Nvidia aborde 2027 avec un enjeu plus important et un risque bien plus élevé
Nvidia entame 2027 avec un chiffre d’affaires en hausse de 106 %, mais son principal avantage ne repose plus uniquement sur les processeurs graphiques. L’entreprise veut désormais capter une part plus importante des dépenses de chaque centre de données d’IA, des CPU et du réseau jusqu’aux systèmes complets à l’échelle d’un rack.
Cette expansion étaye une thèse haussière sur l’action Nvidia relayée par Google News et republiée par plusieurs médias financiers. Toutefois, l’argument sous-jacent mérite un examen plus attentif que ne le suggère la simple étiquette de « meilleure action de semi-conducteurs ».
La thèse d’investissement originale met en avant l’échelle, la croissance et l’élargissement du portefeuille de produits de Nvidia. Elle soutient également que les investisseurs devraient moins se concentrer sur la part de marché des accélérateurs que sur le chiffre d’affaires capté par gigawatt.
Cette distinction est importante. Le principal affrontement de Nvidia ne se résume plus à ses GPU face aux accélérateurs d’AMD ou aux puces personnalisées des fournisseurs cloud. Le conflit central oppose la plateforme complète de centre de données de Nvidia à des clients qui souhaitent de plus en plus disposer de fournisseurs alternatifs, de silicium interne et d’un contrôle accru.
Les résultats financiers rendent la position de Nvidia difficile à écarter. Ils révèlent aussi une entreprise qui prend des engagements plus importants dans la fabrication, la mémoire, la capacité cloud et le financement d’infrastructures.
Il ne s’agit pas d’une histoire simple sur un vainqueur incontesté. C’est un test pour déterminer si Nvidia peut transformer son leadership de marché en une plateforme plus vaste sans assumer un risque excessif sur l’offre et la demande.
La sélection boursière de Google News s’appuie sur une croissance extraordinaire
Les derniers résultats de Nvidia étayent le scénario haussier, mais la composition de cette croissance compte davantage que le pourcentage affiché en titre.
Nvidia a déclaré un chiffre d’affaires de 96,2 milliards de dollars au deuxième trimestre fiscal, pour la période achevée le 26 juillet 2026. Le chiffre d’affaires a progressé de 18 % par rapport au trimestre précédent et de 106 % sur un an.
Data Center a généré 89 milliards de dollars, soit plus de neuf dixièmes du chiffre d’affaires trimestriel total. Ce segment a progressé de 117 % sur un an, selon les résultats du deuxième trimestre de Nvidia.
L’entreprise a également affiché une marge brute de 75 %. Le résultat d’exploitation a atteint 63,7 milliards de dollars selon les principes comptables généralement admis, tandis que le résultat net a atteint 59,7 milliards de dollars.
Ces chiffres constituent le fondement de l’argument avancé par le titre de Google News. Nvidia affiche une croissance exceptionnelle malgré une base de chiffre d’affaires qui rendrait normalement une expansion à trois chiffres difficile.
La direction prévoit un chiffre d’affaires de 108 milliards de dollars au troisième trimestre, à plus ou moins 2 %. Le point médian implique une nouvelle hausse séquentielle substantielle.
Nvidia n’a inclus aucun chiffre d’affaires de calcul Data Center en provenance de Chine dans ces perspectives. Cette exclusion est importante, car les restrictions à l’exportation ont fortement réduit son accès à un marché historiquement significatif.
La croissance ne provient pas uniquement de l’expédition de davantage de versions du même accélérateur. Nvidia vend des systèmes combinant GPU, CPU, interconnexions, commutateurs, équipements réseau et logiciels.
Cela modifie la manière dont son opportunité doit être évaluée. Une estimation de la part de marché des accélérateurs ne saisit qu’une couche de ce que Nvidia vend désormais à un centre de données d’IA.
Un fournisseur cloud peut acheter des GPU Nvidia tout en utilisant des CPU, des équipements réseau et des logiciels d’autres fournisseurs. La stratégie de Nvidia consiste à remplacer davantage de ces décisions d’achat distinctes par une architecture intégrée.
