Jusqu'où ira NVIDIA ?
Synthèse de la GTC 2025, conférence annuelle de NVIDIA
Bonjour,
Ce mardi 18 mars 2025, Nvidia a tenu sa conférence annuelle sur les technologies graphiques, la GTC, à San Jose en Californie.

Jensen Huang en a profité pour revenir sur les technologies actuelles que propose Nvidia mais aussi pour introduire la roadmap des produits à venir.
Dans cette newsletter écrite par Julien, ingénieur chez AWS, nous vous proposons de revenir sur les annonces de cette conférences avec son point de vue d’ingénieur pour démystifier ce qui a été dit !
📣 Communication
Avant de commencer, si tu veux aller plus loin, tu peux t’abonner au Club Bourseko. Pour rappel, voici ce qu’on propose au sein du Club :
Un espace d’échange entre +150 investisseurs (dont Xavier Delmas) pour s’entraider, progresser et partager ses investissements
Des analyses fondamentales sur des actions de qualité 2x par mois (exemple : Ferrari)
Le suivi trimestriel des résultats de plus de 50 actions que nous surveillons (exemple : Airbus)
Notre watchlist d’actions mensuelle, directement dans ta boîte mail chaque 1er du mois.
Des événements physiques réservés aux membres
Et bien d’autres choses…
Jusqu'où ira NVIDIA ?
Avant d’attaquer les annonces croustillantes de cette GTC, je pense qu’il est de bon ton de revenir sur les produits que propose Nvidia ainsi que sur ce qui intéresse le marché. En effet, même si beaucoup connaissent Nvidia, l’entreprise reste un acteur de niche et est plus connue des investisseurs et gameurs que du grand public. De plus, même chez les investisseurs, beaucoup ne comprennent pas ce qui intéresse réellement le marché.
Les produits actuels et ce qui intéresse le marché
On peut aujourd’hui décomposer la gamme de produits d’Nvidia en 4 segments: les cartes graphiques pour particuliers, le matériel à destination des datacenters, l’écosystème logiciel et la partie véhicules autonomes et robotique.
Bien que les cartes graphiques grand public soient le segment historique d’Nvidia, ce n’est plus celui qui attire le plus l’attention du marché. La dernière génération, la série 5000 basée sur l’architecture Blackwell, rencontre un vif succès et se retrouve même en rupture de stock.
Pour autant, ce segment affiche une croissance modeste par rapport aux autres et ne constitue plus un moteur stratégique pour l’entreprise. Je ne m’attarderai donc pas davantage sur ces cartes, car elles n’étaient pas au cœur des annonces de la GTC et ne constituent pas le principal sujet d’intérêt pour le marché.

L’écosystème logiciel ainsi que le segment de l’automobile autonome et de la robotique, représentent une part encore modeste du chiffre d’affaires de Nvidia, mais affichent une forte croissance.
Ils offrent des relais de développement stratégiques et contribuent à stabiliser les revenus grâce aux abonnements aux services logiciels, c’est pourquoi le marché les regarde mais n’est pas encore focalisé dessus. Je reviendrai d’ailleurs plus en détail sur ces deux segments un peu plus loin.
Non, le segment sur lequel se focalise le marché est bien celui du matériel à destination des datacenter. Aujourd’hui, l’intelligence artificielle est dans l’esprit de tout le monde depuis l’arrivée de ChatGPT 3.5 en novembre 2022. C’est bel et bien ce dernier qui a lancé la course à l’IA et, avec elle, la course à l’équipement en puissance de calcul.

L’acteur qui en a bénéficié le plus jusqu’ici est bien Nvidia avec une demande ahurissante et des clients qui supplient Jensen Huang pour pouvoir acheter des puces.

Bien que ce segment ait été largement porté par les ventes de GPU Hopper puis Blackwell, une part non négligeable du chiffres d’affaires est aussi liée aux ventes de matériel réseau comme des switch et des optiques.
Si ces termes ne vous sont pas familier, on y revient plus tard.
Le marché de l’intelligence artificielle et les prévisions futures
Jensen Huang a profité de cette GTC pour revenir sur la roadmap de l’IA en expliquant les différentes étapes. Parce que oui, comme pour toute innovation, il faut d’abord passer par des étapes intermédiaires avant d’arriver à l’étape finale. Il a d’abord fallu inventer le télégraphe avant d’inventer le téléphones puis le smartphone.
Et bien pour l’intelligence artificielle, le télégraphe était AlexNet, un modèle de reconnaissance d’images créé par Ilya Sutskever (Co-fondateur d’OpenAI) en 2012. Cette avancée a permis de faire d’énormes progrès dans la reconnaissance d’images ainsi que dans le machine learning à destination de tâches IA “simples”, ce que Jensen Huang appelle Perception AI.

