Prévisions de croissance de 70 % pour Nvidia : Jensen Huang affirme que l’offre, et non la demande, fixe la limite
Jensen Huang affirme que les prévisions de croissance de 70 % de Nvidia reflètent un plafond lié à l’offre, et non la limite de la demande des clients. Nvidia prévoit d’augmenter son chiffre d’affaires d’environ 70 % au cours de l’exercice 2028, une projection inhabituelle à si longue échéance pour une entreprise évoluant dans un contexte de dépenses volatiles en IA.
Ces prévisions témoignent de la confiance de Nvidia dans sa capacité à poursuivre sa croissance malgré les puces sur mesure d’Amazon, Google, Microsoft, OpenAI et Anthropic. Elles soulèvent aussi une question plus difficile. Quelle part de la demande existe de manière indépendante, et quelle part dépend de l’aide de Nvidia au financement d’infrastructures construites autour de son matériel ?
La réponse de Huang est que Nvidia perçoit la demande sur l’ensemble de la chaîne d’approvisionnement de l’IA. L’entreprise travaille avec des fournisseurs de puces, des opérateurs cloud, des développeurs de modèles, des entreprises, des gouvernements et des constructeurs de centres de données. Les détracteurs voient nombre de ces liens différemment. Ils craignent que Nvidia finance ou soutienne de plus en plus les clients qui achètent ses systèmes.
Ce conflit compte davantage que le pourcentage affiché dans les gros titres. Nvidia ne se contente plus de vendre des accélérateurs à un marché des infrastructures entièrement construit par d’autres entreprises. Elle contribue à sécuriser des capacités de production, des sites de centres de données, des financements et des engagements de revenus cloud.
Il en résulte une activité offrant une visibilité inhabituelle sur les constructions à venir. C’est aussi une activité qui assume de nouveaux risques au-delà de la conception de semi-conducteurs.
Les prévisions de croissance de 70 % de Nvidia sont une promesse contrainte par l’offre
Les prévisions de Nvidia indiquent que l’entreprise s’attend à ce que la demande dépasse ce que son réseau de fabrication et d’infrastructure peut fournir.
Nvidia a présenté cette projection pour la première fois lors de sa conférence téléphonique sur les résultats du deuxième trimestre de l’exercice 2027, le 26 août. La directrice financière, Colette Kress, a déclaré que l’entreprise anticipait environ 70 % de croissance de son chiffre d’affaires au cours de l’exercice 2028.
Ce chiffre a retenu l’attention car Nvidia n’avait pas l’habitude de fournir des prévisions aux investisseurs pour l’ensemble d’un exercice futur. Ses prévisions portaient généralement sur le trimestre suivant, période pour laquelle les calendriers d’approvisionnement et les commandes clients étaient plus faciles à évaluer.
Huang a ensuite répété ces prévisions lors de la Communacopia and Technology Conference de Goldman Sachs. Ses déclarations lors de la conférence ont présenté cette projection comme le résultat de la visibilité de Nvidia sur son marché.
Nvidia a enregistré environ 96 milliards de dollars de chiffre d’affaires trimestriel pour la période achevée le 26 juillet 2026. Le chiffre d’affaires des centres de données a atteint 89 milliards de dollars, en hausse de 18 % par rapport au trimestre précédent.
L’entreprise a également prévu environ 108 milliards de dollars de chiffre d’affaires pour son troisième trimestre fiscal. Ces chiffres montrent que les prévisions de 70 % partent d’une base bien plus importante que celle à laquelle Nvidia faisait face au début de l’expansion de l’IA générative.
Kress a déclaré que les prévisions des clients indiquaient une demande susceptible de doubler l’année suivante. Nvidia a néanmoins limité ses prévisions de chiffre d’affaires à 70 %, car l’offre disponible ne pouvait pas répondre à toutes ces demandes.
Huang a renforcé cette distinction lors de la conférence téléphonique sur les résultats. Il a déclaré que la demande était largement supérieure au volume que Nvidia prévoyait de livrer. L’offre sécurisée par l’entreprise a donné à la direction confiance dans le chiffre inférieur.
