La question de Vera Rubin : Nvidia reste-t-elle intéressante après que le cycle de l’IA se déplace de l’entraînement à l’inference ?

Jensen Huang a déclaré lors d’une conférence en juin que Nvidia était en train de vivre une période importante.Une importante exigence en matière de inférence.Et il est en route pour devenir une « entreprise avec des revenus de 3 billions de dollars ».

La réaction du marché est de l’ignorer. Nvidia se négocie à 224 dollars, soit une hausse d’environ 20 % sur le cours annuel. C’est une performance respectable, mais elle semble décevante par rapport aux gains de plus de trois chiffres dans le cas d’AMD, ou au rebond de 59 % du indice des semi-conducteurs SOXX. L’opinion dominante concernant les résultats financiers de Nvidia pour le 26 août est que les attentes du marché sont trop élevées, que le cycle d’investissements en IA atteint son apogée, et que les capitaux se déplacent vers des zones moins chères de la chaîne d’approvisionnement afin d’obtenir un meilleur rendement par dollar de risque.

Les données ne soutiennent pas cette théorie. Ce qui est confirmé, c’est qu’une entreprise se trouve au centre d’un changement dans la génération architecturale : un changement qui influence les étapes du cycle de vie de l’IA, qui détermine quelle architecture matérielle domine à chaque étape, et si la position de Nvidia mérite la même allocation qu’elle avait six mois plus tôt.

La plateforme Vera Rubin est l’histoire réelle.

La plateforme Vera Rubin de Nvidia est entrée en production complète.Ce mois-ciCe n’est pas un seul chip. C’est sept composants conçus ensemble : le GPU Rubin, le processeur Vera, la LPU Groq 3 (unité de traitement du langage, acquise pour 20 milliards de dollars en décembre dernier), le système de commutation NVLink 6, le réseau ConnectX-9, le DPU BlueField-4, et l’Ethernet Spectrum-6. Tous ces composants sont assemblés dans un superordinateur d’IA de taille de rack, composé de 1,3 million de composants.

L’architecture est importante, car elle a été conçue spécifiquement pour l’époque de l’inférence. Les recommandations de Nvidia indiquent qu’il convient d’allouer environ 25 % des ressources informatiques des centres de données à l’inférence à faible latence avec le support de Groq, et 75 % à l’infrastructure GPU Vera Rubin pour les tâches de formation à haute vitesse. Cette répartition montre que la formation et l’inférence ne sont plus des tâches identiques, et que l’ensemble des équipements matériels doit refléter cela.

Le Rubin offre une performance 10 fois supérieure par watt par rapport à sa précédente version, la plateforme Grace Blackwell. Il est livré avec 288 Go de mémoire HBM4 par GPU, ce qui permet un débit de 22 TB/s. Samsung fabrique les composants logiques et les modules de mémoire dans la même usine, ce qui lui confère un avantage en termes d’intégration verticale. Micron produit également l’HBM4 à haute volume, avec un débit de 2,8 TB/s – soit une amélioration de 2,3 fois par rapport à l’HBM3E.

La logique de valuation que Huang a présentée lors du GTC 2026 est claire : les revenus équivaudent à le nombre de tokens par watt, multiplié par le nombre de gigawatts disponibles. En d’autres termes, la société qui réduit les pertes optiques et électriques tout en augmentant le rendement par watt obtient un meilleur profit. Toute l’architecture de Nvidia – depuis la technologie de distribution de puissance verticale de Vicor, qui réduit les pertes de puissance des GPU de 50 %, jusqu’à l’architecture 800V DC de Eaton, qui remplace la distribution à 48V – est conçue pour favoriser cette métrique.

Le signal de l’ordre d’achat de 1 trillion de dollars

Le chiffre qui représente la thèse n’est pas le chiffre d’affaires du trimestre en cours. C’est plutôt le pipeline.

Lors de la GTC 2026, Huang a prévu que1 000 milliards de dollars en volume de commandes combinéesPour les plateformes Blackwell et Vera Rubin, jusqu’en 2027. Cela représente une doublement du chiffre de 500 milliards de dollars prévu par l’entreprise douze mois plus tôt. Une courbe de demande exponentielle et non linéaire.

La chaîne d’approvisionnement confirme cela. Eaton possède un stock de produits électriques de 12 milliards de dollars. Nebius Group a signé un…Accord d’infrastructure sur cinq ans de 27 milliards de dollars avec MetaIncluant 12 milliards de dollars dédiés aux capacités de Vera Rubin, avec livraison prévue au début de l’année 2027. Credo Technology estime que la valeur des contenus par rack est entre 5 000 et 8 000 dollars pour son système de réseau 1,6T. Astera Labs détient en réalité un monopole sur les retimers PCIe Gen6 et CXL 3.1, avec une valeur similaire par rack.

