et Anthropic, quant à eux, restent fermement basés sur des technologies de source fermée. Cette domination est un avantage aujourd’hui, mais cela signifie que Nvidia porte seul le fardeau de 26 milliards de dollars, que l’industrie technologique américaine aurait plutôt préféré externaliser. Si le retour sur investissement n’est pas atteint grâce à une utilisation accrue du matériel, cela devient un frein pour Nvidia.

La condition de fin de recherche serait que les modèles Nemotron ne réussissent pas à se populariser auprès des développeurs d’entreprises américaines. Ou bien que les modèles chinois restent la solution open source par défaut, indépendamment des considérations géopolitiques. Ou encore, que les plateformes matérielles concurrentes prennent une part importante des tâches d’inférence open source. Ce serait alors que l’avantage en amont est illusoire.

Où va le capital

Je pense que Nvidia reste sur la bonne voie concernant la transition de l’infrastructure de l’IA. La stratégie open source de l’entreprise ne constitue pas une distraction par rapport à ses activités principales ; c’est plutôt un moyen de protéger ces activités. En comblant le vide lié aux modèles chinois dans le domaine open source aux États-Unis, Nvidia assure que les tâches d’inference restent sur son matériel, indépendamment de l’architecture de modèle qui sera choisie.

La thèse à long terme reste valable : le matériel constitue la valeur actuelle du marché, tandis que le logiciel – y compris CUDA, les microservices NIM et l’écosystème Nemotron – détermine la valeur totale. Mais une grande partie de ces retours sera probablement pondérée par des facteurs externes, à mesure que l’écosystème open-source se développe et que l’adoption de l’IA dans les entreprises s’étende au-delà des grandes entreprises technologiques.

La question n’est pas de savoir si Nvidia reste importante. Il s’agit plutôt de savoir si le profil de retour sur un cours de marché de 5,26 billions de dollars est toujours aussi intéressant que celui que l’on trouve ailleurs dans le secteur de l’IA. Avec un ratio PEG de 0,30, des revenus en croissance de 70 % et un flux de trésorerie libre de 119 milliards de dollars, la valeur du titre offre encore une opportunité d’appréciation asymétrique. Mais cela nécessite une conviction que la stratégie open source réussira à tenir ses promesses. Je pense que oui. La question est simplement le moment opportun pour investir.

Les résultats d’Nvidia le 26 août serviront de point de référence pour évaluer la situation. Si les revenus restent proches ou supérieurs aux attentes communiquées, et si les prévisions confirment que le cycle de demande lié aux applications logicielles continue d’accélérer, alors l’hypothèse liée au code source sera confirmée par les chiffres. Sinon, la mise en œuvre de cette stratégie de 26 milliards de dollars pourrait sembler trop ambitieuse. Dans tous les cas, le prochain trimestre nous dira si la stratégie d’Nvidia est efficace ou si elle ne fait que gagner du temps.