Il ne s’agit pas simplement d’affirmer que davantage d’entreprises commanderont des puces individuelles. Nvidia décrit désormais son produit à l’échelle d’un système informatique complet.
Une installation Nvidia moderne peut inclure des CPU, des GPU, des équipements réseau, des commutateurs, des composants de refroidissement et de nombreux logiciels. Ces éléments fonctionnent comme un seul ordinateur à l’échelle d’un centre de données.
Huang a utilisé le système GB200 NVL72 de Nvidia pour illustrer cette évolution. Il associe 36 CPU Grace et 72 GPU Blackwell via l’interconnexion NVLink de Nvidia.
Il a déclaré que les commandes du système progressaient de 27 % d’un mois sur l’autre lorsqu’il s’est exprimé en septembre. Ce chiffre représentait la dynamique actuelle des commandes, et non la garantie que ce rythme se poursuivrait indéfiniment.
Nvidia qualifie ces installations d’usines d’IA, car elles transforment l’électricité et les données en résultats d’entraînement et d’inférence de modèles. L’inférence est le processus consistant à utiliser un modèle entraîné pour générer des réponses, des prédictions ou d’autres résultats.
L’unité de vente plus vaste modifie la manière dont les investisseurs devraient interpréter ces prévisions. Nvidia ne compte pas uniquement les puces expédiées vers des centres de données existants. Elle planifie autour d’installations complètes nécessitant énergie, refroidissement, terrains, financement et construction.
Ces prévisions constituent donc en partie un calendrier de déploiement industriel. Chaque objectif de chiffre d’affaires dépend de la réalisation à temps d’une longue chaîne de travaux par les fournisseurs et les clients.
Cette chaîne offre une meilleure visibilité, car les projets majeurs exigent une planification pluriannuelle. Elle crée également davantage de possibilités de retards.
Les agents d’IA génèrent des besoins informatiques bien plus importants
L’argument central de Huang sur la demande est que les agents d’IA exécutent des tâches plus longues, rendant chaque requête utilisateur beaucoup plus coûteuse en calcul.
Un chatbot basique répond souvent à une requête par une réponse. Un agent d’IA peut planifier une tâche, appeler des outils logiciels, examiner les résultats, corriger des erreurs et répéter ce cycle.
Chaque étape consomme de la capacité d’inférence. La charge de travail peut rapidement augmenter lorsqu’un agent gère la recherche, le développement logiciel, le service client, l’analyse scientifique ou les opérations commerciales.
Lors de la transcription des résultats de Nvidia, Huang a estimé qu’un agent pouvait nécessiter 15 à 100 fois plus de capacité de calcul qu’un usage humain direct. Il a précisé que ce volume variait selon le problème à résoudre.
Cette estimation est une affirmation de l’entreprise, et non une référence indépendante couvrant toutes les applications. Toutefois, le mécanisme sous-jacent est clair. Des séquences de raisonnement plus longues et des appels répétés à des outils exigent davantage de jetons générés et davantage de temps d’accélérateur.
Le développement des modèles s’étend également au-delà d’un petit groupe de laboratoires de pointe. Nvidia affirme que la demande provient désormais des hyperscalers, des neoclouds, des startups d’IA, des entreprises, des sociétés industrielles, des institutions de recherche et des clients souverains.
Les hyperscalers sont les plus grands fournisseurs de cloud, notamment Amazon Web Services, Microsoft Azure et Google Cloud. Les neoclouds sont de nouvelles entreprises d’infrastructure principalement construites autour de l’informatique GPU.
Au deuxième trimestre publié par Nvidia, le chiffre d’affaires des hyperscalers a atteint 49 milliards de dollars. Une autre catégorie de clients, couvrant les neoclouds, les secteurs industriels et les entreprises, a généré 40 milliards de dollars.
Selon Nvidia, cette seconde catégorie a progressé de 25 % par rapport au trimestre précédent et de 138 % sur un an. Son ampleur étaye l’argument de Huang selon lequel le marché s’étend au-delà d’un seul laboratoire d’IA ou d’un seul client cloud.
