L’évolution de la clientèle de Nvidia révèle un essor de l’IA plus risqué

Nvidia a généré 89 milliards de dollars de revenus trimestriels dans les centres de données, mais le titre de Google News masque une évolution plus complexe derrière ce record. La demande s’étend au-delà d’Amazon, Microsoft et Google, vers des clouds d’IA spécialisés, des entreprises, des groupes industriels et des acheteurs souverains.

Cette base de clientèle plus diversifiée étaye l’argument de Nvidia selon lequel les dépenses en intelligence artificielle entrent dans une deuxième phase. La première était centrée sur les hyperscalers, qui construisaient d’immenses plateformes de calcul. La suivante dépend davantage d’organisations capables de transformer ces plateformes en produits, services et systèmes industriels utiles.

Nvidia ne se contente toutefois pas d’observer l’expansion de ce marché. L’entreprise engage des capitaux, des achats de services cloud, des garanties et un soutien aux infrastructures pour aider de nouveaux clients à acquérir des systèmes Nvidia. Le conflit central oppose donc une demande plus vaste à des liens financiers croissants.

Les derniers résultats contestent la version la plus simple de l’argument de la bulle de l’IA. Ils ne permettent pas de déterminer si cette nouvelle demande peut générer des rendements durables sans le soutien continu de Nvidia et de grands apporteurs de capitaux.

Ce que les derniers résultats de Nvidia ont réellement changé

Le changement important n’est pas seulement le chiffre d’affaires record de Nvidia. C’est la croissance plus rapide des clients en dehors du groupe hyperscale traditionnel.

Nvidia a déclaré 96,2 milliards de dollars de chiffre d’affaires pour son deuxième trimestre de l’exercice 2027, couvrant la période terminée le 26 juillet 2026. Cela représentait une croissance de 106 % par rapport au même trimestre un an plus tôt.

Le chiffre d’affaires des centres de données a atteint 89 milliards de dollars, en hausse de 18 % par rapport au trimestre précédent et de 117 % sur un an. Cette activité a représenté l’essentiel des ventes trimestrielles de Nvidia et est restée le principal moteur de sa croissance.

Ces totaux sont frappants, mais ils décrivent encore une histoire familière. Microsoft Azure, Amazon Web Services, Google Cloud, Meta et d’autres grandes entreprises technologiques ont massivement investi dans les processeurs graphiques, les réseaux et les capacités de centres de données.

Le détail le plus révélateur vient de la segmentation de la clientèle de Nvidia. Les clients hyperscale et de l’internet grand public ont généré 48,7 milliards de dollars de chiffre d’affaires dans les centres de données. Cette catégorie a progressé de 13 % d’un trimestre à l’autre et de 102 % sur un an.

Une deuxième catégorie a généré 40,3 milliards de dollars. Elle comprend les entreprises nées dans l’IA, les fournisseurs de cloud spécialisés, les entreprises, les clients industriels et les acheteurs souverains. Ce groupe a progressé de 25 % par rapport au trimestre précédent et de 138 % par rapport à un an plus tôt.

Cette catégorie reste plus petite que l’activité hyperscale. Toutefois, sa croissance plus rapide suggère que la base de clientèle de Nvidia dépend moins de quelques plateformes cloud mondiales.

Cette différence explique pourquoi le rapport initial a attiré l’attention dans Google News. Le titre ne se résumait pas à une nouvelle affirmation selon laquelle Nvidia avait vendu davantage de puces. Il signalait une structure en mutation pour le marché de l’infrastructure d’IA.

Les résultats trimestriels ont également montré que Nvidia prévoit 108 milliards de dollars de chiffre d’affaires pour son prochain trimestre, dans une fourchette de deux pour cent. Atteindre cet objectif porterait le chiffre d’affaires trimestriel au-dessus de 100 milliards de dollars pour la première fois.

Nvidia a également prévu une croissance du chiffre d’affaires d’environ 70 % pour son exercice se terminant en janvier 2028. La directrice financière Colette Kress a décrit cette prévision comme limitée par l’offre disponible plutôt que par une demande insuffisante.

Jensen Huang a renforcé l’argument de l’offre lors de la présentation des résultats de l’entreprise. Il a déclaré que Nvidia disposait d’assez d’offre pour répondre à environ 70 % de la demande actuelle.

