La demande d'IA reste forte mais ne parvient pas à stimuler le cours de l'action ! Nvidia n'a augmenté que de 1 % depuis le quatrième trimestre, le marché devient plus attentiste

Malgré la hausse continue des dépenses en capital dans le domaine de l’intelligence artificielle, la performance boursière de Nvidia s’est refroidie. Depuis le quatrième trimestre, ce géant des puces AI n’a progressé que d’environ 1 %, avec un ratio cours/bénéfice d’environ 24 fois, à peu près au même niveau que l’indice Nasdaq 100, ce qui montre que le marché réévalue sa prime de valorisation.

L’évolution du paysage concurrentiel est devenue le moteur central de l’attentisme. Ce mois-ci, le PDG de Nvidia, Jensen Huang, a acquis pour environ 20 milliards de dollars la licence technologique de la start-up de hardware d’inférence Groq et recruté la majeure partie de son équipe de puces, une démarche qui atteste elle-même de la compétitivité d’autres entreprises dans certains domaines. Parallèlement, Cerebras a signé un accord de fourniture de puces d’inférence rapide de 10 milliards de dollars avec OpenAI, et Anthropic a également conclu des partenariats avec plusieurs fournisseurs de puces non-Nvidia.

Ces transactions sont en train de remodeler la perception du marché concernant le paysage des puces AI. Plusieurs start-up affirment que, depuis l’opération Groq, l’intérêt des investisseurs potentiels a nettement augmenté. SambaNova a même abandonné l’idée de vendre l’entreprise à une valorisation bien inférieure à celle du tour précédent, pour chercher plutôt un nouveau tour de financement.

Pour les investisseurs, cette série de signaux signifie : bien que Nvidia reste le leader incontesté du secteur des puces AI, sa position de monopole pourrait ne plus être aussi inébranlable qu’auparavant. Le marché passe d’un « pari sur un seul champion » à une « revalorisation du risque concurrentiel ».

Le marché des puces d’inférence devient le centre de la concurrence

Dans l’arène des puces AI, de plus en plus de start-up et d’investisseurs concentrent leur attention sur « l’inférence », soit l’étape clé qui consiste à exécuter le modèle et à générer des réponses une fois l’entraînement terminé. Ce segment est perçu comme une brèche permettant de remettre en cause la domination de Nvidia.

La société de trading Jump a co-dirigé ce mois-ci un financement de 230 millions de dollars pour la start-up de puces d’inférence Positron, dont elle est également devenue cliente. Son directeur technique, Alex Davies, déclare clairement :

« Presque tout le monde utilise Nvidia pour l’entraînement et l’inférence, mais nous voyons le secteur évoluer, cette situation ne durera pas. Nous ne croyons pas qu’il n’y aura qu’un seul gagnant. »

Nvidia occupe une position dominante dans l’entraînement à grande échelle grâce à ses puces à mémoire à large bande passante. Cependant, une série de start-up tente d’atteindre des temps de réponse plus rapides en explorant différents types d’architectures mémoire, spécifiquement pour l’inférence. En même temps, à mesure que les modèles AI d’inférence effectuent des jugements en temps réel lors des requêtes, sans dépendre totalement des résultats pré-entraînés, la frontière entre entraînement et inférence s’estompe, ouvrant la voie à de nouvelles architectures de puces.

Sid Sheth, PDG de la société de puces AI D-Matrix soutenue par Microsoft, souligne que depuis l’émergence de DeepSeek début 2023, l’intérêt du marché pour les puces d’inférence rapide a fortement augmenté. L’entreprise a levé 275 millions de dollars en novembre dernier.

Les géants technologiques accélèrent le développement de leurs propres puces

Les grandes entreprises technologiques rivalisent pour développer leurs propres puces AI afin de réduire leur dépendance à Nvidia. OpenAI a publié jeudi pour la première fois un modèle fonctionnant sur les puces de Cerebras ; Anthropic a signé des accords d’utilisation avec Amazon Trainium et Google TPU ; Microsoft a lancé le mois dernier la deuxième génération de sa puce AI maison Maia et a obtenu le droit d’utiliser la propriété intellectuelle des puces d’OpenAI.

Les start-up sont elles aussi très actives. La société de puces d’inférence Etched a levé environ 500 millions de dollars le mois dernier, visant directement la position dominante de Nvidia ; la start-up de modèles AI Simile est sortie de l’ombre, levant 100 millions de dollars lors d’un tour mené par Index Ventures, avec pour objectif d’aider les entreprises à prédire le comportement humain.

Cependant, bien que les géants accélèrent leur développement interne, Amazon, Google, Microsoft, OpenAI, etc., continuent d’acheter massivement des GPU Nvidia pour soutenir leurs produits et services cloud AI. Ce constat souligne que la position de leader de Nvidia reste solide, même si le paysage concurrentiel évolue discrètement.

La défense de Nvidia et les perspectives du marché

Nvidia s’est déjà imposée comme un leader puissant du marché. Elle possède une large gamme de produits et s’engage à repenser complètement ses puces chaque année. L’accord avec Groq offre à Nvidia une nouvelle opportunité d’expansion. Interrogé sur la possibilité que cet accord débouche sur des puces spécifiquement dédiées à l’inférence, Jensen Huang n’a pas fait de promesse, se contentant de déclarer : « Peut-être qu’à un moment donné, nous pourrions créer quelque chose d’unique quelque part ».

Sheth estime que Nvidia annoncera des mesures lors de sa conférence phare de mars pour répondre à la demande croissante de puces d’inférence rapide. Selon Bloomberg, à différentes périodes, des start-up et des entreprises établies ont affirmé pouvoir concurrencer Nvidia, mais dans la plupart des cas, elles n’y sont pas parvenues, du moins pas à grande échelle ou sur tous les fronts. Pourtant, des fissures commencent à apparaître sur le marché.

Davies déclare :

« Si vous regardez le taux de croissance de ce secteur, vous voyez du hardware dédié. Cela a toujours été le cas dans l’histoire de l’ingénierie. On commence avec quelque chose de généraliste, puis ça croît de façon folle, puis quelqu’un découvre qu’on ne peut pas se contenter d’une seule chose. »