Pour faciliter le financement des centres de données d'intelligence artificielle, Nvidia travaille sur un modèle dans lequel de grandes institutions financières telles qu'Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR peuvent apporter un capital pouvant atteindre 500 milliards de dollars au total. Même si le montant annoncé est à lui seul remarquable, le résultat à long terme du plan pour le secteur technologique pourrait être la création d'un solide marché d'occasion pour les GPU Nvidia. La société s'engage à couvrir une certaine partie des pertes des institutions financières si les processeurs graphiques utilisés comme garantie dans les investissements dans les centres de données ne peuvent pas maintenir leurs valeurs attendues. Ainsi, Nvidia vise non seulement à augmenter les ventes de ses accélérateurs de nouvelle génération, mais aussi à créer un marché plus large où le matériel d'occasion pourra conserver sa valeur économique pendant plusieurs années. Si cette approche réussit, les anciens GPU Nvidia pourraient devenir des options plus accessibles pour les petits fournisseurs de cloud, les entreprises, les chercheurs et les startups.
La garantie que Nvidia assurera dans le cadre du plan n'est pas illimitée. Si l'opérateur du centre de données ne peut pas remplir ses obligations de prêt et que le créancier est contraint de vendre les GPU donnés en garantie, Nvidia sera en mesure de couvrir jusqu'à 25 % de la différence résultant du fait que le matériel est inférieur à la valeur prévue dans les livres. Pour les institutions financières, ce mécanisme réduit le risque d’accepter en garantie du matériel d’intelligence artificielle dont la valeur est incertaine après quelques années. Nvidia, de son côté, tente d'attirer davantage de capitaux d'entreprises vers des projets de centres de données sans révéler l'intégralité de son bilan. Cependant, si la demande en capacité de traitement de l'IA diminue de manière significative, une baisse des prix des GPU pourrait augmenter les obligations de garantie de Nvidia tout en maintenant sous pression ses revenus provenant du nouveau matériel.
Nvidia veut intégrer le marché des GPU d'occasion à son infrastructure d'intelligence artificielle
Dans le monde financier, cela correspond à un type de risque appelé « risque à contresens ». Le principal problème est que l'obligation de paiement de Nvidia peut augmenter dans des conditions où le cœur de métier de l'entreprise s'affaiblit également. Si les investissements en IA ralentissent plus rapidement que prévu ou si des technologies plus efficaces réduisent le besoin d’infrastructure GPU existante, les valeurs du matériel d’occasion pourraient tomber en dessous des estimations. Malgré cela, le PDG de Nvidia, Jensen Huang, affirme que les processeurs de l'entreprise ne doivent pas être considérés comme des produits en dépréciation rapide comme le matériel PC classique. Étant donné que les serveurs d'IA peuvent être transférés à différents clients, services cloud ou opérateurs, ils peuvent continuer à générer des revenus tout au long de leur durée de vie, et ce large bassin d'utilisateurs peut prendre en charge la valeur résiduelle du matériel, selon Huang.
Le modèle apportait des commentaires comparant Nvidia aux méthodes de financement utilisées par Lucent Technologies dans le passé. Le fabricant d'équipements de télécommunications Lucent a financé l'achat de ses propres produits par ses clients pendant la bulle Internet et a rencontré de graves problèmes lorsque le marché s'est effondré. La situation de Nvidia n'est pas entièrement indépendante de cet exemple ; L'entreprise a soutenu des laboratoires d'intelligence artificielle tels qu'OpenAI et Anthropic, ainsi que des fournisseurs d'infrastructures tels que CoreWeave, Nebius, Firmus et Lambda, avec des milliards de dollars d'investissements et de connexions financières. Selon les calculs de Bloomberg, le montant total des transactions interconnectées sur lesquelles la société travaille cet été atteint jusqu'à 750 milliards de dollars. Cependant, dans le nouveau modèle, la majeure partie du capital et du risque de financement sous-jacent est assumée par des investisseurs institutionnels indépendants plutôt que par Nvidia.