Ce n’est pas une seule partie de la demande. Il s’agit d’un ensemble de engagements de capacité sur plusieurs années, qui inclut les fournisseurs de services cloud haute performance, les déploiements d’IA souveraine, ainsi que les applications physiques liées à l’IA, allant des robots humanoïdes aux usines autonomes. L’entreprise a intégré plus de 200 partenaires de infrastructure de centres de données dans sa structure architecturale de référence, ce qui permet de créer des avantages concurrentiels pour les partenaires qui participent au développement du produit.

Goldman Sachs l’a fait en sens inverse.

Goldman Sachs a récemment indiqué que le P/E anticipé de Nvidia était de 21,7x – en se basant sur ses propres estimations des bénéfices.« attrayant » et « captivant »Il convient de noter que le prix actuel se situe près du moyenne du S&P 500, et bien en dessous de la moyenne sur cinq ans de Nvidia, qui est de 72x. Leur argument est que le prix actuel suppose une croissance moyenne pour toutes les entreprises de l’AI. Cela pourrait sous-estimer le potentiel de croissance de Nvidia, car les dépenses de capital des grands opérateurs en matière d’IA devraient augmenter, passant de 650 milliards de dollars en 2026 à 1 000 milliards de dollars en 2027.

L’opinion de Goldman Sachs est que les prévisions ne sont pas exagérées. C’est plutôt que le prix du marché par rapport à Nvidia pourrait être excessif. La banque considère que l’action est sous-évaluée par rapport au marché dans son ensemble et à sa propre plage historique.

C’est le contraire de la narration qui se trouve dans les commentaires sur le secteur du commerce de détail. L’opinion de Goldman correspond aux données relatives au cycle d’approvisionnement : les dépenses des grands opérateurs de services de technologie augmentent, et non diminuent. Nvidia se situe donc en tête de ce processus.

La trajectoire financière réelle de Nvidia confirme cette affirmation. L’entreprise a enregistré des revenus de 68,1 milliards de dollars au quatrième trimestre de l’exercice 2026 – une augmentation de 73 % par rapport à l’année précédente. Les revenus liés aux centres de données ont même dépassé les 193,7 milliards de dollars pour l’ensemble de l’exercice, ce qui représente plus de 89 % des revenus totaux. Le bénéfice net se situe à 74,1 %, le bénéfice opérationnel à 64,0 %. De plus, les flux de trésorerie libre sur les douze derniers mois ont atteint 119,1 milliards de dollars. Le rendement du capital investi est de 89,4 %, ce qui est l’un des taux les plus élevés dans l’histoire des entreprises modernes.

L’entreprise dispose de 13,2 milliards de dollars en liquidités, contre 6,4 milliards de dollars en dettes. Ainsi, son solde en liquidités s’élève à 72,1 milliards de dollars. Le bilan financier est très solide, ce qui est important, car le processus de fourniture des produits Vera Rubin nécessite un investissement massif en fonds de roulement.

L’argument contraire : Les engagements d’offre comme risque de levier

La demande n’est pas le problème. Le problème est de savoir si l’ampleur des engagements en matière d’offre entraîne des risques d’exécution.

Une prévision de commandes d’un montant de 1 000 milliards de dollars jusqu’en 2027 est extraordinaire – mais les commandes ne représentent pas des revenus. Ce sont plutôt des intentions. La différence entre les commandes passées et les revenus réels est là où se trouve le risque d’exécution. En particulier lorsque la chaîne d’approvisionnement implique plus de 200 partenaires technologiques, une qualification du stockage HBM4 chez Samsung et Micron, ainsi que des rendements des transceilleurs optiques de 1,6 T.Seulement entre 45 % et 52 % au premier trimestre de l’exercice 2026.Pour le fournisseur clé Coherent.

Nvidia est également confrontée à un environnement concurrentiel qui cherche activement à combler l’écart dans le domaine de l’inférence. Cerebras a…Partenariat avec AWSLe PDG Andrew Feldman prévoit que la part de marché des systèmes de inférence augmentera rapidement, atteignant entre 60 % et 80 %. Cela est bien au-delà du pourcentage de 25 % recommandé par Nvidia. Les séries MI400 et MI450 d’AMD continuent de pousser sur le marché des modèles de formation de milieu de gamme, où l’efficacité économique est plus importante que les performances absolues.

Le sous-performance de cette action par rapport au indices des semi-conducteurs indique que le marché a déjà pris en compte les doutes concernant la capacité de Rubin à satisfaire toute cette demande, sans que cela ne entraîne une compression des marges ou des retards dans la livraison des produits. NvidiaIl a été refusé en juillet que le système Kyber NVL144 soit retardé jusqu’en 2028.On réaffirme que le calendrier est en bonne voie – mais le fait que ces rapports aient été diffusés indique que les tensions dans la chaîne d’approvisionnement sont réelles.

