La société Nvidia Corporation, une entreprise technologique américaine dont le siège social est situé à Santa Clara, en Californie, a atteint une étape financière significative au cours de son exercice fiscal 2024 (se terminant le 28 janvier 2024), lorsque ses revenus issus des centres de données ont dépassé pour la première fois dans l'histoire de l'entreprise ceux du secteur du jeu vidéo. Le segment des centres de données a généré 47,5 milliards de dollars de revenus pour l'ensemble de l'exercice, contre 10,4 milliards de dollars pour le jeu vidéo, reflétant la demande croissante pour les unités de traitement graphique (GPU) de Nvidia dans les charges de travail d'entraînement et d'inférence en intelligence artificielle (IA). Ce changement a souligné la transition de Nvidia, passant d'une entreprise principalement connue pour ses graphismes de jeu à un fournisseur central dans le boom de l'IA, une transformation qui se préparait depuis plus d'une décennie.
Cette étape n'était pas un événement soudain, mais le point culminant d'investissements stratégiques dans les logiciels et le matériel. La plateforme CUDA de Nvidia, introduite en 2006, a permis d'utiliser les GPU pour le calcul généraliste au-delà des graphismes, permettant le traitement parallèle pour les simulations scientifiques, l'analyse de données et, finalement, l'apprentissage profond. À la fin des années 2010, les GPU de Nvidia étaient devenus la norme pour l'entraînement des réseaux de neurones dans la recherche académique et industrielle. La publication de l'architecture Transformer en 2017, qui sous-tend les grands modèles de langage modernes, a encore accéléré la demande de matériel de calcul haute performance. Alors que les applications d'IA générative telles que OpenAI's ChatGPT gagnaient une attention mondiale à la fin de 2022 et en 2023, les fournisseurs de cloud et les entreprises se sont précipités pour déployer les accélérateurs de Nvidia, y compris les modèles A100 et H100, afin de construire et d'exploiter des services d'IA.
Contexte financier et croissance des centres de données
Les résultats de l'exercice fiscal 2024 de Nvidia, publiés le 21 février 2024, ont montré un chiffre d'affaires total de 60,9 milliards de dollars, en hausse de 126 % par rapport à l'année précédente. Les revenus des centres de données ont à eux seuls augmenté de 217 % en glissement annuel, tirés par les ventes de GPU pour l'entraînement et l'inférence en IA, ainsi que par des produits de mise en réseau comme les commutateurs InfiniBand. En revanche, les revenus du jeu vidéo, qui avaient historiquement été le plus grand segment de Nvidia, n'ont augmenté que de 15 % pour atteindre 10,4 milliards de dollars, alors que le marché du jeu sur PC arrivait à maturité et que la demande pour les GPU GeForce se stabilisait. Le segment des centres de données de l'entreprise comprenait également les revenus de l'automobile et de la visualisation professionnelle, mais le moteur principal était le calcul lié à l'IA.
Ce croisement était anticipé depuis plusieurs trimestres. Au troisième trimestre de l'exercice fiscal 2024 (se terminant le 29 octobre 2023), les revenus des centres de données ont atteint 14,5 milliards de dollars, dépassant largement les 2,8 milliards de dollars du jeu vidéo. Les chiffres annuels ont confirmé la tendance, les centres de données représentant 78 % du chiffre d'affaires total, contre 56 % au cours de l'exercice 2023. Ce changement s'est reflété dans le cours de l'action de Nvidia, qui est passé d'environ 150 dollars par action au début de 2023 à plus de 600 dollars à la fin de l'exercice 2024, contribuant à ce que la capitalisation boursière de l'entreprise dépasse 1 000 milliards de dollars en mai 2023.
Investissements stratégiques et évolution des produits
Le virage de Nvidia vers l'IA n'était pas accidentel. L'entreprise a investi massivement dans l'infrastructure d'apprentissage automatique, y compris le développement d'architectures de GPU spécialisées. L'architecture Volta, introduite en 2017, comprenait des cœurs tensoriels conçus pour les opérations matricielles courantes dans l'apprentissage profond. L'architecture Ampere, lancée en 2020, a amélioré les performances pour les charges de travail d'IA et a été adoptée par les principaux fournisseurs de cloud. L'architecture Hopper, publiée en 2022, a introduit le GPU H100, qui est devenu l'accélérateur d'IA le plus recherché pendant le boom de l'IA, avec des délais de livraison s'étendant sur des mois en raison de la demande.
Nvidia a également élargi son écosystème logiciel au-delà de CUDA. L'entreprise a acquis Mellanox Technologies en 2020 pour 6,9 milliards de dollars, ajoutant des capacités de mise en réseau à haute vitesse essentielles pour les clusters d'IA à grande échelle. En 2022, Nvidia a acquis Run:ai, une plateforme de gestion des charges de travail pour l'IA, et Annapurna Labs, qui conçoit des puces personnalisées pour les centres de données. Ces acquisitions ont complété l'offre matérielle de Nvidia et renforcé sa position sur le marché des centres de données, où des concurrents comme AMD et Intel cherchaient également à conquérir les charges de travail d'IA.
La tentative d'acquisition d'Arm Holdings par l'entreprise en 2020, évaluée à 40 milliards de dollars, a été abandonnée en 2022 en raison d'obstacles réglementaires, mais Nvidia a continué à développer ses propres conceptions de processeurs, comme le processeur Grace, qui s'associe aux GPU pour les applications d'IA et de calcul haute performance. Cette intégration verticale a permis à Nvidia d'offrir des systèmes complets, des puces à la mise en réseau en passant par les logiciels, ce qui a séduit des fournisseurs de cloud comme Amazon Web Services, Microsoft Azure et Google Cloud.