L’entreprise appelle ces déploiements des usines d’IA, c’est-à-dire des centres de données conçus pour transformer l’électricité et les données en production d’entraînement ou d’inférence de modèles. L’inférence est le processus consistant à exécuter un modèle entraîné afin de produire des réponses, des images, des prédictions ou des actions.
Cette stratégie augmente le chiffre d’affaires potentiel de Nvidia pour chaque installation. Elle rend aussi les clients plus dépendants de son architecture, de son calendrier de sortie et de son environnement logiciel.
Pour les acheteurs, cette intégration peut réduire l’effort nécessaire pour assembler et optimiser des milliers de composants. Elle peut aussi limiter leur liberté de substituer un autre fournisseur ultérieurement.
La thèse d’investissement repose donc sur plus que la demande d’accélérateurs d’IA. Elle suppose que Nvidia peut continuer à accroître sa part du budget global d’infrastructure.
C’est une proposition commerciale plus solide que la vente d’un seul composant. C’est aussi une promesse plus exigeante à exécuter.
Nvidia veut une part plus importante de chaque centre de données d’IA
La mesure Nvidia la plus importante à l’approche de 2027 est l’opportunité de chiffre d’affaires par gigawatt, et non la seule part de marché des GPU.
Lors de la conférence téléphonique sur les résultats d’août de Nvidia, la direction a indiqué que son opportunité de chiffre d’affaires était passée d’environ 18 milliards de dollars par gigawatt avec Hopper à 25 milliards de dollars avec Blackwell.
Pour Vera Rubin, l’entreprise estime cette opportunité à environ 40 milliards de dollars par gigawatt. Un gigawatt mesure la capacité électrique, devenue une contrainte concrète pour la taille des nouveaux campus d’IA.
Ces estimations sont des projections de l’entreprise, et non des moyennes sectorielles vérifiées indépendamment. Elles montrent néanmoins comment Nvidia définit sa prochaine phase de croissance.
Hopper a surtout établi Nvidia comme le fournisseur privilégié d’accélérateurs pour l’IA générative. Blackwell a étendu l’architecture à des systèmes intégrés plus grands, notamment des produits à l’échelle d’un rack et des réseaux à haut débit.
Vera Rubin prolonge cette approche avec le CPU Vera, le GPU Rubin, les interconnexions NVLink, le réseau Ethernet ou InfiniBand et d’autres processeurs. NVLink est la technologie de connexion à haute bande passante de Nvidia permettant de relier des accélérateurs au sein d’un même système informatique.
Nvidia a indiqué que Vera Rubin était entré en pleine production et que les livraisons de production avaient commencé en août 2026. L’entreprise prévoit que les produits Rubin représenteront environ 20 % du chiffre d’affaires de Data Center au troisième trimestre.
La direction a également déclaré avoir reçu des bons de commande de tous les principaux hyperscalers, fournisseurs de cloud IA et fabricants de systèmes. Un hyperscaler est une entreprise exploitant de très vastes réseaux cloud et de centres de données.
Ces déclarations indiquent une transition plus rapide que celle habituellement anticipée par les investisseurs entre les générations de semi-conducteurs. Les changements de produits créent souvent des pauses, le temps que les acheteurs testent le matériel, préparent les logiciels et écoulent les stocks précédents.
Nvidia affirme que la demande pour Blackwell reste forte pendant la montée en puissance de Rubin. Si cela se confirme, l’entreprise pourra introduire une nouvelle architecture sans créer le creux de chiffre d’affaires habituel.
Le portefeuille élargi ajoute une autre dimension. Nvidia a déclaré que le chiffre d’affaires des douze derniers mois de son CPU Grace dépassait 5 milliards de dollars, tandis que le CPU Vera était entré en pleine production.
La direction estime à environ 20 milliards de dollars la demande totale sur le marché des CPU serveurs qu’elle cible. Elle s’attend à ce que le chiffre d’affaires des CPU Nvidia fasse plus que doubler au cours de l’exercice 2028.