Kress a déclaré que les partenaires neocloud devraient achever 2026 avec huit gigawatts de capacité installée. Ils disposaient d’environ trois gigawatts à la fin de 2025.
Un gigawatt mesure la puissance électrique, et non les performances informatiques. Il fournit néanmoins un indicateur utile de l’ampleur prise par ces projets. Un nouveau campus de centres de données peut nécessiter une énergie comparable à celle d’un grand développement industriel.
Amazon fournit un autre signal de demande. Nvidia a indiqué qu’AWS commencerait à déployer deux millions de GPU Nvidia supplémentaires au cours du trimestre publié. Le calendrier de déploiement s’étend jusqu’au deuxième trimestre de l’exercice 2029 de Nvidia.
AWS prévoit également d’utiliser la technologie Nvidia dans ses modèles, ses services cloud et sa robotique d’entrepôt. Amazon continue toutefois de développer ses propres accélérateurs Trainium, ce qui crée à la fois un partenariat et une concurrence.
Google suit une stratégie semblable avec ses Tensor Processing Units. Microsoft dispose d’accélérateurs Maia, tandis qu’OpenAI et Anthropic poursuivent des programmes de matériel sur mesure.
Ces projets exercent une pression sur Nvidia, car ses plus grands clients souhaitent mieux maîtriser leurs coûts et leur approvisionnement. Ils n’éliminent pas automatiquement la demande de systèmes Nvidia.
Les accélérateurs sur mesure fonctionnent au mieux lorsqu’une entreprise peut optimiser conjointement le matériel, les logiciels et les charges de travail. L’avantage de Nvidia réside dans une compatibilité plus large entre les clients, les modèles, les clouds et les outils de développement.
Huang affirme que Nvidia exécute des modèles provenant de grands laboratoires fermés et de développeurs de modèles ouverts. Cette portée permet à un client de déployer des logiciels similaires dans plusieurs environnements sans tout reconstruire pour une puce spécialisée.
CUDA, la plateforme de programmation de Nvidia pour l’informatique GPU, reste centrale dans cette position. Les développeurs ont passé des années à créer des bibliothèques, des outils et des applications autour d’elle.
Les prévisions de croissance de 70 % de Nvidia supposent que cette plateforme complète restera préférable pour une part substantielle des nouvelles capacités. Elles n’exigent pas l’échec des accélérateurs sur mesure.
Elles supposent plutôt que la demande totale augmente suffisamment vite pour les deux approches. Nvidia peut perdre certaines charges de travail au profit de puces conçues en interne tout en développant ses ventes sur un marché informatique plus large.
L’incertitude porte sur le calendrier. Les clients peuvent surestimer l’adoption à court terme des agents, tandis que les applications utiles peuvent mettre plus de temps à générer des revenus que les infrastructures à être construites.
Si les entreprises peinent à transformer leurs expérimentations avec les agents en flux de travail fiables, les opérateurs cloud pourraient faire face à une utilisation plus faible. Cela affaiblirait les fondements économiques d’une nouvelle vague de commandes d’équipements.
Pour les travailleurs du savoir, le signal concret est la profondeur d’utilisation plutôt que les annonces de modèles. Les systèmes intégrés au développement logiciel, à la recherche, aux ventes et aux opérations consommeront du calcul de manière répétée.
Une base de connaissances IA consultable, par exemple, peut combiner la recherche d’informations avec des appels répétés à des modèles. À grande échelle, ces flux de travail ordinaires comptent davantage qu’une seule démonstration.
La portée full-stack de Nvidia explique la confiance de Huang
Nvidia estime pouvoir établir des prévisions plus lointaines parce qu’elle suit désormais à la fois l’approvisionnement en semi-conducteurs et les infrastructures physiques en attente de ses systèmes.
Les entreprises de puces estiment traditionnellement la demande à partir des commandes clients, des calendriers de production, des stocks et de l’activité des canaux de distribution. Nvidia suit désormais une couche d’information supplémentaire.
Huang a déclaré que l’entreprise suivait les terrains destinés aux centres de données, l’alimentation électrique et les structures de bâtiments dans le monde entier. Une structure est l’enveloppe physique préparée avant l’arrivée des serveurs et des équipements réseau.
