Nvidia Corp. les derniers résultats sont remarquables même par leur propre barre haute. Les revenus établissent de nouveaux recordsentraîné par une augmentation de plus de 90 % de la demande dans les centres de données et ce que la direction a décrit comme une demande « parabolique » alors que les systèmes Blackwell se développent dans les hyperscalers, les cloud d'intelligence artificielle, les clients automobiles et souverains.
Mais le plus important est la rapidité avec laquelle l’économie de l’IA se réorganise autour de ce que le directeur général Jensen Huang appelle les « usines d’IA » et « l’IA agentique ». Le titre a légèrement baissé après la clôture, mais il a augmenté de près de 20 % depuis le début de l'année et de plus de 60 % l'année dernière, ce qui est remarquable pour une entreprise dont la capitalisation boursière dépasse 5 000 milliards de dollars.
Le discours de Huang était aussi optimiste que les chiffres. « Ce fut un trimestre extraordinaire », a-t-il déclaré aux investisseurs. « La demande est devenue parabolique. La raison est simple. L'IA agentique est arrivée. L'IA peut désormais effectuer un travail productif et précieux. Les jetons sont désormais rentables, de sorte que les modélistes se précipitent pour produire davantage. » Ce cadre a des implications significatives pour les fournisseurs de cloud, les concurrents en matière de puces, les entreprises et les stratégies nationales.
1. Les usines IA sont les nouveaux centres de données
Nvidia ne parle plus de vendre des unités de traitement graphique ; il parle de construire des « usines d’IA génératrices de revenus ». Selon Huang, les centres de données d'aujourd'hui sont limités par l'énergie et le capital, obligeant les opérateurs à optimiser le coût de production de l'intelligence sur toute la durée de vie plutôt que le prix catalogue d'une puce.
« Les clients n'achètent pas de GPU », a-t-il déclaré. « Ils construisent des usines d'IA, et la bonne mesure économique n'est pas le prix d'achat du GPU. C'est le coût à vie d'une usine d'IA produisant de l'intelligence, mesuré en termes de jetons par watt, de jetons par dollar, de temps de disponibilité, d'utilisation, de délai de production, de durabilité des logiciels et de durée de vie des actifs. Nvidia excelle dans tous ces domaines. »
Pour l’industrie, cela recadre la concurrence. Il ne s'agit plus de « mon accélérateur contre votre accélérateur » au niveau des composants. Il s'agit d'une pile complète qui comprend des puces, une interconnexion, des systèmes, des logiciels et un écosystème, offrant le coût par jeton le plus bas et le délai de génération de revenus le plus rapide. Cela favorise les plates-formes étroitement intégrées et nuit aux fournisseurs qui tentent de rivaliser avec des produits ponctuels ou du silicium semi-personnalisé sans une histoire complète des logiciels et des systèmes. C’est pourquoi de nombreux observateurs de l’industrie, dont moi-même, pensent que le fossé autour de Nvidia est presque infranchissable. Il existe de nombreux autres fournisseurs de silicium, mais aucun ne dispose d’une « pile » aussi complète que Nvidia.
Cela explique également pourquoi les dépenses en infrastructures d’IA peuvent atteindre des niveaux qui semblaient autrefois farfelus. Nvidia a cité les prévisions d'analystes selon lesquelles les dépenses en capital des hyperscalers dépasseraient 1 000 milliards de dollars en 2027 et prévoit que les dépenses en infrastructure d'IA atteindraient 3 000 à 4 000 milliards de dollars par an d'ici la fin de la décennie. Si les usines d’IA se traduisent directement en revenus et en bénéfices, ces chiffres commenceront à ressembler moins à du battage médiatique qu’à des enjeux de table.
2. Deux marchés de centres de données IA émergent, et celui-ci pourrait être plus important
Pour aider les investisseurs à comprendre ses moteurs de croissance, Nvidia passe à un nouveau cadre de reporting avec deux plates-formes principales : le centre de données et l'informatique de pointe. Au sein du centre de données, il éclatera à grande échelle et ce qu'il appelle ACIE : clouds IA, industriels et d'entreprise.
L’hyperscale, les grands cloud publics et les plus grandes sociétés Internet grand public représentaient environ la moitié du chiffre d’affaires des centres de données ce trimestre. L’autre moitié, ACIE, comprend les cloud natifs d’IA, les projets d’IA souverains, les déploiements d’entreprise sur site et les usines d’IA industrielles. Cette deuxième catégorie croît plus rapidement, à partir d’une base légèrement plus petite, et Nvidia s’attend à ce qu’elle soit finalement plus grande.