Cette affirmation mérite d’être traitée avec prudence. Une prévision fondée sur les plans des clients n’est pas un chiffre d’affaires déjà enregistré, et les clients peuvent reporter leurs projets lorsque le financement, l’électricité ou la construction deviennent difficiles.

Les ventes déclarées ne sont toutefois pas des prévisions. Elles montrent que les dépenses se sont accélérées durant le trimestre, tant chez les hyperscalers que chez les nouveaux clients de l’infrastructure.

L’évolution de la clientèle crée la véritable tension de cet article. Une demande plus large rend l’essor plus sain en apparence, mais une partie de cette expansion dépend de l’aide de Nvidia pour financer et déployer les systèmes achetés par ses clients.

Google News a mis en lumière une nouvelle catégorie d’acheteurs d’IA

La prochaine couche de croissance de Nvidia se situe entre le fabricant de puces et les utilisateurs finaux, là où des clouds d’IA spécialisés transforment les GPU en capacité de calcul louée.

Le rapport entARABI à l’origine de la publication dans Google News décrivait des clients allant au-delà de Microsoft, Amazon et Google. Ce cadrage est globalement étayé par les résultats sectoriels publiés par Nvidia, même si les hyperscalers restent essentiels à l’activité.

Un groupe important est constitué des neoclouds, parfois appelés clouds d’IA ou neoscalers. Un neocloud est un fournisseur spécialisé qui construit de grands clusters de GPU et loue leur capacité à des développeurs de modèles, des startups, des organismes de recherche et des entreprises.

CoreWeave et Nebius en sont des exemples notables. Ces entreprises n’ont pas besoin de remplacer AWS, Azure ou Google Cloud pour influencer le marché. Elles peuvent rivaliser pour des charges de travail qui exigent un accès concentré à des accélérateurs, à des réseaux rapides et à une expertise opérationnelle spécialisée.

Pour Nvidia, les neoclouds créent des canaux de distribution supplémentaires. Un fournisseur peut acheter des milliers de systèmes, les associer à des réseaux et à des logiciels, puis répartir cette capacité entre de nombreux clients.

Cet arrangement peut faire entrer de plus petits acheteurs sur le marché de l’infrastructure. Une startup qui ne peut pas construire un centre de données peut louer un cluster. Une entreprise peut tester un modèle interne sans posséder chaque composant physique.

Ce modèle permet également à Nvidia d’atteindre des clients dont les charges de travail pourraient autrement s’exécuter sur des puces personnalisées proposées par les grands fournisseurs de cloud. Google propose des Tensor Processing Units, tandis qu’Amazon développe les accélérateurs Trainium et Inferentia.

Ces alternatives exercent une pression sur Nvidia, car les fournisseurs de cloud peuvent optimiser leur propre matériel autour de services spécifiques. Ils peuvent aussi utiliser des puces internes pour réduire leur dépendance à un fournisseur aux marges inhabituellement élevées.

Nvidia répond à cette pression par une plateforme informatique étendue. Son offre associe GPU, processeurs centraux, réseaux, systèmes à l’échelle du rack et CUDA, l’environnement logiciel que les développeurs utilisent pour exécuter des charges de travail accélérées.

La compatibilité logicielle compte, car déplacer une charge de travail implique plus que de remplacer un processeur. Les équipes peuvent devoir réécrire du code, reconstruire des outils de déploiement et valider les performances sur un système peu familier.

Cette difficulté de changement soutient la position de Nvidia. Elle n’élimine toutefois pas la concurrence des puces conçues par les fournisseurs de cloud ou d’autres fabricants d’accélérateurs.

L’essor des neoclouds ajoute une couche supplémentaire plutôt qu’il ne remplace clairement les hyperscalers. Certains fournisseurs spécialisés dépendent d’installations, de financements ou de relations clients liés au marché plus large du cloud.

Les nouveaux acheteurs comprennent aussi des entreprises industrielles et des gouvernements. Leurs charges de travail potentielles couvrent la simulation d’usines, la robotique, le calcul scientifique, les services nationaux d’IA et les modèles devant fonctionner dans une juridiction précise.