Où cela entraîne l’allocation

La question n’est pas de savoir si Nvidia reste le joueur dominant dans le domaine de l’infrastructure de l’IA. La question est plutôt de savoir si les retours financiers obtenus par Nvidia – avec une hausse de 20 % en un an, sur un marché à une capitalisation boursière de 5,4 billions de dollars – restent intéressants par rapport à ce que l’on trouve ailleurs dans le secteur de l’IA.

Je pense que Nvidia se trouve sur la bonne voie pour passer de l’étape de formation des modèles à l’étape d’inference. L’architecture Vera Rubin est donc la réponse la plus efficace de la part de Nvidia à ce changement dans l’industrie. Les commandes d’achat s’élevant à 1 000 milliards de dollars jusqu’en 2027 représentent une opportunité qui, même en tenant compte d’une taux de réalisation conservateur, permettra une croissance des revenus bien supérieure à ce que l’on attend généralement. La théorie de Jensen Huang concernant les revenus de 3 000 milliards de dollars ne est pas qu’un simple slogan ; c’est plutôt une perspective sérieuse sur la possibilité de faire évoluer l’IA agentique d’une utilisation limitée au niveau des entreprises vers une infrastructure à l’échelle planétaire.

Cependant, une grande partie de ces revenus sera probablement pondérée par les facteurs liés aux retards dans la production. La production de Vera Rubin s’accélère à partir de l’année H2 2026 et jusqu’en 2027. Le contrat de 27 milliards de dollars entre Nebius-Meta ne commencera à générer des bénéfices qu’au début de l’année 2027. L’avantage d’intégration verticale offert par Samsung avec HBM4 nécessite du temps pour se transformer en expansion des marges. Le prix actuel de l’action reflète donc une entreprise déjà excellente, qui espère que son situation s’améliorera encore… C’est juste. Mais il reste un écart entre “une entreprise déjà excellente” et “une expansion des marges significative”. Il est nécessaire que Rubin mette en œuvre ses plans avec une efficacité parfaite, à une échelle que l’industrie n’a jamais tentée auparavant.

Pour les investisseurs qui possèdent déjà des actions Nvidia, je ne vois aucune raison de réduire leurs positions, uniquement en raison de la date de publication des résultats financiers le 26 août. Le deuxième trimestre de l’exercice 2026 a dépassé les attentes du consensus en termes de EPS et de chiffre d’affaires. Le EPS réel était…$1,05 contre le consensus de $1,01Et les revenus réels s’élèvent à 46,7 milliards de dollars, contre une estimation de 46,0 milliards de dollars. Ce historique de dépasser les attentes, combiné au potentiel commercial de Rubin, permet de maintenir cette position jusqu’à la publication du rapport.

Pour les investisseurs qui souhaitent ajouter des actifs dans cette entreprise, la situation n’est pas très claire. Avec une capitalisation boursière de 5,4 billions de dollars et un P/E de 33,9x, l’action ne est pas bon marché selon les critères traditionnels. Cependant, l’estimate P/E anticipée par Goldman de 21,7x indique que la courbe des revenus augmente plus rapidement que ce que le chiffre brut ne laisse présenter. La question est donc de savoir si les capitaux devraient être investis chez Nvidia à ces niveaux, ou plutôt chez des partenaires du secteur de la chaîne d’approvisionnement comme Eaton, Credo ou Astera Labs, où les investissements en IA permettent de bénéficier de multiples de valorisation plus faibles et d’une plus grande visibilité sur la croissance.

La condition de délai pour ma thèse optimiste serait un retard dans la livraison des produits de Rubin, ce qui entraînerait une reconnaissance des revenus majeurs en 2028 ou plus tard. Ou bien, il pourrait y avoir une situation de concurrence où Cerebras, AMD ou les technologies de silicium personnalisées réussissent à obtenir une part significative du travail d’inférence, à un coût beaucoup plus bas par token. Aucune de ces situations n’a encore eu lieu. Il est donc important de suivre ces événements.

Le marché passe d’une dépense en IA centrée sur la formation à une dépense centrée sur l’inférence. L’architecture de Nvidia est mieux adaptée à cette transition que celle des concurrents. La chaîne d’approvisionnement est remplie de engagements qui, même partiellement remplis, permettent une croissance sur plusieurs années. La question n’est pas de savoir si l’entreprise peut mettre en œuvre ces engagements – mais plutôt si le prix actuel prend bien en compte tous ces engagements, afin que le risque et les récompenses ne soient pas aussi attrayants que les alternatives.