Le réseau progresse également. Nvidia a indiqué que le chiffre d’affaires trimestriel des produits réseau avait établi un nouveau record, avec une croissance séquentielle de 18 %.
Le chiffre d’affaires d’Ethernet Spectrum-X a été multiplié par 2,6 sur un an. Ethernet constitue la base réseau standard utilisée par la plupart des centres de données, tandis que Spectrum-X est le système de Nvidia conçu pour les charges de travail d’IA.
Cette expansion est le mécanisme à l’origine du scénario optimiste pour 2027. Nvidia peut perdre une partie de sa part des accélérateurs tout en augmentant son chiffre d’affaires provenant des CPU, des commutateurs, des interconnexions et des systèmes complets.
Pour les clients, l’attrait réside dans la conception coordonnée. Nvidia peut optimiser ensemble les puces, le réseau, les logiciels système et les bibliothèques de modèles, au lieu de les traiter comme des éléments isolés.
La direction affirme que Vera Rubin offre un débit par mégawatt 30 fois supérieur et un coût par token 35 fois inférieur à Grace Blackwell Ultra. Ces comparaisons proviennent de Nvidia et dépendent de la charge de travail et de la configuration du système.
Néanmoins, les performances par unité de puissance sont devenues un enjeu d’achat central. De nombreux projets d’IA sont limités par l’électricité, le refroidissement, les calendriers de construction et l’accès au réseau électrique avant de manquer de financement pour les puces.
Si un nouveau système produit davantage de résultats de modèles dans une enveloppe de puissance fixe, un client peut accroître sa capacité utilisable sans attendre un autre centre de données.
Cela rend l’efficacité de la plateforme commercialement importante. Cela explique aussi pourquoi Nvidia pousse les acheteurs vers des systèmes complets plutôt que vers des GPU autonomes.
Le principal affrontement concerne le contrôle de la plateforme, pas une seule puce
L’adversaire le plus déterminant de Nvidia est le souhait des clients d’éviter une dépendance à une seule plateforme d’infrastructure.
AMD reste le concurrent le plus évident parmi les fabricants de puces destinées au marché ouvert. Son segment Data Center a généré 6,7 milliards de dollars au deuxième trimestre 2026, en hausse de 107 % sur un an.
AMD a présenté sa famille Instinct MI400, dont le MI455X pour l’entraînement et l’inférence d’IA à grande échelle. L’entreprise a également lancé la sixième génération de CPU serveurs EPYC et poursuivi le développement de son environnement logiciel ROCm.
L’entreprise a annoncé des collaborations impliquant Anthropic et Microsoft. Ses résultats du deuxième trimestre indiquaient qu’Anthropic prévoyait de déployer jusqu’à deux gigawatts de systèmes MI450, tandis que Microsoft prévoyait des déploiements Helios plus étendus sur Azure.
AMD n’a pas besoin d’égaler le chiffre d’affaires total de Nvidia pour modifier le comportement des acheteurs. Elle doit offrir suffisamment de performances, de compatibilité logicielle et d’approvisionnement pour devenir une source secondaire crédible.
Une alternative viable donne aux fournisseurs cloud un levier de négociation. Elle peut également les aider à réserver les systèmes Nvidia aux charges de travail qui tirent le plus parti des logiciels et de l’architecture d’interconnexion de Nvidia.
Les fournisseurs cloud exercent une deuxième pression concurrentielle par le biais de puces personnalisées. Amazon, Google et Microsoft ont investi dans des processeurs conçus pour leurs propres services.
Le silicium personnalisé peut cibler des charges de travail plus étroites qu’un accélérateur généraliste. Cette spécialisation peut améliorer l’efficacité des coûts lorsque l’opérateur contrôle à la fois le matériel et les logiciels qui fonctionnent au-dessus.
Cette approche comporte des compromis. Les clients doivent adapter les modèles, les outils de développement et les processus opérationnels à une autre architecture. Ils perdent également une partie de la flexibilité offerte par une capacité Nvidia largement disponible.