Ces applications sont plus variées que l’entraînement d’un modèle de langage de pointe. Elles peuvent faire appel à des modèles plus petits, à des charges de travail d’inférence, à des équipements physiques, à des données réglementées et à des calendriers de mise en œuvre plus longs.

L’inférence consiste à exécuter un modèle entraîné afin de produire une réponse ou une action. Son économie dépend du taux d’utilisation, de la consommation énergétique, de la latence et des revenus générés par chaque charge de travail.

Cette distinction est importante, car de gros achats de puces ne prouvent pas automatiquement une adoption réussie par les utilisateurs finaux. Un fournisseur peut installer des capacités avant que suffisamment de clients payants n’apparaissent.

Selon l’analyse originale, une croissance plus rapide en dehors des hyperscalers affaiblit l’idée selon laquelle les dépenses liées à l’IA ne circulent qu’entre plusieurs géants de la technologie. Elle ne fait pas disparaître cette inquiétude.

La catégorie elle-même regroupe plusieurs types de clients. Un laboratoire d’IA, un gouvernement, une entreprise industrielle et un fournisseur de location de GPU ont des modèles économiques différents et des degrés de dépendance différents au financement externe.

Les investisseurs ont donc besoin de davantage de détails qu’un total sectoriel global. Ils doivent savoir qui utilise en définitive cette capacité, quel taux d’utilisation ces systèmes atteignent et si les clients peuvent obtenir des rendements acceptables.

Le véritable enjeu oppose la demande globale à la demande soutenue

La preuve la plus forte de Nvidia contre une boucle fermée de dépenses liées à l’IA est également liée à des engagements qui rendent cette boucle plus difficile à évaluer.

Une interprétation haussière simple affirme que le marché a dépassé une poignée d’hyperscalers. La catégorie de clients à 40,3 milliards de dollars a crû plus vite que le segment hyperscale de Nvidia, apportant une preuve directe d’une activité d’achat plus étendue.

Une interprétation sceptique demande dans quelle mesure cette demande s’est développée de façon indépendante. Nvidia investit dans des entreprises d’IA, s’engage à acheter des services cloud, soutient des projets d’infrastructure et aide des fournisseurs à obtenir des terrains, de l’électricité et des financements.

Ces actions ne rendent pas les ventes sous-jacentes fictives. Elles compliquent en revanche la relation entre le fournisseur, le financeur, le client et l’utilisateur final.

Le dépôt auprès de la SEC de Nvidia décrit 36 milliards de dollars d’engagements au titre d’accords avec des partenaires de cloud d’IA au 26 juillet. Ces engagements s’étendent généralement sur six ans.

Dans le cadre de ces accords, les clouds d’IA achètent l’infrastructure Nvidia. Nvidia s’engage ensuite dans des accords de services cloud, tandis que les fournisseurs peuvent vendre cette capacité à des tiers à des conditions plus avantageuses.

Les engagements diminuent à mesure que des tiers utilisent cette capacité ou que Nvidia la consomme pour la recherche et le développement. Nvidia peut également participer aux revenus générés par des clients tiers éligibles.

Ce modèle répond à une véritable contrainte du marché. Les jeunes fournisseurs de cloud peuvent susciter un intérêt important de la part de clients sans disposer des bilans nécessaires pour signer des contrats de centres de données pluriannuels.

Les prêteurs veulent avoir la certitude que des installations coûteuses généreront des revenus. Un engagement d’achat ou de capacité de Nvidia peut aider un fournisseur à obtenir un financement et à démarrer la construction.

Cet arrangement soutient également les ventes de Nvidia. Une entreprise de cloud disposant d’un financement peut acheter davantage de systèmes Nvidia qu’elle ne pourrait financer de façon indépendante.

C’est là que se situe le renversement au cœur de cette histoire. Une base de clientèle plus large réduit normalement le risque pour le fournisseur, mais le soutien de Nvidia peut retransférer une partie de ce risque client vers Nvidia.

L’entreprise a déclaré une exposition brute maximale de 3,5 milliards de dollars liée à des garanties foncières, énergétiques et de construction impliquant certains partenaires de cloud d’IA. Les partenaires ont placé 712 millions de dollars sous séquestre pour compenser une partie de cette exposition.

