Compagnies

NVIDIA

Aussi appelé : GPU, CUDA, H100/H200, NeMo

L'entreprise dont les GPU alimentent pratiquement tout l'entraînement d'IA et la majeure partie de l'inférence à l'échelle mondiale. Ce qui a commencé comme un fabricant de cartes graphiques est devenu le fournisseur de matériel le plus critique de l'industrie de l'IA, faisant brièvement de NVIDIA l'entreprise la plus valorisée au monde.

Pourquoi c’est important

NVIDIA est l'entreprise sans laquelle la révolution de l'IA n'aurait tout simplement pas lieu — leurs GPU et leur écosystème logiciel CUDA sont les fondations sur lesquelles pratiquement tous les grands modèles d'IA ont été entraînés. La combinaison de matériel d'IA spécialisé, d'un rempart logiciel forgé sur une décennie et du contrôle du tissu réseau qui interconnecte les GPU leur a conféré une position quasi monopolistique dans la chaîne d'approvisionnement la plus critique du 21e siècle. Quand les gouvernements, les entreprises et les laboratoires de recherche se disputent la puissance de calcul IA, c'est pour du matériel NVIDIA qu'ils se battent, et ce simple fait a transformé l'ancien fabricant de cartes graphiques de Jensen Huang en l'entreprise technologique la plus stratégiquement importante de la planète.

En profondeur

NVIDIA a été fondée en 1993 par Jensen Huang, Chris Malachowsky et Curtis Priem dans un restaurant Denny's à San José, en Californie. Huang, qui avait été concepteur de puces chez LSI Logic et ingénieur en microprocesseurs chez AMD, est devenu PDG et dirige l'entreprise sans interruption depuis plus de trois décennies — l'un des plus longs mandats du secteur technologique. Pendant la majeure partie de son histoire, NVIDIA était un fabricant de cartes graphiques. Ils ont inventé le GPU en 1999 avec le GeForce 256, dominé le jeu sur PC tout au long des années 2000, et bâti une activité stable vendant aux joueurs et aux utilisateurs de visualisation professionnelle. Le virage vers l'IA n'était pas un accident — c'était le résultat d'un pari que Huang a fait à partir d'environ 2006, quand NVIDIA a publié CUDA, un cadre de programmation qui permettait aux chercheurs d'utiliser les GPU pour le calcul parallèle à usage général. À l'époque, presque personne ne s'y intéressait. Une décennie plus tard, il s'est avéré être la décision stratégique la plus déterminante de l'histoire de l'informatique.

Comment les GPU ont dévoré l'IA

La révolution de l'apprentissage profond des années 2010 a tourné sur du matériel NVIDIA. Quand Alex Krizhevsky a remporté la compétition ImageNet en 2012 en utilisant un réseau de neurones entraîné sur deux GPU GTX 580, ce n'était pas parce que les GPU étaient conçus pour l'IA — c'était parce que leur architecture massivement parallèle se trouvait être parfaite pour les multiplications matricielles que les réseaux de neurones requièrent. NVIDIA l'a reconnu plus vite que quiconque et a commencé à concevoir des puces spécifiquement pour les charges de travail IA. Les architectures GPU Tesla (renommée par la suite pour éviter la confusion avec le constructeur automobile), Volta, Ampère, Hopper et Blackwell ont chacune apporté des améliorations massives en performance d'entraînement et d'inférence IA. Le H100, sorti en 2023, est devenu la puce la plus convoitée au monde, les hyperscalers et les laboratoires d'IA dépensant des milliards pour s'en assurer des allocations. Le H200 et le B200 (Blackwell) ont poussé la performance encore plus loin, avec le serveur en rack GB200 NVL72 conçu comme un supercalculateur IA complet. D'ici 2025, NVIDIA vendait des GPU pour centres de données plus vite qu'ils ne pouvaient les fabriquer.

Le rempart logiciel

La domination de NVIDIA ne repose pas seulement sur le matériel — elle repose sur l'écosystème logiciel qui rend les coûts de migration astronomiques. CUDA est devenu la norme de facto pour la programmation GPU, avec des millions de développeurs, des milliers de bibliothèques, et chaque cadre d'IA majeur (PyTorch, TensorFlow, JAX) profondément optimisé pour lui. TensorRT pour l'optimisation de l'inférence, cuDNN pour les primitives d'apprentissage profond, NCCL pour la communication multi-GPU, Triton Inference Server pour le déploiement — NVIDIA fournit l'ensemble de la pile, du silicium au logiciel. Des concurrents comme AMD (avec ROCm) et Intel (avec oneAPI) ont tenté d'offrir des alternatives, mais l'écart d'écosystème reste énorme. Quand un chercheur écrit du code CUDA, il écrit du code qui ne fonctionne que sur du matériel NVIDIA, et le poids cumulatif d'une décennie de bibliothèques, tutoriels et outillage optimisés pour CUDA crée un rempart qu'aucune quantité de silicium concurrent ne peut facilement franchir.

L'inflexion du billion de dollars

La capitalisation boursière de NVIDIA a franchi le billion de dollars en mai 2023, les 2 billions en février 2024, et a brièvement dépassé les 3 billions en juin 2024, en faisant l'entreprise la plus valorisée au monde. La hausse du cours de l'action reflétait une véritable explosion de la demande — les revenus des centres de données sont passés de 3,6 milliards de dollars au Q4 fiscal 2023 à 18,4 milliards au Q4 fiscal 2024, soit une multiplication par environ 5 en une seule année, alimentée presque entièrement par la demande d'entraînement et d'inférence IA. Jensen Huang est devenu l'une des personnes les plus riches de la planète. La vitesse de l'ascension de NVIDIA était sans précédent pour une entreprise de cette taille, et elle a remodelé l'industrie des semi-conducteurs, TSMC (qui fabrique les puces de NVIDIA) peinant à suivre la demande et les nations traitant l'accès aux GPU comme une question de sécurité nationale.

Au-delà des puces : la stratégie plateforme

NVIDIA s'est progressivement étendu au-delà de la vente de GPU vers la vente de plateformes d'IA complètes. Les systèmes DGX sont des supercalculateurs IA clés en main. NVIDIA AI Enterprise est une suite logicielle pour déployer l'IA en production. Omniverse est une plateforme pour construire des jumeaux numériques et des simulations 3D. NIM (NVIDIA Inference Microservices) conditionne des modèles d'IA optimisés en conteneurs déployables. L'entreprise s'est aussi lancée dans le réseau avec l'acquisition de Mellanox (6,9 milliards de dollars en 2020), lui donnant le contrôle des interconnexions InfiniBand qui relient les GPU entre eux dans les centres de données. L'architecture Blackwell a introduit le réseau NVLink qui peut connecter jusqu'à 576 GPU en un seul système. Chacune de ces initiatives est conçue pour s'assurer que, à mesure que l'infrastructure d'IA passe de GPU individuels au calcul à l'échelle d'un entrepôt, NVIDIA fournisse non seulement les puces mais l'ensemble de la pile — les rendant aussi proches d'être indispensables que n'importe quelle entreprise de l'industrie technologique ne l'a jamais été.