L’environnement logiciel CUDA de Nvidia reste une défense significative. CUDA fournit aux développeurs des outils et des bibliothèques pour créer des applications fonctionnant sur les GPU Nvidia.
Des années d’adoption ont créé des connaissances techniques, des logiciels optimisés et des flux de travail autour de CUDA. Changer de matériel peut donc impliquer bien plus que le remplacement d’une carte dans un serveur.
Pourtant, l’expansion de la plateforme Nvidia peut intensifier l’incitation à changer. Un acheteur qui acquiert des CPU, GPU, équipements réseau, systèmes et logiciels Nvidia bénéficie d’une intégration, mais concentre davantage de décisions d’infrastructure auprès d’un seul fournisseur.
Cette concentration affecte les négociations tarifaires, la résilience des approvisionnements et les choix d’architecture futurs. Les grands fournisseurs cloud souhaitent rarement qu’un seul fournisseur contrôle chaque couche critique.
C’est pourquoi la seule part des accélérateurs donne une image incomplète dans les deux sens. Nvidia peut générer davantage de chiffre d’affaires malgré des pertes de parts, mais les clients peuvent résister à son expansion tout en continuant d’acheter un nombre énorme de GPU.
L’issue concurrentielle variera selon la charge de travail. L’entraînement des modèles de pointe accorde une grande importance au réseau, à la maturité logicielle et à la fiabilité des systèmes à grande échelle.
L’inférence peut être plus fragmentée. Elle comprend les assistants interactifs, la recherche, les systèmes de recommandation, les outils de programmation, la génération vidéo et les applications internes d’entreprise.
Certaines charges de travail d’inférence bénéficient de la plateforme généraliste de Nvidia. D’autres peuvent fonctionner efficacement sur des accélérateurs AMD, des puces internes ou des processeurs conçus pour un modèle spécifique.
Nvidia a réagi en accélérant son calendrier de produits et en élargissant son portefeuille. Il devient ainsi plus difficile pour un rival de cibler une architecture statique.
Cela accroît aussi la pression d’exécution. Nvidia doit coordonner de nouveaux composants en silicium, la mémoire, les réseaux, le refroidissement, la fabrication et les logiciels sur davantage de produits chaque année.
La confrontation de 2027 n’est donc pas une simple course aux benchmarks. Elle porte sur le degré de contrôle que les clients accepteront d’abandonner en échange d’un déploiement plus rapide et de performances intégrées.
Un pari de 279 milliards de dollars sur l’approvisionnement relève les enjeux
La confiance de Nvidia dans la demande est désormais inscrite dans des engagements qui rendent les erreurs de prévision plus coûteuses.
Nvidia a fait passer ses engagements d’approvisionnement et de capacité de 119 milliards de dollars après le trimestre précédent à 279 milliards de dollars au 26 juillet 2026.
Ces engagements couvrent principalement la mémoire et la capacité de fabrication pour les produits actuels et futurs destinés aux centres de données. Ils s’étendent sur plusieurs exercices fiscaux, selon le rapport trimestriel de Nvidia.
Certains accords peuvent être annulés, reprogrammés ou ajustés avant que Nvidia ne passe des commandes fermes. Cette flexibilité réduit le risque, mais n’élimine pas les conséquences opérationnelles et financières d’un ralentissement de la demande.
Nvidia a déclaré 366 milliards de dollars d’engagements futurs totaux. Outre l’approvisionnement et la capacité, ce montant comprenait des accords de cloud, des baux de centres de données, des investissements en actions et des dépenses d’investissement.
L’entreprise a également indiqué 36 milliards de dollars d’engagements associés à un nouveau modèle impliquant certains partenaires de cloud AI. Dans le cadre de ces accords, les partenaires achètent l’infrastructure Nvidia tandis que Nvidia s’engage à acheter des services cloud.
Ces engagements cloud s’étendent généralement sur six ans. Ils diminuent lorsque des clients tiers ou Nvidia utilisent la capacité.
Cet arrangement peut aider de plus petits fournisseurs de cloud AI à financer des déploiements plus importants. Il peut aussi soutenir la demande de systèmes Nvidia en apportant à ces opérateurs un acheteur de capacité engagé.