Dans sa déclaration sur X, Huang a directement répondu aux critiques quant à savoir si la réglementation en question était un « financement cyclique ». Selon le PDG de Nvidia, l'objectif est d'attirer des capitaux institutionnels indépendants à long terme sur le marché des infrastructures d'IA. Le fait que l’entreprise ne protège qu’une certaine partie de la valeur du GPU est l’un des principaux facteurs qui la distingue de l’exemple de Lucent. Cependant, le modèle repose sur l'hypothèse qu'il y aura une demande suffisante pour le matériel Nvidia à l'avenir. La validité de cette hypothèse dépendra de la croissance continue de l’utilisation des services d’IA et de la capacité à faire fonctionner de manière économique les accélérateurs d’ancienne génération après la sortie de nouveaux processeurs.
Le besoin de nouvelles sources de financement est étroitement lié aux dépenses élevées en infrastructures des grandes entreprises technologiques ces dernières années. Alors que des sociétés comme Oracle ont augmenté leur niveau d’endettement, Google a eu recours à de nouvelles émissions d’actions et Meta utilise d’importantes sommes d’argent pour investir dans ses centres de données. La suggestion du PDG de Microsoft, Satya Nadella, d'un livre traitant de la crise financière consécutive aux investissements ferroviaires en 1873, lors de sa dernière réunion sur les résultats financiers, coïncide également avec les discussions sur l'ampleur des dépenses d'investissement actuelles. Comme à l’ère ferroviaire, la possibilité d’une croissance rapide des infrastructures surestimant la demande future s’applique également au secteur de l’intelligence artificielle. Le succès du plan de Nvidia dépend donc non seulement de l'ingénierie financière, mais aussi de l'utilisation réelle de la capacité de traitement installée dans ses centres de données dans les années à venir.
Pour Nvidia, le renforcement du marché des GPU d'occasion pourrait compenser en partie cette incertitude. Les entreprises, les instituts de recherche et les startups qui n'ont pas besoin des dernières architectures Blackwell ou ultérieures peuvent effectuer des tâches d'inférence, d'ajustement de modèle ou de formation à plus petite échelle à l'aide d'anciens GPU à faible coût. L’utilisation généralisée de modèles d’intelligence artificielle basés sur les vulnérabilités fait qu’il n’est plus nécessaire d’utiliser le matériel le plus coûteux et le plus récent pour chaque charge de travail. D’un autre côté, des facteurs tels que la consommation d’énergie par performance, la capacité de mémoire et le support logiciel continueront de déterminer la durée de vie économique des anciens accélérateurs. Si l’écart d’efficacité des nouvelles générations de GPU se creuse trop rapidement, les coûts d’électricité et d’exploitation liés à l’utilisation de matériels plus anciens pourraient annuler l’avantage malgré le prix d’achat inférieur.
Le plan de Nvidia, qui pourrait atteindre 500 milliards de dollars, ne peut donc être considéré comme un simple montage financier permettant de construire davantage de centres de données. La société souhaite également créer un marché matériel plus liquide où les GPU peuvent être achetés et vendus tout au long de leur durée de vie et transférés à différents groupes d'utilisateurs. Cela présente un net avantage pour Nvidia ; Un GPU dont la valeur de revente reste forte peut également devenir un atout plus attractif pour les opérateurs de datacenters lors de l’achat initial. En revanche, une forte baisse de la demande en IA pourrait simultanément avoir un impact à la fois sur les ventes de nouveaux GPU et sur les valeurs de revente que Nvidia s'est engagé à protéger. C’est exactement là que s’établit l’équilibre du plan : alors que Nvidia peut attirer davantage de capitaux d’entreprises vers son infrastructure d’intelligence artificielle, elle garantit en retour financièrement que ses GPU vieillissants auront une utilisation réelle et durable à l’avenir.
