Pourquoi Nvidia adopte-t-elle soudainement l'open source ? J'ai compris la stratégie de Jensen Huang !

Jensen Huang défend d'une main ferme l'écosystème CUDA, tout en saluant haut et fort l'open source — cela peut sembler paradoxal, mais en réalité, il s'agit peut-être de la stratégie commerciale la plus avisée de Nvidia de ces dernières années.

Le 11 août, The Information a rapporté que Nvidia développe le modèle AI open source Nemotron 4, visant au moins 1 000 milliards de paramètres pour la version phare, soit le double de Nemotron 3 Ultra lancé en juin.

En parallèle, les engagements de services cloud pluriannuels de Nvidia ont atteint 28 milliards de dollars, soit environ trois fois plus qu'il y a un an.

Pourquoi une entreprise spécialisée dans la vente de GPU investirait-elle massivement pour développer des modèles d'IA gratuits ?

La réponse est en vérité très simple :

Plus les modèles open source sont répandus, plus la demande du marché pour la puissance de calcul AI est forte, et le plus grand fournisseur de GPU n'est autre que Nvidia.

Transformer l'IA d'un outil réservé à quelques géants en une infrastructure mondiale

À l'heure actuelle, les modèles d'IA propriétaires, tels que la série GPT d'OpenAI, sont principalement maîtrisés par quelques grandes entreprises.

Pour utiliser les modèles de pointe, les entreprises ordinaires passent souvent par des services cloud, concentrant fortement la demande de calcul sur quelques plates-formes majeures telles qu'OpenAI, Microsoft ou Google.

Mais les modèles open source sont radicalement différents. Entreprises, développeurs, voire organismes publics peuvent télécharger ces modèles, les adapter à leurs besoins et les déployer sur leurs propres serveurs ou environnements cloud. Et chaque déploiement indépendant génère un nouveau besoin en puissance de calcul.

Or, le cœur de la puissance de calcul pour l'IA, c'est le GPU.

Kari Briski, vice-présidente de l’IA générative chez Nvidia, déclarait que l’investissement de Nvidia dans Nemotron s’explique par la conviction que chaque entreprise et chaque nation auront besoin demain de modèles open source de pointe facilement accessibles.

Pour le dire plus simplement :

Réduire la barrière d’entrée à l’IA, permettre à un maximum d’acteurs d’entrer dans l’ère AI, et ainsi pousser toujours plus de demande en puissance de calcul.

Nvidia poursuit plusieurs objectifs clés avec cette stratégie

Premier point : élargir la clientèle de quelques géants à l’ensemble du marché

Ces dernières années, les principaux clients des puces AI Nvidia étaient essentiellement Microsoft, OpenAI, Google, Amazon, etc. Bien que ces sociétés achètent massivement des GPU, elles développent aussi leurs propres puces d'IA.

Si les applications AI migrent d’un petit nombre de sociétés vers d’innombrables entreprises, alors la demande en puissance de calcul passera de quelques super-clients à une multitude d'entreprises, startups et institutions.

Pour Nvidia, cela signifie une base de clients bien plus vaste.

Deuxième point : le modèle gratuit constitue en lui-même le meilleur outil de vente GPU

Nemotron est open source, il n’y a aucun coût de licence pour télécharger le modèle.

Mais faire fonctionner le modèle nécessite de la puissance de calcul.

Lors d’un entretien en juillet, Jensen Huang le résumait ainsi :

« L’IA gratuite est une bonne chose pour le hardware, l’IA gratuite est une bonne chose pour les puces. »

Cette phrase révèle bien la logique de Nvidia :

Le logiciel peut être gratuit, mais pour le faire tourner, il faut du matériel.

Plus le modèle est populaire, plus la demande de GPU sera forte.

Troisième point : profiter de l'écosystème open source pour concurrencer les modèles propriétaires

Les modèles open source sont peu coûteux et flexibles à déployer ; ils deviennent progressivement un choix clé pour l'IA en entreprise. Cela pourrait rebattre les cartes face aux modèles propriétaires d’OpenAI, Anthropic et consorts.

Nvidia vend ses GPU à ces entreprises, mais accroît aussi son influence avec l'open source.

En outre, Nvidia investit dans Reflection AI, Thinking Machines Lab et d'autres sociétés d'IA. En lançant Nemotron, elle entend aussi renforcer sa présence dans le secteur logiciel AI.

D'où le lancement de “l’Alliance Nemotron”, pour attirer Reflection, Cursor, Mistral et d'autres développeurs et entreprises.

En résumé :

Plutôt que de se battre contre ses concurrents, Nvidia les intègre dans son écosystème.

Quatrièmement, et c'est essentiel : renforcer encore la barrière concurrentielle de CUDA

Beaucoup se concentrent sur l’avantage matériel de Nvidia, mais la clé sur le long terme, c’est en fait l’écosystème CUDA. Le GPU n’est qu’un point d’entrée. Des milliers de développeurs, entreprises et centres de recherche conçoivent leurs applications AI autour de CUDA, créant un coût de migration considérable.

La stratégie de Nvidia est ainsi très claire :

Les modèles peuvent être open source, mais l’écosystème doit rester sous son contrôle.

On ouvre les modèles, mais on renforce CUDA.

Nvidia occupe une position de plus en plus complexe

Cependant, Nemotron pose un nouveau défi :

Nvidia se retrouve partiellement en concurrence avec ses clients.

OpenAI est l’un des plus gros clients GPU de Nvidia, qui en est même actionnaire. Mais en positionnant Nemotron pour réduire les coûts d’utilisation des modèles AI en entreprise, Nvidia remet en cause une partie du marché des modèles propriétaires.