« La deuxième catégorie concerne tous les cloud natifs de l'IA », a déclaré Huang. « Entreprise sur site, IA industrielle sur site et souveraine. Ce segment connaît une croissance incroyablement rapide car tout le monde a besoin de l'IA, et nous allons voir l'IA être adoptée par chaque industrie, chaque pays, chaque entreprise. » Il a noté que même si l’hyperscale est concentrée sur cinq ou six acteurs, la deuxième catégorie regroupe des centaines de milliers d’entreprises dans le monde. Stratégiquement, c’est là que la concurrence devient plus rude.
Servir les hyperscalers signifie gagner une poignée d’acheteurs massifs et techniquement sophistiqués, ce que fait déjà Nvidia. Servir le segment ACIE nécessite une plate-forme verticalement intégrée qui « fonctionne tout simplement », un large mouvement de mise sur le marché et un vaste catalogue de bibliothèques accélérées par CUDA pour chaque secteur vertical, de la lithographie informatique à la dynamique moléculaire. Il s’agit d’une barrière importante à l’entrée pour les nouveaux entrants et cela explique en partie pourquoi, selon les mots de Huang, « très peu d’entreprises sont exposées à la deuxième catégorie ».
3. Agentic AI remodèle l’équilibre CPU-GPU
L'un des thèmes les plus prospectifs de ce trimestre a été l'accent mis par Nvidia sur l'IA agentique. Autrement dit, des systèmes qui orchestrent de manière autonome les outils, appellent des sous-agents et pilotent des flux de travail en plusieurs étapes. Cela a des conséquences directes sur le côté CPU de la maison et ouvre un nouveau robinet énorme pour Nvidia.
Huang a décrit les agents comme des « harnais » autour de grands modèles. Des systèmes tels que Codex d'OpenAI ou Claude Code d'Anthropic gèrent les E/S, l'orchestration, la gestion de la mémoire et l'utilisation d'outils, par exemple les navigateurs, les compilateurs et les applications externes. Ces harnais et outils fonctionnent sur des unités centrales de traitement, tandis que la « réflexion », l’inférence et la simulation réelles, s’exécutent sur des GPU.
« Le monde compte 1 milliard d’utilisateurs, des utilisateurs humains », a-t-il déclaré. « Mon sentiment est que le monde va avoir des milliards d’agents. » À mesure que ces agents prolifèrent et créent des sous-agents qui rappellent constamment de grands modèles, la demande en orchestration basée sur CPU et en inférence basée sur GPU explose.
Entrez Vera, le nouveau processeur de Nvidia « spécialement conçu pour l'IA agentique ». Construit sur des cœurs Arm personnalisés et co-conçu avec les GPU Rubin et NVLink, Vera n'est pas conçue autour de cœurs par dollar mais autour de jetons par dollar et de performances par watt pour les charges de travail agentiques. Huang a déclaré que Vera « ouvre un tout nouveau TAM de 200 milliards de dollars pour Nvidia » sur un marché de processeurs que la société n'a jamais abordé auparavant, et que tous les grands hyperscalers et fabricants de systèmes font la queue pour le déployer.
L'opportunité de 200 milliards de dollars en matière de processeurs s'ajoute, et non à la place, aux 1 000 milliards de dollars de revenus des plates-formes Blackwell et Rubin que Nvidia dit avoir en vue entre 2025 et 2027. Pour les fournisseurs de cloud et les entreprises, l'architecture de l'IA agentique signifie repenser la couche CPU autant que la couche accélérateur.
4. La gravité du modèle Frontier attire une plus grande partie de la pile vers Nvidia
Un autre signal important de l’appel est la façon dont Nvidia se lie étroitement à l’écosystème du modèle frontière. Blackwell et, bientôt, Vera Rubin ne sont pas des accélérateurs génériques ; ils sont de plus en plus co-conçus avec et pour les principaux modélistes.
« Notre architecture Blackwell est partout, adoptée et déployée par tous les grands hyperscalers, tous les fournisseurs de cloud et tous les grands modélistes », a déclaré Huang. Il a souligné le GPT-5.5 d'OpenAI, « co-conçu, formé et utilisé sur Blackwell », et a noté que Nvidia entretient désormais des collaborations approfondies avec OpenAI, Anthropic, xAI, Meta, Gemini de Google, Microsoft AI et d'autres.
