SANTA CLARA, Californie — Nvidia a livré cette semaine l'un des signaux financiers les plus clairs à ce jour, confirmant que l'essor de l'intelligence artificielle générative se transforme en un cycle d'infrastructures à grande échelle. Le fabricant de puces a annoncé un chiffre d'affaires de 7,19 milliards de dollars pour son premier trimestre fiscal et prévoit environ 11 milliards de dollars pour le trimestre en cours, un rythme bien supérieur à celui suggéré par ses résultats récents. Cette croissance s'explique par la demande croissante en puissance de calcul accélérée et en entraînement de modèles complexes, qui pousse les clients vers ses processeurs pour centres de données.

de Nvidia du 24 mai a révélé un chiffre d'affaires record de 4,28 milliards de dollars pour les centres de données, en hausse de 18 % par rapport au trimestre précédent et de 14 % par rapport à l'année précédente. Le chiffre d'affaires global reste toutefois inférieur de 13 % à celui de la même période de l'année précédente, en raison de la reprise partielle du marché du jeu vidéo et d'autres secteurs. Néanmoins, les prévisions de l'entreprise pour le deuxième trimestre, tablant sur 11 milliards de dollars (à plus ou moins 2 %), ont permis de redéfinir les attentes quant à la rapidité avec laquelle la demande en IA pourrait impacter sa croissance.

L'IA passe du stade de simple logiciel à celui de cycle de dépenses d'investissement

Le rapport trimestriel déposé auprès de la SEC par l'entreprise indique clairement que Nvidia ne dépend plus principalement des cartes graphiques grand public. Le marché des centres de données est devenu son activité principale, avec des clients allant des fournisseurs de services cloud aux entreprises internet, en passant par les grandes entreprises et les instituts de recherche. Le PDG, Jensen Huang, a déclaré que le secteur informatique connaît actuellement deux transitions simultanées : l'accélération du calcul et l'intelligence artificielle générative. Il a ajouté que Nvidia augmente sa production pour répondre à la forte demande pour ses plateformes H100, Grace Hopper, réseau et logicielles.

Cette demande est liée à une contrainte technique fondamentale. L'entraînement et le déploiement de grands modèles de langage nécessitent une capacité de traitement parallèle considérable et une bande passante mémoire à haut débit. Les processeurs classiques peuvent effectuer ces tâches, mais avec une efficacité bien moindre que les accélérateurs spécialisés. Nvidia a consacré des années à bâtir un écosystème logiciel autour de CUDA et à développer un portefeuille croissant de GPU, d'interconnexions et de produits réseau, ce qui lui confère une position de force alors que les développeurs s'empressent de déployer des modèles inspirés de systèmes tels que ChatGPT.

Les partenariats entre entreprises montrent où se dirigent les dépenses

La semaine précédant la publication des résultats financiers, Nvidia et ServiceNow ont annoncé un partenariat en intelligence artificielle générative (IA générative) visant à développer des modèles de langage personnalisés de grande taille pour les flux de travail d'entreprise. Cet accord est important car il étend l'IA générative au-delà des chatbots publics pour l'intégrer aux processus métier internes tels que le service client, le support informatique et la productivité des employés.

Le 23 mai, Dell et Nvidia ont dévoilé Project Helix, une solution permettant aux entreprises de concevoir et d'exécuter des systèmes d'IA générative sur leur propre infrastructure. Cette offre combine serveurs et stockage Dell avec GPU Nvidia H100, réseau et logiciels d'IA pour entreprises, répondant ainsi aux besoins des organisations souhaitant accéder à des capacités de modélisation à grande échelle sans pour autant placer l'intégralité de leurs informations propriétaires dans des clouds publics.

Nvidia a également annoncé une intégration avec Microsoft qui permettra d'intégrer le logiciel Nvidia AI Enterprise à Azure Machine Learning. Ce partenariat offre aux développeurs une solution optimisée pour entraîner, paramétrer et déployer des modèles sur le cloud de Microsoft, tout en s'appuyant sur les frameworks et accélérateurs Nvidia sous-jacents.

La stratégie de plateforme s'étend au-delà d'une seule puce

L'avantage de Nvidia ne se limite pas au H100. Lors de sa conférence GTC de mars, l'entreprise a présenté quatre plateformes d'inférence destinées à différentes charges de travail d'IA générative : le H100 NVL pour les grands modèles de langage, L4 pour la vidéo IA et Grace Hopper pour les systèmes de recommandation. Sa stratégie consiste à proposer une solution complète : processeurs, réseau, systèmes et logiciels permettant aux développeurs de passer de l'entraînement à l'inférence.

C’est important car l’inférence — le processus d’exécution d’un modèle entraîné pour produire des réponses, des images ou des recommandations — peut à terme consommer autant, voire plus, de puissance de calcul que l’entraînement. À mesure que les applications d’IA générative passent du stade expérimental à celui de produits utilisés par des millions de personnes, la demande peut évoluer : d’une poignée d’entraînements massifs, elle peut se transformer en une infrastructure de service persistante, fonctionnant 24 h/24 et 7 j/7.

Une prévision extraordinaire comporte toujours un risque d'exécution

Les prévisions de chiffre d'affaires de 11 milliards de dollars laissent présager une forte augmentation séquentielle, et leur réalisation dépendra de l'offre. Les GPU de pointe reposent sur une fabrication de semi-conducteurs de dernière génération et un conditionnement sophistiqué, deux technologies dont la capacité est limitée. Nvidia a indiqué collaborer avec ses fournisseurs pour accroître la production, mais le rythme de la demande risque d'entraîner des délais de livraison importants pour les clients.

La concurrence s'intensifie également. Advanced Micro Devices prépare de nouveaux accélérateurs d'IA, les principaux fournisseurs de cloud développent des puces propriétaires et les start-ups s'attaquent à des segments spécialisés du marché de l'apprentissage automatique. Les clients qui dépendent actuellement fortement de Nvidia ont tout intérêt à diversifier leurs sources d'approvisionnement si les capacités restent limitées ou si les prix augmentent.

Pour l'instant, les résultats trimestriels de l'entreprise indiquent que l'IA générative génère un cycle de dépenses suffisamment important pour compenser les faiblesses observées dans d'autres secteurs technologiques. Nvidia a entamé l'année en tant que principal fournisseur d'accélérateurs d'IA haut de gamme. À la fin du mois de mai, ses prévisions financières laissent entrevoir une croissance du marché de ces systèmes bien plus rapide que ce que de nombreux investisseurs anticipaient il y a encore quelques semaines.