Impact sur le marché et paysage concurrentiel
Cette étape de revenus a mis en évidence la domination de Nvidia sur le marché du matériel d'IA. Au cours de l'exercice 2024, Nvidia contrôlait environ 80 % à 95 % du marché des puces d'entraînement en IA, selon les analystes du secteur. Cette domination était due à une combinaison de performances matérielles, de verrouillage de l'écosystème logiciel via CUDA et d'investissements précoces dans des partenariats de recherche en IA. Les GPU de Nvidia étaient utilisés dans les modèles GPT d'OpenAI, dans AlphaFold de Google DeepMind et dans de nombreux projets d'IA académiques et d'entreprise.
Les concurrents ont tenté de défier la position de Nvidia. AMD a introduit sa série Instinct MI300, offrant des performances compétitives pour certaines charges de travail, et Intel a lancé ses accélérateurs Gaudi. Les fournisseurs de cloud ont également développé des puces personnalisées, comme AWS Trainium et les TPU de Google, pour réduire leur dépendance à Nvidia. Cependant, ces alternatives nécessitaient souvent des investissements logiciels supplémentaires et manquaient de l'écosystème mature de CUDA, qui avait été affiné pendant 15 ans. En conséquence, Nvidia a maintenu son leadership, avec des revenus de centres de données continuant de croître au cours des trimestres suivants.
Cette étape a également eu des implications plus larges pour l'industrie technologique. Le succès de Nvidia a signalé que l'IA devenait un moteur principal de la demande en calcul, déplaçant les investissements des marchés traditionnels des PC et des smartphones. La capitalisation boursière de l'entreprise a atteint 3 000 milliards de dollars en juin 2024, puis a dépassé 4 000 milliards de dollars en 2025, faisant d'elle l'une des entreprises les plus valorisées au monde. Cette croissance a été alimentée par une demande soutenue d'infrastructure d'IA, alors que les entreprises et les gouvernements investissaient dans la capacité de calcul pour les grands modèles de langage et d'autres applications d'IA.
Contexte historique et virage stratégique
La fondation de Nvidia en 1993 par Jensen Huang, Chris Malachowsky et Curtis Priem était initialement axée sur les graphismes 3D pour les jeux vidéo. Le succès précoce de l'entreprise avec la gamme GeForce l'a établie comme un fournisseur de GPU de premier plan, mais le marché des graphismes de jeu était cyclique et concurrentiel. Au milieu des années 2000, Nvidia a commencé à explorer le calcul GPU généraliste, conduisant au développement de CUDA. Cette plateforme a permis aux chercheurs d'utiliser les GPU pour le calcul scientifique, ouvrant de nouveaux marchés dans le calcul haute performance et, plus tard, dans l'IA.
Le boom de l'IA des années 2020, alimenté par des percées dans l'apprentissage profond et la mise à l'échelle des modèles Transformer, a créé une demande sans précédent de matériel de traitement parallèle. Nvidia était particulièrement bien positionnée pour capitaliser sur cette tendance, car ses GPU étaient déjà optimisés pour les opérations matricielles et sa pile logicielle était largement adoptée dans la recherche et l'industrie. La capitalisation boursière de l'entreprise a franchi 1 000 milliards de dollars en 2023, et l'étape de revenus de l'exercice 2024 était un indicateur clair que l'IA était devenue le cœur de l'activité de Nvidia.
Implications pour l'écosystème de l'IA
Le changement dans la composition des revenus a eu des répercussions dans tout l'écosystème de l'IA. Les startups et les fournisseurs de cloud dépendaient du matériel de Nvidia pour entraîner et déployer des modèles, créant une dépendance que certains considéraient comme un goulot d'étranglement. La rareté des GPU H100 en 2023 a conduit à un marché secondaire où les prix dépassaient les prix catalogue officiels, et certaines entreprises, comme xAI, ont reçu des investissements directs de Nvidia pour sécuriser leur approvisionnement. Cette dynamique a mis en évidence l'importance stratégique du calcul en IA et la concentration de l'offre chez un seul fournisseur.
Le succès de Nvidia a également influencé les schémas d'investissement dans la recherche et l'infrastructure en IA. Les sociétés de capital-risque, y compris Sequoia Capital et Sutter Hill Ventures, qui avaient financé Nvidia à ses débuts, ont continué à soutenir des startups d'IA dépendant de la technologie de Nvidia. La croissance de la valorisation de l'entreprise a attiré l'attention des gouvernements et des régulateurs, qui ont examiné son pouvoir de marché et les contrôles à l'exportation de puces avancées vers certains pays.
Conclusion
Le fait que les revenus des centres de données aient dépassé ceux du jeu vidéo au cours de l'exercice 2024 a marqué un tournant décisif pour Nvidia. Cela a validé le pari à long terme de l'entreprise sur l'IA et l'a positionnée comme un fournisseur d'infrastructure fondamental pour le boom de l'IA. Cette étape n'était pas seulement une statistique financière, mais le reflet de la manière dont l'IA était passée d'un domaine de recherche de niche à un moteur commercial grand public. Alors que Nvidia continuait d'innover avec de nouvelles architectures et de nouveaux logiciels, son rôle dans la définition de l'avenir du calcul semblait assuré, du moins à court terme.