Cette connaissance est importante, car la construction de capacités d’IA prend des années. Un client ne peut pas installer un système avancé sans sécuriser les raccordements aux services publics, les équipements de refroidissement, les entrepreneurs, les permis et les capitaux.
Nvidia s’est positionnée des deux côtés du calendrier de déploiement. En amont, elle travaille avec des fonderies, des fournisseurs de mémoire, des prestataires d’encapsulation et d’autres fabricants de composants.
En aval, elle coordonne ses activités avec des opérateurs cloud, des développeurs de centres de données, des entreprises énergétiques, des entreprises et des institutions financières. Cette position donne à Nvidia une vision précoce des projets avant la livraison du matériel.
Ses engagements de dépenses reflètent l’ampleur de cette coordination. Le document trimestriel de Nvidia indique que les engagements d’approvisionnement et de capacité sont passés de 119 milliards à 279 milliards de dollars au 26 juillet.
Ces engagements contribuent à sécuriser la production pour les architectures actuelles et futures. Ils peuvent également devenir un passif si les déploiements clients ralentissent ou si les transitions technologiques évoluent différemment des prévisions.
La valeur des ventes de Nvidia par gigawatt a augmenté à mesure que ses systèmes sont devenus plus intégrés. Huang a déclaré que Hopper représentait environ 18 milliards de dollars d’équipements Nvidia par gigawatt.
Il a évalué Grace Blackwell à environ 25 milliards de dollars par gigawatt et Vera Rubin à quelque 40 milliards de dollars. Il s’agit des estimations de Nvidia concernant la valeur des systèmes, et non de coûts de construction universels.
Cette évolution montre pourquoi le chiffre d’affaires peut croître plus vite que le nombre de centres de données alimentés. Chaque génération peut concentrer davantage d’équipements informatiques et réseau de valeur derrière le même raccordement électrique.
Les nouvelles plateformes font également entrer Nvidia dans des catégories autrefois fournies par plusieurs fabricants. L’entreprise vend des accélérateurs, des CPU, des composants réseau, des interconnexions, des logiciels et des systèmes complets à l’échelle du rack.
Cette expansion permet à Nvidia de générer davantage de revenus par déploiement. Elle signifie aussi que ses prévisions dépendent de l’adoption par les clients d’une part plus importante de son architecture.
Les concurrents peuvent attaquer différentes couches de cette pile technologique. AMD vend des accélérateurs, Broadcom aide les entreprises à développer des puces sur mesure, et les fournisseurs cloud proposent leur propre silicium.
Cerebras et d’autres développeurs spécialisés proposent des approches alternatives pour construire des systèmes informatiques d’IA. Certains ciblent l’économie de l’inférence, tandis que d’autres mettent l’accent sur la capacité mémoire ou une montée en charge plus simple.
La défense de Nvidia repose sur la polyvalence, c’est-à-dire la capacité d’un système à servir de nombreux modèles et clients plutôt qu’une seule charge de travail étroitement définie. Cette flexibilité est particulièrement importante pour les opérateurs cloud.
Un neocloud cherche à louer sa capacité disponible au client offrant le meilleur rendement. Un matériel optimisé pour un seul modèle peut devenir difficile à réaffecter lorsque la demande évolue.
Nvidia affirme qu’une large compatibilité logicielle protège la valeur de revente et de location de ses équipements. Les institutions de financement accordent aussi de l’importance à cette affirmation, car elles doivent évaluer le risque lié aux actifs à long terme.
Cependant, le matériel informatique se déprécie plus rapidement que les infrastructures traditionnelles. Un engagement cloud de six ans peut couvrir plusieurs générations de produits Nvidia.
Les clients peuvent encore préférer des systèmes plus anciens pour des tâches d’inférence moins exigeantes. Mais cette demande secondaire doit rester suffisamment forte pour soutenir la valeur résiduelle attendue.
La prévision de croissance de 70 % de Nvidia repose donc sur deux formes de visibilité. La première provient des capacités réservées et des projets physiques. La seconde découle de la conviction de Nvidia que sa plateforme restera économiquement utile après l’arrivée de systèmes plus récents.
