Plan financier de Nvidia : 500 milliards de dollars pour les puces IA en tant qu'actifs, mais le pari ne fonctionne pas
Nvidia, en collaboration avec Apollo, BlackRock et d'autres, souhaite transformer la puissance de calcul en une classe d'actifs d'investissement, attirant 500 milliards de dollars. Mais les promesses de puces « éternelles » contredisent les déclarations précédentes, et le marché de l'IA est déjà saturé de centres de données.

Idée : transformer le calcul en instrument financier
Nvidia, ainsi que d'importants acteurs de l'investissement — Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR — travaillent sur un plan de financement d'un demi-milliard de dollars. L'objectif est de faire du pouvoir informatique une classe d'actifs à part entière qui peut être investi dans tout comme l'immobilier ou les obligations.
CEO de Nvidia Jensen Huang appelle cela la première fois que les puces technologiques deviennent une classe d'actifs à investir. Selon lui, ces actifs ont toutes les propriétés d'un instrument classique générateur de revenus : ils sont productifs, durables, interchangeables et flexibles. Huang dessine un parallèle direct avec le marché des valeurs mobilières adossés à des prêts hypothécaires qui a vu le jour dans les années 70.

CEO de BlackRock Larry Fink fait écho à la même analogie: il dit qu'il voit cela comme l'avenir de l'ingénierie financière et que l'industrie est au tout début de la route. Mais c'est précisément la référence aux titres adossés à des prêts hypothécaires qui donne une pause : cette histoire s'est terminée dans un crash.
Appétit pour les puces plus anciennes et les mots qui ne s'additionnent pas
À première vue, le marché montre des signes d'une demande saine. Les taux de location des puces des générations précédentes augmentent, et les analystes de Silicon Data s'attendent à ce que cette tendance se poursuive jusqu'en 2028. Il y a un cas connu où un fournisseur de cloud a augmenté les prix sur Nvidia Blackwell B200 de près du double lors du renouvellement du contrat — une surprise désagréable pour le locataire, mais pour le propriétaire de la capacité de calcul cette dynamique semble encourageante.
Cependant, la rhétorique de Huang sur la "durabilité" des puces contredit ses propres mots d'il y a un an. À l'époque, il parlait des puces Hopper de la génération précédente : selon lui, une fois que les expéditions massives du nouveau Blackwell commenceraient, ces vieux accélérateurs seraient impossibles à donner gratuitement. En d'autres termes, littéralement il y a un an, le PDG de Nvidia a décrit la dépréciation rapide de l'équipement, et maintenant il insiste sur les jetons sont un actif durable.
Pourquoi la structure pourrait s'effondrer
Mark Rubinstein, un ancien gestionnaire de fonds spéculatifs, rappelle le sort des titres adossés à des prêts hypothécaires : ils se sont effondrés précisément lorsque les prêts hypothécaires ont commencé à être produits en excès. Il pourrait en être de même pour les infrastructures d'IA — le marché présente déjà des signes de saturation.

En plus de cela vient un autre facteur: les modèles chinois open-source montrent que l'IA puissante peut être construite avec des coûts de calcul beaucoup plus modestes. Si l'efficacité du modèle continue de s'améliorer, la foi dans la demande sans fin de puces sera remise en question. De plus, il est loin d'être certain que les laboratoires frontaliers, tels que Anthropic et OpenAI, sont même capables de gagner de l'argent de leurs opérations. Pourtant, ce sont précisément eux qui conduisent aujourd'hui la principale demande de calcul.
Il convient également de se rappeler que toute l'entreprise n'existe actuellement que sous forme de mémorandums d'accord. Nvidia a signé un mémorandum semblable de 100 milliards de dollars avec OpenAI l'an dernier — et l'accord ne s'est jamais concrétisé. C'est un signal important: les annonces fortes ici ne sont pas égales à un investissement réel.
La défense de Nvidia : il ne s'agit pas seulement de matériel
Huang repousse contre les sceptiques en notant que la plate-forme informatique de Nvidia n'est pas seulement du silicium. Il s'agit de l'écosystème logiciel CUDA qui distingue les usines d'IA de l'entreprise des puces ordinaires. Selon lui, la valeur de ces systèmes n'est pas fixée au moment de l'installation : CUDA améliore continuellement ses performances, de sorte que les équipements déjà installés conservent leur productivité bien au-delà de sa période d'amortissement initiale.

Mais il y a aussi une vulnérabilité ici. Les puces et les logiciels en eux-mêmes ne créent pas de puissance informatique — ils n'existent que dans le cadre d'infrastructures à grande échelle avec des bâtiments, du refroidissement et de l'alimentation électrique. Huang écarte ces composantes dans son raisonnement, mais elles représentent une part importante des coûts. Un bien qui ne peut être exploité sans une infrastructure coûteuse n'est pas aussi simple et liquide qu'on le fait.
En fin de compte, le concept semble ambitieux mais contradictoire. D'une part, le marché a vraiment faim de pouvoir informatique. D'autre part, Nvidia elle-même a récemment admis que son équipement devenait rapidement obsolète, et l'accord qui sous-tend l'ensemble du récit peut ne rester qu'un mémorandum. Transformer les puces en « nouvelle hypothèque » pourrait s'avérer être soit un mouvement financier brillant ou une répétition des erreurs des années 1970 - avec le même prix pour un optimisme excessif.
Foire aux questions
Matériaux connexes
Tous matériaux
OpenCollab : coordination programmable d’agents, environnement d’exécution contrôlé et mesure du respect des règles
Le framework rassemble la définition de la structure d’interaction des agents, un environnement commun pour les expérimentations et une traçabilité détaillée des événements, tandis que l’indicateur Adherence introduit mesure dans quelle mesure l’exécution réelle respecte le schéma annoncé. Dans les benchmarks, la configuration Duo atteint un nouveau niveau SOTA, tandis que la variante mono-agent se distingue par la plus faible consommation de tokens.
11 novembre 2026
Toollery : sélection d’outils pour agents LLM parmi des dizaines de milliers d’options sans réentraînement
Toollery construit un index de recherche à partir des descriptions des compétences et des outils, puis ne transmet au modèle qu’un nombre limité de candidats pour chaque requête. Lors d’expériences menées sur des bibliothèques comptant jusqu’à plusieurs dizaines de milliers de fonctions, cette approche permet de maintenir la qualité de sélection avec un top-K fixe, même si l’effet final dépend du profil de charge et de la mise en cache côté fournisseur.
11 novembre 2026
WILSON : regroupement des grossissements et des lames du patient pour l’analyse pathomorphologique et la rédaction de comptes rendus
La prépublication présente WILSON, un modèle vision-langage qui encode des images de lames entières ainsi que des séries de prélèvements d’un même patient à différents grossissements, plutôt qu’une seule lame « optimale ». Sans entraînement supplémentaire pour une tâche donnée, il surpasse des modèles spécialisés et de plus grande taille dans plusieurs métriques, tout en nécessitant beaucoup moins de ressources de calcul, et ses descriptions diagnostiques ont obtenu de meilleures évaluations de la part des pathologistes.
11 novembre 2026