Nvidia a conclu un accord pour racheter Hugging Face pour 12,9 milliards de dollars, une opération que les analystes comparent désormais à ses derniers résultats trimestriels pour jauger la capacité du groupe à contenir la poussée de Broadcom dans les puces d’IA.
La comparaison devient plus tranchée au niveau de l’offre. Nvidia commercialise des GPU généralistes, qui dominent l’entraînement et l’inférence en IA, tandis que Broadcom développe des ASIC sur mesure, optimisés pour les charges de travail spécifiques de chaque hyperscaler, un segment qui a progressé de 44,6 % sur un an, contre 16,1 % pour les GPU.
À lire aussi : La valorisation de Gimlet Labs grimpe à 3 milliards de dollars après une nouvelle levée
Cet écart de croissance de 28 points est le point de tension industriel auquel l’acquisition est censée répondre, et c’est la raison pour laquelle le rachat de Hugging Face dépasse largement une simple opération d’acqui-hiring ou de rachat d’outils.
L’argument du « fossé logiciel »
De nombreuses analyses décrivent l’opération comme une couverture face à la dynamique du silicium sur mesure de Broadcom, plutôt qu’un pari pur et dur sur la recherche en IA. En prenant le contrôle de la plateforme, de ses modèles open source et de son écosystème de développeurs, Nvidia peut arrimer son avantage matériel à une couche logicielle difficilement réplicable par des ASIC custom, souligne Shattered.io.
Sur le plan de l’offre, la logique est relativement simple : un écosystème de développeurs verrouillé sur CUDA et l’outillage qui l’entoure augmente le coût de changement pour chaque unité d’inférence. Cet élément devient crucial à mesure que le coût de calcul par token se compresse.
L’argumentaire de Broadcom auprès des hyperscalers repose sur l’efficacité : des puces conçues pour les besoins de calcul très spécifiques d’un client donné, plutôt que l’architecture généraliste de Nvidia pensée pour couvrir simultanément une large palette de charges, rappelle la comparaison de résultats du Motley Fool.
Lorsque les dépenses d’investissement des hyperscalers s’orientent vers du silicium sur mesure plutôt que vers des GPU standards, ces flux de capex valent plus comme signal que n’importe quel discours officiel sur la neutralité vis-à-vis des fournisseurs.
À lire aussi : Polygon ouvre une voie de dons en cryptos vers le fonds de secours pour la catastrophe au Népal
Ce que les investisseurs surveillent désormais
Les analystes demeurent globalement positifs sur les deux groupes, citant une croissance des dépenses d’investissement des hyperscalers d’environ 30 % comme preuve que la phase de construction des infrastructures d’IA offre encore du potentiel, tant pour les fournisseurs de GPU que pour ceux d’ASIC.
La véritable inconnue est de savoir si la couche logicielle de Nvidia, désormais dopée par la plateforme rachetée, pourra préserver son avantage en marge à mesure que davantage de clouds conçoivent leur propre silicium custom au lieu d’acheter des GPU catalogues.
La réponse se lira d’abord dans les engagements de capacité et les trajectoires de coût par inférence, bien avant de transparaître dans les discours officiels de publication de résultats.
À suivre : OpenAI lance GPT-6 Astra, son modèle le plus avancé à ce jour