La première peut être mesurée à travers les engagements et la construction. La seconde ne deviendra claire qu’au regard de l’utilisation, des tarifs de location et des renouvellements de clients.
La question du financement circulaire ne disparaît pas
Les accords de Nvidia peuvent débloquer une demande réelle tout en transférant davantage de risques liés aux clients et aux infrastructures vers son propre bilan.
La critique du financement circulaire est simple. Nvidia investit dans des entreprises d’IA ou soutient leur infrastructure, et ces entreprises utilisent ces capitaux pour acheter un accès aux systèmes Nvidia.
Les critiques craignent que cet arrangement fasse paraître la demande plus indépendante qu’elle ne l’est réellement. Si les clients ne peuvent financer leur expansion sans le soutien du fournisseur, les ventes actuelles pourraient anticiper une demande future.
Nvidia rejette cette interprétation. Kress a déclaré aux analystes que l’entreprise considère son soutien comme un développement d’infrastructures soutenu par l’utilisation des clients et des capitaux apportés de manière indépendante.
Pour les projets neocloud, Nvidia peut fournir un engagement take-or-pay couvrant une partie de la capacité d’une installation. Take-or-pay signifie que Nvidia accepte de payer un volume minimal, même lorsque l’utilisation réelle est inférieure à ce seuil.
Ce plancher peut aider un opérateur cloud à obtenir le financement du projet. Nvidia reçoit ensuite une part des revenus générés au-delà du niveau garanti.
Kress a déclaré que l’entreprise est rémunérée par la vente de matériel et peut ensuite percevoir des revenus locatifs. Nvidia a signalé 36 milliards de dollars de ces engagements de services cloud au 26 juillet.
Le document indique que les fournisseurs cloud peuvent cesser de fournir de la capacité à Nvidia et la vendre à des tiers à de meilleurs tarifs. L’engagement de Nvidia diminue à mesure que des clients externes, ou Nvidia elle-même, consomment cette capacité.
Cette structure diffère d’un simple prêt accordé à un client pour acheter du matériel. Néanmoins, Nvidia supporte des coûts si l’utilisation externe ne se matérialise pas.
Son exposition s’étend aux projets physiques. Nvidia a révélé jusqu’à 3,5 milliards de dollars de garanties liées aux obligations de terrain, d’électricité et de construction pour certains partenaires cloud spécialisés dans l’IA.
L’entreprise a également conclu des garanties liées au PORTS Technology Campus de SB Energy, dans l’Ohio. Nvidia a plafonné ce soutien à un montant cumulé de 105 milliards de dollars, sous réserve de conditions.
Le campus prévu couvre environ 4,25 gigawatts de charge informatique. Ses neuf centres de données devraient commencer à entrer en service au cours de l’exercice fiscal 2029 de Nvidia.
OpenAI devrait louer le campus pendant 20 ans, avec des exceptions limitées. L’exposition de Nvidia diminue à mesure qu’OpenAI effectue ses paiements de location et peut prendre fin après certains événements précisés.
Cet arrangement crée un lien clair entre Nvidia, un laboratoire d’IA, un développeur de centres de données et la future demande de matériel. Il est raisonnable que les investisseurs examinent l’ensemble de cette chaîne.
Nvidia affirme que les garanties répondent à un décalage de financement. Les laboratoires de pointe peuvent connaître une demande à forte croissance sans disposer de l’historique de crédit nécessaire aux contrats d’infrastructure pluridécennaux.
L’entreprise a déclaré avoir investi près de 50 milliards de dollars dans des laboratoires d’IA de pointe. Nvidia présente ce montant comme une petite part du flux de trésorerie disponible attendu sur la même période.
En août, Nvidia a également annoncé des partenariats avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR. L’annonce de financement visait à mobiliser plus de 500 milliards de dollars de capitaux tiers au fil du temps.
Il s’agissait de protocoles d’accord, et non de déploiements achevés de l’intégralité de ce montant. Nvidia a averti dans son document que les arrangements préliminaires pourraient ne pas aboutir à des accords définitifs.