Vient ensuite l’étape d’aujourd’hui avec l’intelligence artificielle générative, un outil plus puissant et adaptable à de nombreuses industries, mais dont l’impact reste encore limité. Si elle excelle notamment dans la rédaction et l’analyse de données, son champ d’application, bien que spectaculaire, demeure restreint.
L’étape d’après, qui devrait avoir beaucoup plus d’impact est l’intelligence artificielle agentique (Agentic AI). Ici le but est d’avoir une IA experte dans un domaine qui serait en mesure de réaliser des tâches complexes.
Le but ultime de tout ce développement est d’arriver à une intelligence artificielle physique qui permettra notamment l’arrivée des véhicules autonomes et des robots boostés à l’IA.
Comme on le constate, le chemin vers l’objectif final est encore long, ce qui confirme que la demande en puissance de calcul n’est pas une tendance éphémère, mais un besoin durable pour les années à venir. À aucun moment dans l’histoire de l’informatique, nous ne nous sommes arrêtés en considérant que la puissance de calcul était suffisante. La demande n’a cessé de croître, et cette dynamique s’observe d’ailleurs dans toutes les industries.

Selon la projection de Dell’Oro, les investissement dans les datacenters pourraient atteindre plus de 1 000 milliards de dollars d’ici 2028. Et selon Jensen Huang, cette estimation n’est même pas particulièrement euphorique. Comme on peut le voir sur le graphique ci-dessus d’ailleurs, la part que prend Nvidia sur ces investissement est de plus en plus grande, et il y a fort à parier que ce schéma continue.

Un point intéressant, c’est que Jensen Huang a précisé pendant la conférence que la demande (uniquement pour Microsoft, Amazon, Meta et Google) pour Blackwell dépasse les 1,8M de puces pour 2025 contre 1,3M de puces Hopper (l’ancienne génération), au pic de la demande pour cette génération en 2024, ce qui confirme que les chiffres d’Nvidia resteront excellents sur 2025.
L’écosystème software
Comment parler d’Nvidia sans parler de CUDA ? C’est une des pierres angulaires de l’avantage compétitif d’Nvidia ! Depuis l’introduction de la plateforme en 2006, plus de 6 millions de développeurs ont utilisé CUDA pour construire leurs applications.
Aujourd’hui, CUDA est omniprésent dans de nombreuses industries, rendant l’achat de matériel Nvidia indispensable pour faire fonctionner une multitude de services et d’applications. Des télécommunications à la recherche médicale, en passant par la simulation 3D et l’intelligence artificielle, il accélère les calculs et améliore leur précision.
Fait amusant: CUDA est aussi un maillon clé dans la fabrication des semi-conducteurs avec cuLitho. Il intervient à toutes les étapes, de la conception des circuits avec Cadence et Synopsys à l’optimisation de la lithographie chez ASML, sans oublier l’amélioration des chaînes de production. En somme, les puces Nvidia contribuent elles-mêmes à la conception des futures puces Nvidia !
Un point intéressant que j’aimerais aborder pour que vous puissiez bien saisir l’avantage concurrentiel que possède Nvidia, c’est de comparer Nvidia à Apple, souvent cité comme une référence en la matière. Les utilisateurs d’iPhone et de Mac renouvellent presque systématiquement leur matériel avec des produits Apple, ce qui témoigne de la fidélité à l’écosystème. Pourtant, je pense que la position de Nvidia est encore plus solide.
En effet, un utilisateur d’iPhone peut, malgré quelques frictions, migrer vers Android. En revanche, se passer d’Nvidia est une tout autre affaire. Si vos outils et logiciels reposent sur CUDA, technologie propriétaire d’Nvidia, ils ne fonctionneront tout simplement pas sans carte Nvidia.
Même avec la meilleure volonté, basculer vers une alternative implique de consacrer du temps et des ressources à l’adaptation des logiciels. Or, CUDA bénéficie d’un développement continu depuis 2006, alors que les solutions concurrentes n’en sont qu’à leurs débuts, avec à peine un ou deux ans d’existence.
Et ce développement ne cesse de continuer avec l’arrivée de solutions basées sur CUDA comme Cosmos, introduit au CES 2025, qui est le nouveau fer de lance d’Nvidia. Jensen Huang a profité de la conférence pour remettre en avant cette solution, qui, couplée à Omniverse, permet de générer de la data synthétique (c’est à dire, créée par l’intelligence artificielle elle-même).