En conséquence, la part de Nvidia dans le calcul de l’IA et les modèles de pointe augmente. Huang a déclaré que la couverture d'Anthropic par l'entreprise était « en grande partie nulle jusqu'à tout récemment » et que Nvidia apporterait une capacité en ligne « assez importante, très significative » à l'entreprise sur Amazon Web Services, Microsoft Azure, CoreWeave et d'autres partenaires au cours des deux prochaines années. Il a ajouté que « chaque entreprise modèle de pointe se jettera sur Vera Rubin dès le départ », et que ce n’était pas le cas pour Blackwell.
Pour l’industrie de l’IA, cette concentration a deux effets. Premièrement, cela accélère l’innovation haut de gamme, car les modélistes et les fournisseurs d’infrastructures optimisent ensemble le silicium, les systèmes et les logiciels. Deuxièmement, cela place la barre plus haut pour tout challenger espérant gagner une part significative de la frontière sans relations de co-conception similaires et sans intégration full-stack.
5. L’IA physique et l’Edge sont la prochaine vague multimilliardaire
Bien que l’histoire des centres de données ait naturellement dominé l’appel, Nvidia a également souligné que « l’IA physique », la robotique, les véhicules autonomes, les stations de base de télécommunications et autres systèmes de pointe sont en train de devenir une activité importante. Huang a consacré une grande partie de son discours GTC à l'IA physique, il était donc bon de voir le dialogue se poursuivre pendant l'appel aux résultats.
Sa plate-forme informatique de pointe a généré 6,4 milliards de dollars de revenus, en hausse de 29 % d'une année sur l'autre, stimulés par la forte demande de postes de travail Blackwell et les contributions croissantes de la robotique et de l'automobile. Au cours des 12 derniers mois, l’IA physique a généré plus de 9 milliards de dollars de revenus. Nvidia travaille avec des partenaires comme Uber sur des robotaxis dans près de 30 villes d'ici 2028, ainsi que sur un large éventail de projets de robotique industrielle et chirurgicale.
Huang a défini cela comme le troisième segment majeur de l'activité de l'entreprise après les centres de données hyperscale et IA/d'entreprise. « La prochaine vague est celle de l’IA physique, avec des milliards de systèmes autonomes et robotiques opérant dans le monde physique », a-t-il déclaré. Avec CUDA s'étendant désormais aux stations de base AI-RAN, aux instruments médicaux intégrés et à l'automatisation des usines, Nvidia se positionne comme la plate-forme par défaut partout où l'IA doit agir dans le monde réel, et pas seulement générer du texte ou des images.
Pour les opérateurs, les équipementiers et les industriels, cela suggère que les investissements en IA passeront de plus en plus des centres de données centralisés aux systèmes distribués en temps réel à la périphérie. Pour les concurrents de Nvidia, cela ouvre un autre domaine dans lequel une plate-forme GPU plus logicielle présente un avantage de premier arrivé.
Réflexions finales
Huang a clôturé l'appel en reliant ces fils ensemble : « Le monde est en train de reconstruire l'informatique pour l'IA agentique et l'IA physique robotique », a-t-il déclaré. « Nvidia est au centre de ces transitions… Nous l'avons construit en amont pour que lorsque l'IA agentique arrivera, Nvidia soit prête. Elle est arrivée. »
Nvidia a été et continue d'être le système d'exploitation de facto de l'économie de l'IA et fait monter les enjeux pour tous les autres acteurs de l'écosystème. L’entreprise ne surfe pas seulement sur une vague d’investissements ; il définit activement le modèle des usines d'IA, des architectures agentiques et de l'IA physique à la périphérie, de manière à remodeler la façon dont les fournisseurs de cloud investissent, la façon dont les entreprises planifient leurs feuilles de route et la façon dont les concurrents en matière de puces doivent réagir.
Le message principal de Jensen Huang – que « les clients n'achètent pas de GPU, ils construisent des usines d'IA » et que la mesure qui compte est le nombre de jetons par dollar pendant la durée de vie de ces usines – informera probablement les dirigeants d'entreprise sur la manière d'aborder leur stratégie d'IA.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