Les plateformes proposées verraient des institutions externes souscrire individuellement les projets. Nvidia pourrait encore fournir, à sa discrétion, un soutien limité à la valeur résiduelle.
La défense la plus simple de Huang est venue lors de son intervention à une conférence en septembre. Il a soutenu que Nvidia contribue pour un faible montant tandis qu’un volume bien plus important de capitaux externes revient sur le marché des infrastructures.
Cette réponse résume la thèse de Nvidia, mais elle ne règle pas la question comptable ou économique. Une boucle financière n’a pas besoin de contributions égales de chaque participant pour concentrer le risque.
La question la plus importante est de savoir si les utilisateurs finaux génèrent suffisamment de trésorerie pour supporter les frais de location cloud. Ces revenus doivent à terme couvrir l’électricité, les installations, le financement, le matériel et les marges des opérateurs.
Une utilisation positive peut faire apparaître l’intervention de Nvidia comme une création de marché judicieuse. Une faible utilisation peut exposer les garanties, réduire les tarifs de location et laisser les clients avec des équipements vieillissant rapidement.
Les investisseurs ont déjà demandé davantage de transparence. Avant les résultats d’août de Nvidia, les analystes de Morgan Stanley ont demandé une transparence étendue concernant les investissements et les accords de financement.
Melissa Otto, responsable de la recherche chez Visible Alpha, a qualifié la prévision de 70 % d’augmentation significative par rapport aux attentes du marché, proches de 45 %. Son évaluation, rapportée parallèlement à un examen accru des investisseurs, souligne l’importance du débat.
Une prévision aussi nettement supérieure aux attentes dépend de bien plus que de performances de puces supérieures. Elle repose sur un système de financement et de construction qui monte en puissance sans créer une capacité inutilisée excessive.
Les propres documents de Nvidia reconnaissent que les risques de pénurie et de surcapacité coexistent. Une insuffisance d’électricité, de terrains, de capitaux ou de composants peut retarder les revenus.
Les clients peuvent également reporter de nouvelles architectures ou les adopter plus lentement que prévu. L’évolution des conditions de marché peut rendre les engagements de Nvidia moins précieux et nuire aux résultats financiers.
La conclusion équilibrée n’est pas que chaque projet soutenu par Nvidia produit une demande artificielle. Elle n’est pas non plus que la souscription indépendante élimine le risque de Nvidia.
L’entreprise utilise sa position sur le marché pour résoudre de véritables goulets d’étranglement dans les infrastructures. Ce faisant, elle lie plus étroitement son bilan à l’utilisation par les clients et à leur qualité de crédit.
Ce compromis constitue le principal test de la confiance de Huang.
Trois signaux mettront à l’épreuve la prévision de Jensen Huang
Les investisseurs devraient surveiller la conversion de l’offre, l’utilisation externe et la concentration des clients plutôt que de considérer le chiffre de 70 % comme autojustifié.
Le premier signal est la conversion par Nvidia de ses 279 milliards de dollars d’engagements d’approvisionnement et de capacité en systèmes expédiés et payés. Ces engagements témoignent d’une préparation, mais les revenus exigent des produits achevés et des centres de données prêts à fonctionner.
La mémoire représente une contrainte immédiate. Nvidia a déclaré que la forte demande en IA avait resserré l’offre et exercé une pression sur les coûts.
L’entreprise a affiché une marge brute de 75 % pour le trimestre. La direction prévoyait que cet indicateur descende jusqu’à 71 % avant de se redresser.
Si la disponibilité de la mémoire s’améliore et que les nouvelles architectures entrent en production de volume selon le calendrier prévu, Nvidia pourra livrer davantage de la demande qu’elle observe. Des retards affaibliraient l’explication de la prévision fondée sur l’offre.
Les investisseurs devraient donc comparer les prévisions trimestrielles de chiffre d’affaires avec les stocks, les engagements d’achat, les marges et les commentaires sur les transitions de plateformes. Une hausse des engagements sans expéditions proportionnelles mériterait une attention accrue.
Le deuxième signal est l’utilisation par des tiers dans les neoclouds et les centres de données soutenus. C’est le test le plus clair de la préoccupation liée au financement circulaire.