Il rend toutefois plus complexe la relation entre fournisseur, investisseur, financeur d’infrastructure et client. Nvidia peut soutenir l’écosystème qui achète ses produits tout en consommant des services de cet écosystème.
Cela ne rend pas les revenus invalides. Cela signifie en revanche que les investisseurs devraient examiner l’origine de la demande finale de charges de travail et la part de capacité absorbée par des tiers.
L’entreprise a déclaré 3,3 milliards de dollars d’investissements comptabilisés selon la méthode de mise en équivalence dans des financeurs d’infrastructure. Son exposition maximale aux pertes liée à certaines entités à détenteurs de droits variables a atteint 4,7 milliards de dollars.
Nvidia détenait également 99 milliards de dollars d’investissements en actions et avait encore 25 milliards de dollars d’engagements d’investissements en actions. Ces positions élargissent son exposition au-delà des expéditions de produits.
Le risque central n’est pas que la demande d’AI disparaisse soudainement. Le risque plus plausible est que l’infrastructure arrive plus vite que les applications rentables, les raccordements électriques ou les charges de travail des clients.
Les centres de données nécessitent des terrains, de l’électricité, des bâtiments, des équipements de refroidissement, des financements et des autorisations réglementaires. Nvidia avertit elle-même que les pénuries de ces ressources peuvent retarder les déploiements et affecter le calendrier des revenus.
Les clients peuvent reporter leurs achats si un bâtiment n’est pas prêt. Ils peuvent également adopter une nouvelle architecture plus progressivement lorsque le capital ou l’électricité restent limités.
Les engagements de Nvidia amplifient ces deux effets. Sécuriser de rares capacités de mémoire et de fabrication protège sa capacité à livrer face à une forte demande.
Ces mêmes engagements deviennent plus difficiles à gérer si les commandes sont différées, si les concurrents remportent de plus grands déploiements ou si les clients réduisent leurs dépenses.
L’histoire des semi-conducteurs offre de nombreux exemples de pénuries d’approvisionnement se transformant en corrections de stocks. La situation actuelle de Nvidia est inhabituelle, car ses engagements dépassent largement les stocks conventionnels de puces.
L’entreprise contribue à coordonner un développement d’infrastructure mesuré en gigawatts et en obligations pluriannuelles. Cela lui donne davantage d’influence sur le rythme des déploiements.
Cela relie aussi davantage ses résultats à la construction, à la disponibilité énergétique, aux conditions de financement et à l’économie des services d’AI.
Le cadrage optimiste de Google News met l’accent sur les contraintes d’approvisionnement comme preuve de la demande. Une lecture plus sceptique se demande si les engagements d’approvisionnement augmentent plus vite que la consommation finale, financée indépendamment, des utilisateurs.
Les deux interprétations peuvent être vraies pendant plusieurs trimestres. La différence n’apparaît que lorsque la capacité commence à fonctionner et que les clients l’utilisent avec profit ou peinent à la remplir.
La Chine, la concentration des clients et l’exécution restent des risques ouverts
La trajectoire de croissance de Nvidia dépend de conditions que la direction ne peut pas contrôler entièrement, notamment la politique commerciale, les dépenses des clients et la livraison des infrastructures.
La Chine représente le risque politique le plus évident. Nvidia a indiqué que les expéditions de produits Hopper pour centres de données vers la Chine représentaient moins de 1 % des revenus Data Center au cours du dernier trimestre.
L’entreprise a exclu les revenus de calcul Data Center en Chine de ses perspectives pour le troisième trimestre. Son rapport annuel indiquait que Nvidia était effectivement exclue du marché chinois de l’informatique pour centres de données à la fin de l’exercice 2026.
Les règles d’exportation peuvent restreindre les puces selon les performances de traitement, la bande passante d’interconnexion, la bande passante mémoire et d’autres caractéristiques. Des changements de ces règles peuvent affecter les produits après que Nvidia a investi dans leur conception.