En août 2026, Nvidia a également conclu des garanties liées à un projet de centre de données OpenAI sur le campus technologique PORTS, dans l’Ohio. Le projet représente environ 4,25 gigawatts de charge informatique répartis sur neuf phases prévues.

Nvidia a indiqué que son obligation globale est plafonnée à 105 milliards de dollars et commence lorsque les phases éligibles entrent en service. La première phase devrait débuter durant l’exercice 2029.

Les garanties portent sur des portions définies des paiements de location et d’électricité. Elles ne représentent pas un paiement immédiat, et l’exposition diminue à mesure qu’OpenAI respecte ses obligations.

Néanmoins, cette ampleur modifie la manière dont les observateurs devraient évaluer l’essor. Nvidia n’agit plus seulement comme un fournisseur de composants qui reçoit des commandes et expédie des équipements.

Cela aide également à réunir les conditions commerciales nécessaires pour que les clients puissent passer ces commandes. Son implication s’étend désormais à la capacité cloud, aux garanties de projet, aux investissements en actions et à la planification des infrastructures.

Kress a directement répondu aux critiques selon lesquelles ces relations équivaudraient à un financement circulaire. Elle a soutenu que les entreprises bénéficiant de ce soutien disposent de technologies crédibles, d’une traction commerciale et d’une utilisation croissante.

C’est la position de Nvidia, et non une conclusion établie de manière indépendante. Le test ultime consiste à déterminer si des clients externes achètent suffisamment de services pour soutenir ces fournisseurs sans soutien répété des fournisseurs eux-mêmes.

La couverture des résultats a reflété ce désaccord non résolu. Nvidia considère un soutien financier ciblé comme un moyen d’accélérer le développement de clients contraints, tandis que les critiques y voient une exposition corrélée sur l’ensemble d’un cycle d’investissement dans l’IA.

La distinction entre financement circulaire et financement catalytique est importante. Le financement circulaire crée la demande principalement parce que les participants se financent mutuellement. Le financement catalytique aide une demande viable à surmonter des obstacles temporaires de capital ou de construction.

Les informations actuellement publiées étayent les deux interprétations. De nouvelles catégories de clients progressent rapidement, mais Nvidia engage des ressources importantes pour accroître leur capacité d’achat.

Les chiffres prouvent que des systèmes sont vendus. Ils ne prouvent pas encore que chaque niveau du marché puisse générer des rendements suffisants en les exploitant.

Ce que les chiffres de revenus ne prouvent pas

Des ventes record montrent une demande immédiate pour les systèmes Nvidia, mais elles ne prouvent ni une utilisation durable, ni un financement indépendant, ni la rentabilité des services d’IA.

La première incertitude concerne la concentration des clients. Malgré une croissance plus large des catégories, un petit nombre d’acheteurs directs représente encore une part importante de l’activité de Nvidia.

Un client a représenté 16 % du chiffre d’affaires trimestriel. Cinq clients totalisaient 70 % des comptes clients, selon le document déposé par l’entreprise.

Les comptes clients mesurent les ventes pour lesquelles Nvidia n’a pas encore encaissé le paiement. Une forte concentration signifie que le report ou la réduction des dépenses de plusieurs clients peut affecter sensiblement les encaissements et la croissance future.

Nvidia a également prolongé les délais de paiement pour certains clients sélectionnés ayant une bonne notation de crédit. Des délais plus longs peuvent soutenir de grands déploiements, mais ils allongent la période entre l’enregistrement d’une vente et la réception des liquidités.

Cette pratique n’est pas automatiquement un signe d’alerte. Les grands fournisseurs d’infrastructure recourent souvent à des accords de crédit pour sécuriser des volumes et renforcer leurs relations clients.

La question est de savoir si ces délais prolongés restent ciblés et maîtrisables. Une hausse durable pourrait indiquer que les clients ont besoin d’un soutien financier accru pour maintenir leur rythme d’achat.

La deuxième incertitude concerne le déploiement physique. Les GPU génèrent peu de valeur économique lorsqu’ils attendent l’alimentation électrique, le refroidissement, le réseau ou l’achèvement des bâtiments.

Nvidia a porté ses engagements d’approvisionnement et de capacité de 119 milliards de dollars au trimestre précédent à 279 milliards de dollars au 26 juillet. L’entreprise a indiqué que ces engagements contribuent à sécuriser les stocks nécessaires à la demande future.