Nvidia affirme que ses engagements cloud diminuent lorsque des clients externes consomment de la capacité. Une forte utilisation par des tiers déplacerait le risque loin de Nvidia et validerait l’économie indépendante des projets.
L’utilisation doit également produire des tarifs de location durables. Un centre de données peut sembler très sollicité tout en générant des rendements insuffisants parce que les fournisseurs réduisent les prix de l’accès aux GPU pour attirer des clients.
Les opérateurs cloud devraient démontrer que les revenus progressent avec la capacité installée. Ils doivent également montrer que la demande des clients s’étend au-delà de quelques laboratoires de pointe et hyperscalers.
La croissance rapportée par Nvidia auprès des entreprises, des projets souverains et des clouds régionaux va dans ce sens. Les futures informations publiées devront montrer que ces clients deviennent des utilisateurs durables plutôt que de simples pipelines annoncés.
Si l’exposition take-or-pay de Nvidia diminue tandis que les revenus des partenaires augmentent, l’argument de création de marché de l’entreprise se renforce. Des garanties en hausse accompagnées d’une faible utilisation externe renforceraient l’argument des critiques.
Le troisième signal est l’équilibre entre les systèmes Nvidia et les puces conçues par les clients. Amazon, Google, Microsoft, OpenAI et Anthropic ont de solides raisons de diversifier leurs approvisionnements.
Le silicium personnalisé peut réduire les coûts pour des charges de travail stables et diminuer la dépendance à un seul fournisseur. Il peut également offrir aux développeurs de modèles un contrôle plus étroit de la mémoire, du réseau et de la conception logicielle.
Nvidia n’a pas besoin d’empêcher ces déploiements. Son objectif est que sa plateforme conserve suffisamment de charges de travail pendant que le marché global se développe.
Il faut observer si les fournisseurs cloud continuent de commander des systèmes Nvidia complets tout en déployant leurs propres accélérateurs. Une stratégie mixte étayerait l’affirmation de Huang selon laquelle Nvidia sert un marché vaste et en croissance.
Un basculement significatif vers du matériel propriétaire, à la fois pour l’entraînement et l’inférence, affaiblirait cette conclusion. Il pourrait également réduire le pouvoir de fixation des prix de Nvidia et la valeur captée par gigawatt.
La prévision pour l’exercice fiscal 2028 sera testée progressivement, et non lors d’une seule publication de résultats. Les calendriers de construction, les achats d’approvisionnement, l’utilisation du cloud et les déploiements de puces concurrentes révéleront si ses hypothèses restent alignées.
Les développeurs et les acheteurs en entreprise devraient également suivre la disponibilité et les prix. Une offre accrue peut rendre l’inférence avancée plus accessible, même si les organisations n’achètent jamais directement du matériel Nvidia.
Les travailleurs du savoir vivront cette prévision à travers les logiciels. Si les agents deviennent suffisamment fiables pour gérer des flux de travail plus longs, la demande de calcul pourra augmenter sans que les utilisateurs ne voient l’infrastructure qui la sous-tend.
La prévision de croissance de 70 % de Nvidia relève, au fond, d’une affirmation sur les comportements, et pas seulement sur la production. Elle suppose que les entreprises utiliseront suffisamment l’IA pour justifier une expansion historique des capacités de calcul.
Huang a expliqué pourquoi Nvidia anticipe ce scénario. L’entreprise est présente auprès des modèles, des clouds, des entreprises, des fournisseurs, des projets énergétiques et des apporteurs de capitaux.
Cette présence donne à Nvidia des informations que peu de concurrents possèdent. Elle signifie aussi que Nvidia contribue à créer l’avenir qu’elle affirme déjà discerner.
La question suivante est de savoir si les clients génèrent assez de valeur de manière indépendante pour soutenir cette dynamique. Au cours des prochains trimestres, surveillez les systèmes livrés, l’utilisation des clouds tiers et l’adoption des puces sur mesure.
Ces indicateurs montreront si les 70 % correspondent à une demande durable ou à une chaîne d’approvisionnement qui prend de l’avance sur ses utilisateurs.