La perte de ce marché donne aussi aux concurrents locaux la possibilité de développer leur matériel, leurs logiciels et leurs relations clients. Nvidia a averti que des écosystèmes rivaux plus solides en Chine peuvent créer de la concurrence ailleurs.
La concentration des clients ajoute un autre risque. Au cours de l’exercice 2026, un client direct représentait 22 % des revenus totaux de Nvidia, tandis qu’un autre en représentait 14 %.
Un client direct peut être un distributeur, un fabricant de systèmes, un fournisseur de cloud ou un développeur de modèles. L’utilisateur final de l’infrastructure peut se trouver derrière cette relation d’achat directe.
Nvidia a également indiqué qu’une entreprise de recherche et de déploiement en AI contribuait de manière significative aux revenus en achetant des services cloud auprès de ses clients. Cela montre comment un développeur de modèles peut influencer les dépenses de plusieurs fournisseurs d’infrastructure.
La concentration n’est pas nécessairement le signe d’une demande faible. Les plus grands déploiements d’AI proviennent naturellement d’organisations disposant de financements importants, de données, de capacité cloud et d’équipes d’ingénierie.
Elle rend toutefois les décisions de dépenses d’un petit nombre d’entreprises plus importantes. Un retard de déploiement ou un changement de stratégie de modèle peut affecter plusieurs fournisseurs à la fois.
La concurrence crée une incertitude liée. Les progrès d’AMD, les puces internes des fournisseurs de cloud et les processeurs spécialisés pour l’inférence peuvent tous limiter la capacité de Nvidia à capter chaque couche.
Le rythme annuel de sortie de produits de Nvidia réduit le temps dont disposent les concurrents pour réagir. Il laisse aussi moins de marge à Nvidia en cas de problèmes de fabrication, d’intégration ou de logiciels.
Rubin combine plusieurs nouveaux composants dans un système à l’échelle du rack. Un retard de mémoire, de refroidissement, de réseau ou d’équipement électrique peut contraindre l’ensemble du déploiement.
Les affirmations de la direction concernant les performances et les coûts exigent également une interprétation prudente. Les gains de benchmark ne se traduisent pas automatiquement par des économies équivalentes pour chaque charge de travail de production.
Les clients prennent en compte l’utilisation, le portage des logiciels, le comportement des modèles, les réseaux, les contrats d’électricité, la maintenance et le financement. Un système peut dominer un benchmark tout en produisant un résultat économique différent en exploitation.
La valorisation ajoute une autre dimension, même sans s’appuyer sur un seul multiple de marché éphémère. L’échelle de Nvidia signifie que les attentes supposent déjà une croissance substantielle et une exécution continue.
Une entreprise solide peut malgré tout produire des rendements d’investissement décevants si ses résultats ne répondent pas à des hypothèses élevées. À l’inverse, une croissance en pourcentage plus lente ne compromet pas automatiquement l’activité si les marges et la génération de trésorerie restent élevées.
Les lecteurs devraient donc séparer trois questions. Nvidia peut rester le principal fournisseur d’infrastructures d’AI, ses revenus peuvent continuer de croître et son action peut tout de même réagir négativement à l’évolution des attentes.
La recommandation boursière de Google News condense ces questions en une seule conclusion. Une analyse plus utile les distingue.
Les résultats de Nvidia soutiennent actuellement son leadership. Ils n’éliminent pas les risques liés à l’approvisionnement, à la concentration, à la concurrence, aux politiques ou à la valorisation.
Trois signaux mettront à l’épreuve la thèse Nvidia pour 2027
L’adoption de Rubin, l’utilisation de capacité par des tiers et les déploiements concurrentiels montreront si la stratégie de plateforme de Nvidia se renforce ou s’étend excessivement.
Le premier signal est la montée en puissance des revenus de Vera Rubin. Nvidia prévoit que Rubin contribue à environ 20 % des revenus Data Center au troisième trimestre.
Cet objectif est inhabituellement précis et intervient peu après le début des expéditions de production. L’atteindre soutiendrait l’affirmation de Nvidia selon laquelle les clients peuvent adopter une nouvelle architecture sans ralentir la demande pour Blackwell.