Cette décision protège Nvidia lorsque l’offre est rare. Elle accroît aussi son exposition si les calendriers des clients changent ou si la demande attendue ne se matérialise pas.

Le document de l’entreprise identifie la disponibilité des terrains, de l’électricité, des capitaux et des bâtiments comme des contraintes essentielles. L’expansion de ces ressources implique des constructions sur plusieurs années, des autorisations réglementaires, des travaux d’ingénierie et des raccordements aux réseaux électriques.

Un système vendu et un système opérationnel constituent donc deux étapes différentes. Les revenus peuvent être enregistrés avant que les développeurs et les entreprises n’utilisent pleinement la capacité de calcul installée.

La troisième incertitude concerne les marges. La prochaine plateforme produit de Nvidia, Vera Rubin, est entrée en expédition de production au cours du troisième trimestre de l’exercice 2027.

Vera Rubin succède à la génération Blackwell et associe de nouveaux composants de calcul, de réseau et de système. Nvidia prévoit d’expédier les deux générations tout en gérant des approvisionnements contraints.

Les transitions de produits peuvent augmenter les coûts avant que la production ne se stabilise. La disponibilité de la mémoire, les rendements des composants, les dépenses de garantie et la complexité des systèmes peuvent affecter la rentabilité même lorsque les revenus progressent.

Une analyse indépendante du trimestre a relevé que Nvidia anticipait une pression sur la marge brute pendant cette transition. Cela n’invalide pas la vigueur de la demande, mais montre que des expéditions plus rapides ne se traduisent pas parfaitement par des rendements économiques plus élevés.

La quatrième incertitude concerne les clients des clients de Nvidia. Un neocloud peut acheter du matériel parce qu’il anticipe une utilisation future, et non parce que chaque heure de capacité est déjà sous contrat.

Le taux d’utilisation mesure la régularité avec laquelle une infrastructure informatique exécute un travail rémunéré. Un faible taux d’utilisation peut rendre difficile le financement d’un cluster coûteux, même lorsque la demande paraît forte lors des lancements de produits.

L’économie des utilisateurs finaux importe donc davantage que les annonces d’achat. Les créateurs de modèles doivent générer des revenus, réduire leurs coûts d’exploitation ou créer une autre valeur mesurable à partir de la capacité de calcul qu’ils louent.

Les entreprises font face à un défi supplémentaire. Elles doivent relier les systèmes d’IA à des données fiables, des processus de travail, des contrôles de sécurité et des employés capables d’utiliser les résultats.

Une entreprise peut acheter une infrastructure sans achever ce travail organisationnel. L’écart entre le déploiement et l’adoption productive peut s’étendre sur plusieurs trimestres, voire plusieurs années.

C’est pourquoi les importants résultats financiers de l’ensemble du secteur technologique n’ont pas répondu à toutes les questions sur les rendements. Comme l’a observé une analyse des bénéfices, de solides résultats d’entreprise fournissent encore des preuves limitées sur les rendements de l’ensemble de la vague d’investissement.

La cinquième incertitude est la concurrence. Google, Amazon et d’autres grands clients continuent de développer des accélérateurs internes capables de gérer certaines charges de travail d’IA.

La plateforme de Nvidia reste largement utilisée, mais les acheteurs ont des incitations claires à réduire les coûts et à améliorer leur pouvoir de négociation. Les puces spécialisées peuvent gagner des parts de marché lorsque les applications deviennent suffisamment prévisibles pour permettre une optimisation plus poussée.

La croissance des neoclouds peut aider Nvidia à compenser cette pression, car ces fournisseurs organisent souvent leurs offres autour du matériel Nvidia. Elle peut toutefois aussi concentrer l’exposition de Nvidia au sein d’entreprises à forte intensité capitalistique.

La conclusion la plus défendable est plus nuancée que l’un ou l’autre extrême. L’élargissement des achats conteste l’affirmation selon laquelle seuls quelques hyperscalers soutiennent le marché, tandis que le financement et la concentration empêchent de déclarer clairement une indépendance.

Trois signaux qui mettront à l’épreuve le deuxième cycle d’IA de Nvidia

La prochaine phase sera validée par des preuves opérationnelles, et non par un nouveau titre record ou un seul cycle de Google News.

