Vendre des puces, encaisser, recommencer au cycle suivant. C'était la mécanique de NVIDIA depuis des années, rythmée par les nouvelles générations de GPU et les pauses d'achat qui les précèdent. Cette mécanique change de nature. L'entreprise vient d'annoncer un nouveau type de partenariat où elle ne se contente plus de facturer du matériel : elle touche aussi une part des revenus cloud générés par l'usage réel de ses puces, calculée sur les tokens traités par les infrastructures qu'elle a livrées.
Le raisonnement de NVIDIA est simple à énoncer, plus complexe à exécuter : la demande en calcul pour l'inférence explose, mais construire un datacenter IA coûte des centaines de millions de dollars avant même de générer le moindre revenu. Beaucoup d'opérateurs, notamment les acteurs émergents du cloud IA, peinent à financer cette phase initiale. En acceptant une rémunération liée à l'usage plutôt qu'un paiement intégral à l'achat, NVIDIA réduit la barrière à l'entrée pour ses partenaires, tout en s'assurant un flux de revenus qui suit la croissance de la demande en inférence plutôt que les seuls cycles de renouvellement matériel.
Deux projets concrets pour tester le modèle
NVIDIA a choisi deux partenaires pour illustrer ce nouveau schéma. Sharon AI va déployer jusqu'à 40 000 GPU Grace Blackwell GB300, la dernière génération d'accélérateurs de NVIDIA taillée pour l'entraînement comme pour l'inférence à grande échelle. De son côté, Firmus construit un campus baptisé DSX AI factory à Batam, en Indonésie, un site pensé pour monter jusqu'à 360 mégawatts de puissance et accueillir à terme jusqu'à 170 000 GPU NVIDIA.
Ces deux chantiers donnent une idée de l'échelle visée : on ne parle pas de quelques racks dans un data center existant, mais de campus entiers dimensionnés comme des usines industrielles. Le choix de l'Indonésie pour le projet Firmus n'est pas anodin non plus, il illustre la volonté de diversifier géographiquement la capacité de calcul IA, au-delà des zones traditionnelles que sont les États-Unis et quelques hubs asiatiques comme Singapour ou Taïwan.
Un pari sur la croissance de l'inférence
Ce virage vers le partage de revenus traduit une conviction de NVIDIA, celle que la phase d'entraînement des grands modèles cède progressivement la place à l'inférence comme principal moteur de la demande en calcul. Un modèle entraîné une fois est interrogé des milliards de fois ensuite, et chaque requête consomme du calcul. En indexant une partie de ses revenus sur les tokens réellement traités, NVIDIA parie que cette demande va continuer de croître, et qu'il est plus rentable pour elle d'accompagner cette croissance dans la durée que d'encaisser un paiement unique à la livraison des puces.
Pour les opérateurs de datacenters, l'intérêt est immédiat : moins de capital à mobiliser en amont, un risque financier partagé avec leur fournisseur de puces. Pour NVIDIA, le pari est différent mais tout aussi clair, sécuriser des débouchés de long terme et s'insérer plus profondément dans la chaîne de valeur du cloud IA, au-delà du simple statut de fournisseur de matériel.
NVIDIA se positionne ainsi non plus seulement comme un fabricant de composants, mais comme un partenaire d'infrastructure qui partage à la fois le risque et la rente de l'exploitation.
Reste à voir comment ce modèle se comportera si la demande en inférence ralentit, ou si la concurrence sur les accélérateurs IA, portée notamment par AMD et les puces maison des géants du cloud, vient rogner la position dominante de NVIDIA. Le pari sur le partage de revenus suppose une croissance quasi continue de l'usage. Un ralentissement du marché de l'IA générative changerait immédiatement l'équation pour les deux parties.