Ce qui conduit Nvidia à jouer demain un double rôle :

D’un côté, elle reste fournisseur des entreprises AI ; de l’autre, elle devient un acteur de l’écosystème AI.

Un équilibre qui appelle à une vraie prudence.

28 milliards de dollars investis dans le cloud, un pari sur la demande future en puissance de calcul

En avril de cette année, les engagements de services cloud pluriannuels de Nvidia atteignaient 28 milliards de dollars, avec des contrats courant jusqu’au début 2031.

Une partie de cette puissance informatique sera utilisée pour entraîner des modèles tels que Nemotron.

D’un point de vue financier, les modèles open source ne devraient pas générer directement de gros revenus.

Mais s’ils poussent davantage d’entreprises à déployer l’IA, la demande en GPU pourrait largement excéder la valeur des modèles en eux-mêmes.

En résumé :

Le modèle gratuit est la porte d'entrée, le GPU reste la vraie source de revenus.

Nvidia n’a pas besoin que Nemotron devienne le modèle suprême mondial.

Ce qu’elle souhaite réellement voir :

Quel que soit le modèle qui l’emportera, il lui faudra massivement des GPU Nvidia pour fonctionner.

Regardons également le plan de financement de puissance de calcul à 500 milliards de dollars annoncé hier

Le 10 août, Nvidia a annoncé s’associer avec Apollo Global Management, Blackstone, BlackRock, Brookfield, Goldman Sachs et KKR, ainsi que d’autres institutions de Wall Street, pour lancer une nouvelle plateforme de financement de puissance de calcul.

Objectif : mobiliser sur le long terme plus de 500 milliards de dollars de capitaux tiers.

Pour le dire simplement :

Désormais, pour acquérir des GPU, les entreprises n’auront plus forcément à débourser d’un coup des sommes colossales, mais pourront accéder à la puissance de calcul via le financement ou la location.

Construire un data center nécessitait autrefois des dizaines voire des centaines de milliards de dollars de capitaux. Désormais, les institutions financières achèteront les équipements, les loueront aux clients, qui paieront sur le long terme pour utiliser la puissance de calcul.

Le CEO de BlackRock, Larry Fink, voit d’ailleurs dans ce modèle une évolution proche de la titrisation immobilière traditionnelle.

Jensen Huang souligne, quant à lui, que c’est la première fois que les infrastructures technologiques deviennent massivement des actifs investissables.

Le cœur de ce modèle : redéfinir la valeur du GPU

Autrefois, le GPU était vu comme un composant high-tech.

Mais Nvidia veut que le marché comprenne ceci :

Le GPU tend à devenir un actif d’infrastructure essentielle.

Car à l’ère de l’IA, la puissance de calcul sera pour les entreprises ce que l’électricité ou Internet sont devenus : une ressource vitale.

Ainsi :

• Le modèle open source Nemotron sert à générer encore plus de demandes en IA.
• La plateforme de financement à 500 milliards abaisse le seuil d'accès à la puissance de calcul.
• L’écosystème CUDA verrouille l’avantage concurrentiel sur le long terme.

Ces trois axes convergent pour bâtir la stratégie de Nvidia en tant que fournisseur d'infrastructures AI pour l’avenir.

Néanmoins, le marché affiche aussi certaines inquiétudes.

Après l'annonce de cette plateforme de financement, l’action Nvidia a cédé 2,86 % dans la journée ; le CDS à 5 ans a grimpé à 77,215 points de base, soit sa plus forte hausse journalière depuis deux semaines.

Les investisseurs craignent principalement trois choses :

Primo, le risque d’un “financement circulaire” existe-t-il ?

Certains pointent que Nvidia aide ses clients à financer, lesquels utilisent ces fonds pour acheter des GPU Nvidia, ce qui pourrait former une boucle fermée de capitaux.

Secundo, Nvidia risque-t-elle un conflit d’intérêts avec ses propres clients ?

Elle vend des puces à OpenAI et consorts tout en entrant sur le segment logiciel via les modèles open source.

Tertio, la rentabilité de l’IA justifie-t-elle de tels volumes d’investissement ?

À ce jour, les dépenses d’investissement des géants du numérique se comptent en centaines de milliards, tandis que les revenus extraits des applications AI sont encore embryonnaires.

Si, à l'avenir, la croissance de la demande AI est plus faible qu’attendu, le risque pourrait se propager tout au long de la chaîne d’approvisionnement et du secteur financier.

Selon US Stock Market Network :

Ce que fait Nvidia aujourd’hui, fondamentalement, c’est accélérer la démocratisation de l’infrastructure AI.

• Nemotron, modèle open source, abaisse la barrière d’accès à l’IA.
• La plateforme de financement de 500 milliards, abaisse la barrière d'achat de puissance de calcul.
• L’écosystème CUDA garantit que les applications AI tourneront sur l’environnement Nvidia.

À court terme, ces initiatives peuvent susciter la crainte d’un risque de concurrence et de financement. Mais à long terme, Jensen Huang parie sur une dynamique de fond :

L’IA deviendra probablement, comme l’électricité et Internet, une infrastructure commune à toutes les entreprises et nations de la planète.

Et dans cette compétition des infrastructures, Nvidia veut être LE fournisseur de puissance de calcul de base.

• L'investissement de 28 milliards dans le cloud vise à élargir l’écosystème.
• La plateforme de financement à 500 milliards vise à élargir le marché.
• CUDA, enfin, reste le véritable fossé défensif de Nvidia sur le long terme.