Le premier signal sera la croissance hors hyperscalers lors du prochain rapport de résultats de Nvidia. La catégorie à 40,3 milliards de dollars doit continuer à progresser sans perdre de vitesse par rapport aux plus grandes plateformes cloud.

Un nouveau trimestre solide appuierait l’argument selon lequel la demande d’IA se diffuse parmi les fournisseurs, les entreprises, les gouvernements et les clients industriels. Une croissance plus lente suggérerait que la récente accélération reflétait le calendrier des projets ou des commandes exceptionnellement importantes.

La composition de cette croissance compte autant que son total. Nvidia regroupe plusieurs types de clients dans une même catégorie ; les investisseurs devraient donc surveiller une communication plus détaillée sur les entreprises, les acheteurs souverains, les laboratoires d’IA et les clouds spécialisés.

Un éventail plus large d’utilisateurs finaux indépendants renforcerait l’argument de Nvidia. Une croissance concentrée chez quelques fournisseurs d’infrastructure financés laisserait la préoccupation centrale non résolue.

Le deuxième signal est l’utilisation par des tiers de la capacité des neoclouds. Les engagements cloud de Nvidia diminuent lorsque des clients externes consomment cette capacité, ce qui fait de cette activité un élément central du modèle de financement.

Une hausse de l’utilisation par des tiers montrerait que le soutien de Nvidia aide les fournisseurs à combler un déficit temporaire de capital. Elle démontrerait également une demande de clients qui n’ont pas eu besoin de Nvidia pour devenir leur acheteur direct de services cloud.

Une faible utilisation indiquerait l’inverse. Nvidia pourrait devoir consommer davantage de capacité en interne, maintenir ses engagements plus longtemps ou accepter une exposition accrue à la performance des fournisseurs.

Les annonces publiques de contrats ne fournissent que des preuves partielles. Des indicateurs plus utiles incluent le carnet de commandes contracté, la concentration des clients, l’activité de renouvellement, les flux de trésorerie opérationnels et le pourcentage des systèmes déployés effectuant un travail rémunéré.

Le troisième signal est l’exécution de la transition vers Vera Rubin. Nvidia doit transformer ses prévisions limitées par l’offre en systèmes achevés sans dégrader ses marges ni retarder les déploiements des clients.

Les résultats publiés montrent que la demande dépasse l’offre. Cela soutient la croissance à court terme, mais accroît également la pression sur la mémoire, la fabrication, le réseau, l’électricité et la construction.

Une montée en cadence fluide de Rubin, parallèlement à une demande soutenue pour Blackwell, renforcerait l’argument du deuxième cycle de Nvidia. Cela montrerait que les clients ne reportent pas leurs achats en attendant la prochaine architecture.

Des retards de production, des marges plus faibles ou des ouvertures de centres de données reportées l’affaibliraient. Ces résultats révéleraient que les contraintes physiques et financières peuvent interrompre la demande avant que les utilisateurs finaux ne reçoivent une capacité exploitable.

Les lecteurs devraient éviter de considérer chaque record de ventes de Nvidia comme la preuve définitive que l’économie de l’IA fonctionne. Ils devraient également éviter de supposer que le financement par les fournisseurs rend chaque transaction artificielle.

Le marché émergent combine à la fois une demande réelle, un soutien stratégique, une pression concurrentielle et un risque financier corrélé. Les résultats de Nvidia révèlent cette combinaison plus clairement qu’une simple étiquette de boom ou de bulle.

Pour les développeurs, cette évolution peut améliorer l’accès à une puissance de calcul spécialisée au-delà des trois plus grands clouds. Pour les acheteurs en entreprise, elle élargit les options de fournisseurs tout en rendant la stabilité des prestataires et les conditions contractuelles plus importantes.

Pour les travailleurs du savoir et les utilisateurs de produits d’IA, le résultat pertinent n’est pas le nombre de GPU installés. Il s’agit de savoir si cette capacité produit des services meilleurs, plus fiables et économiquement utiles.

Surveillez ensemble la prochaine répartition des clients, l’utilisation des neoclouds et le déploiement de Rubin. Ces trois signaux montreront si ce moment Google News marque une adoption durable ou un cycle d’infrastructure plus élaboré.