La qualité de cette montée en puissance compte autant que le pourcentage. Les investisseurs devraient suivre la mise en service des systèmes chez plusieurs fournisseurs de cloud et vérifier si les clients font état de performances stables à grande échelle.
Une transition réussie renforcerait la stratégie de sorties annuelles de Nvidia. Un retard impliquant la mémoire, le refroidissement, les réseaux ou les logiciels affaiblirait l’argument selon lequel l’intégration réduit systématiquement le risque de déploiement.
Le deuxième signal est le taux d’utilisation chez les partenaires de cloud AI. Nvidia a pris des engagements cloud pluriannuels tandis que ces partenaires achètent son infrastructure.
L’usage par des tiers indiquera si des clients indépendants souhaitent cette capacité à des tarifs durables. Une forte utilisation externe montrerait que cet arrangement élargit l’accès à une demande réelle.
Une faible utilisation renforcerait les inquiétudes selon lesquelles Nvidia absorbe de la capacité pour soutenir une expansion de l’infrastructure liée à ses propres ventes de produits.
Les éléments pertinents ne viendront pas uniquement des gigawatts annoncés. Les lecteurs devraient rechercher la capacité opérationnelle, les contrats clients, les revenus de services, le comportement de renouvellement et les taux d’utilisation publiés.
Le troisième signal est le déploiement concurrentiel à grande échelle. Les relations annoncées par AMD avec Anthropic et Microsoft fournissent des tests concrets pour la génération MI400 et ROCm.
Si ces déploiements deviennent des charges de travail de production substantielles, les clients disposeront d’une alternative plus crédible à la plateforme complète de Nvidia. Cela exercerait une pression sur Nvidia même si les dépenses globales d’infrastructure d’AI continuent d’augmenter.
Si les systèmes rivaux restent limités à certaines charges de travail, l’avantage de Nvidia dans les logiciels, les réseaux et le déploiement intégré paraîtra plus durable.
Les puces personnalisées des fournisseurs de cloud relèvent du même signal. Leurs progrès seront les plus significatifs lorsqu’elles prendront en charge d’importantes charges de travail de production, et non lorsqu’une entreprise annoncera simplement un processeur supplémentaire.
Ces trois signaux doivent être évalués ensemble. Rubin peut monter en puissance avec succès tandis que des accélérateurs alternatifs gagnent également des parts de marché.
Cette combinaison soutiendrait l’idée que l’infrastructure d’AI s’étend assez vite pour plusieurs fournisseurs. Elle mettrait aussi à l’épreuve le plan de Nvidia visant à compenser la pression sur ses parts d’accélérateurs en captant davantage de dépenses ailleurs.
Un résultat plus faible aurait un autre visage. Des retards de Rubin, une faible utilisation de capacité par des tiers et une adoption concurrentielle plus rapide remettraient en cause à la fois les hypothèses de demande et l’expansion de la plateforme Nvidia.
Nvidia aborde ce test depuis une position remarquable. Son dernier trimestre a généré 96,2 milliards de dollars de revenus, une marge brute de 75 % et une croissance Data Center de 117 %.
L’entreprise prend également des engagements à la mesure de cette ambition. Sa position d’approvisionnement de 279 milliards de dollars montre à quel point la direction s’attend à ce que la demande se poursuive.
Pour les développeurs et les acheteurs en entreprise, cette confrontation façonnera la disponibilité du matériel, les choix de cloud, la portabilité des logiciels et le coût d’exécution des modèles d’AI. Suivre ces décisions exige plus que de suivre un titre boursier.
Pour les investisseurs, la question centrale est tout aussi directe. La part croissante de Nvidia dans chaque centre de données dédié à l’IA progressera-t-elle plus vite que l’exposition financière et opérationnelle nécessaire pour la garantir ?
Gardez cette question à l’esprit face au prochain titre de Google News. Surveillez les déploiements de Rubin, l’utilisation réelle des capacités et les charges de travail de production concurrentes avant de considérer un quelconque choix unique dans les semi-conducteurs comme acquis.