À l’heure où l’on peine à trouver de la data de qualité pour alimenter les modèles, Cosmos se positionne comme un maillon essentiel. Son rôle devient d’autant plus critique pour l’IA physique, où la fiabilité des données conditionne directement les performances. Des véhicules autonomes aux robots humanoïdes, cet outil sera indispensable pour garantir un apprentissage optimisé et une adaptation fluide aux environnements complexes du monde réel.

Cependant, une des star de cette présentation fut Dynamo, une nouvelle plateforme conçue pour accélérer et optimiser l’inférence des modèles d’IA à grande échelle. Cette solution vise à améliorer les performances tout en réduisant les coûts liés à l’inférence, un aspect crucial pour les “usines d’IA” modernes.
Pour rappel, l’inférence c’est la partie génération des modèles d’IA. En gros, quand vous envoyez un prompt et que l’IA “réfléchit”, c’est ça l’inférence.
L’un des atouts majeurs de Dynamo est sa capacité à multiplier par 30 le nombre de requêtes traitées grâce à plusieurs optimisations. Parmi elles, un smart router qui répartit intelligemment la génération sur les clusters de GPU, un GPU planner optimisant l’allocation des ressources, une version améliorée du NCCL Collective pour fluidifier les communications inter-GPU, NIXL qui facilite le transfert de données entre GPU, ainsi que le NVMe KV-Cache Offload Manager optimisant la gestion du cache.
Toutes ces avancées vont avoir un impact significatif, que ce soit dans l’avancée des modèles pour les véhicules autonomes et les robots humanoïdes avec Cosmos ou dans l’amélioration de l’inférence dans des cluster multi-GPU pour rendre plus efficaces les Agents IA du futur.
Les partenariats annoncés
Un des points qui a été confirmé lors de cette conférence est que l’IA n’est pas une bulle et impacte toutes les industries. Les solutions sont déjà déployées chez nombre des partenaires d’Nvidia comme Cadence, Siemens, Deloitte, SAP, AT&T, Accenture, BlackRock, CapitalOne, et bien d’autres encore.

Une fois n’est pas coutume, Jensen Huang en a profité pour annoncer plusieurs partenariats, notamment avec General Motors pour la construction de leur future flotte de véhicules autonomes, mais aussi avec Cisco, T-Mobile et Cerberus ODC pour implémenter l’intelligence artificielle dans les réseaux de télécommunication aux USA.
Le dernier partenariat annoncé a été celui avec Google DeepMind et Disney sur la conception de Newton, la prochaine génération de moteur de rendu physique qui permettra aux robots humanoïdes de mieux gérer les tâches complexes.

Rubin: le successeur de Blackwell
Passons maintenant au gros morceau des annonces: l’annonce de Blackwell Ultra et de Rubin ainsi que celle de la roadmap d’Nvidia jusqu’à 2028. La première question qu’on pourrait se poser, c’est pourquoi Nvidia nous dévoile sa roadmap produits jusqu’à 2028 alors que Blackwell vient tout juste de sortir ?
La roadmap de déploiement des datacenter
Cette question est légitime et Jensen l’a en partie adressée lors de la conférence: ces cartes graphiques sont à destination des datacenter, et, pour construire de A à Z un datacenter, il faut compter plusieurs années.
Dévoiler dès aujourd’hui les produits qu’Nvidia proposera à partir de la deuxième partie de 2027 (qui équiperont donc les datacenter de 2028) permet à ses clients de mieux organiser leur planning. Mais plutôt que de me lancer dans une longue explication, je vous propose le schéma ci-dessous pour que vous puissiez mieux visualiser les contraintes.

La roadmap des produits Nvidia
Maintenant que le décors est posé, revenons un peu sur cette roadmap.

La meilleure gamme de GPUs disponible actuellement et proposée par Nvidia est la puce Blackwell. Deux puces Blackwell couplée à un CPU Grace donne la plateforme Grace-Blackwell ou GB200. Un rack complet GB200 NVL72 est composé de 36 GB200 couplée au système NVLink qui connecte les GPUs entre-eux.
Inscrivez-vous pour lire la suite
Cet article est réservé aux membres de notre newsletter. Inscrivez-vous gratuitement pour accéder au contenu complet.