Lorsqu’on met 1 et qu’il en ressort 100, est-ce vraiment un schéma circulaire ?
Jensen Huang a évoqué le sujet la semaine passée lors d’une conférence Goldman Sachs. Son discours s’est apparenté à celui tenu fin août lors de l’annonce des résultats trimestriels de NVIDIA. Dans les grandes lignes : de petits investissements produisent une grande valeur.
Au-delà du fait que NVIDIA « sait faire tourner tous les modèles », cette valeur est d’autant plus grande qu’elle « durable », explique l’intéressé. Aujourd’hui, on peut toujours louer du Volta et de l’Ampere, insiste-t-il, à rebours d’estimations qui chiffrent à 3 ans maximum la durée de vie économique actuelle d’un GPU.
Jensen Huang reprend un chiffre communiqué fin août : 60 Md$, coût indicatif pour installer 1 GW de puissance de calcul. En faisant l’hypothèse d’un projet sur 6 ans, il assure que chaque tranche d’investissement de 10 Md$ génère, au rythme actuel, 50 Md$. Bilan : le compute est très profitable. Donc c’est la course pour s’en procurer. À l’en croire, les dépenses mondiales pourraient atteindre 3000 à 4000 Md$ à l’horizon 2030.
Pour illustrer la valeur dégagée, le patron de NVIDIA avait sorti une autre référence fin août : une vingtaine d’entreprises de l’IA dépassaient désormais le milliard de $ de CA annuel glissant. Il avait mentionné Cursor, Figma et Together AI.
Pour entretenir la demande, NVIDIA agit principalement à trois niveaux. Parmi eux, les prises de participations au capital de ses clients. Il envisagerait, par exemple, d’investir jusqu’à 10 Md$ dans l’IPO d’Anthropic. Il y a aussi les crédits fournisseurs ; autrement dit, l’octroi de délais de paiement.
NVIDIA réalise une telle marge sur les GPU que ces deux mécanismes n’ont jusque-là consommé qu’une part limitée de la trésorerie. L’essentiel du risque est porté par un mécanisme bien plus volumineux : les garanties financières. La plus importante officialisée jusque-là se monte à 105 Md$. Elle concerne le campus de Portsmouth (Ohio), point de chute prévue pour OpenAI. NVIDIA y est fournisseur exclusif pour le compute.
Pour transformer la puissance de calcul en un actif finançable sur le long terme, NVIDIA a noué des accords avec des grands noms de la gestion d’actifs. En l’occurrence, Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR. Doivent en résulter des véhicules qui lèveront « plus de 500 Md$ » pour financer la construction d’infrastructures*.
NVIDIA se dit d’autant plus confiant qu’il a de la visibilité sur ces projets. Fin août, il avait donné pour exemple… le campus de Portsmouth. En partenariat avec SoftBank Energy, il a aidé à sécuriser foncier, énergie et immobilier, pour un déploiement initial attendu d’environ 4 GW.
Ce suivi de l’activité des clients fait de NVIDIA un « investisseur informé », pour reprendre les mots de Jensen Huang. Ainsi met-il également ses billes dans les néoclouds (« petits » fournisseurs spécialisés dans les clusters IA), avec un modèle de partage de revenus. Il offre un engagement ferme (take or pay) sur une partie de la capacité des datacenters, garantissant un revenu minimum. Cela permet aux néoclouds de sécuriser leurs financements bancaires sans bloquer toute leur capacité auprès d’un seul client. En échange de cette garantie, NVIDIA perçoit une part des revenus au-dessus du seuil minimal fixé. C’est donc, au bout, une double rentrée d’argent, sans en prêter directement.
Dans la comptabilité de NVIDIA, le segment datacenter représente environ 93 % du CA (soit 89 Md$). La part provenant des hyperscalers a progressé sur le dernier trimestre (+ 13 %, à 49 Md$), mais moins vite que celle issue du reste de la clientèle (+ 25 %, à 40 Md$). Dell en fait partie, lui qui vient de relever ses prévisions de résultat annuel au vu de l’ampleur de son carnet de commandes de serveur IA.
Dans ce contexte, NVIDIA table sur un CA en hausse de 70 % pour son prochain exercice fiscal (grosso modo, l’année 2027). Sur celui en cours, sa clientèle reste très concentrée : sur le premier semestre, trois acteurs lui ont valu près de la moitié du CA. Le panier pourrait se diversifier à mesure que labos IA et clouders développent leurs propres puces. Par exemple AWS, qui vient d’annoncer un accord pluriannuel à 4 Md$ avec Qualcomm.
* Le Wall Street Journal a récemment dénombré environ 3000 Md$ d’engagements hors bilan liés à l’IA.
The post En « investisseur informé », NVIDIA réfute tout financement circulaire appeared first on Silicon.fr.
Les bons plans n’attendent pas : abonnez-vous à notre canal WhatsApp Frandroid Bons Plans ! (zéro spam, promis, juste de super bons plans).
Si vous voulez recevoir les meilleures actus Frandroid sur WhatsApp, rejoignez cette discussion.
Retrouvez tous les articles de Frandroid directement sur Google. Abonnez-vous à notre profil Google pour ne rien manquer !
Nvidia a confirmé, ce 3 septembre, l’acquisition de Hugging Face, la plateforme de référence pour les développeurs d’IA open source, pour un montant de 12,93 milliards $.
L’opération a été annoncée par un article publié sur le blog officiel de Nvidia, rédigé et signé par Jensen Huang, cofondateur de Nvidia.
« Je suis ravi d’annoncer que NVIDIA a accepté d’acquérir Hugging Face pour 12 930 300 000 dollars. Ensemble, nous allons faire grandir la plateforme de Hugging Face, renforcer son infrastructure et élargir l’accès à l’IA pour les développeurs et les institutions du monde entier. » écrit le PDG.
Dans son texte, Jensen Huang s’engage à préserver l’ouverture de la plateforme :
Jensen Huang rappelle également avoir récemment cosigné une lettre ouverte sur l’importance des poids ouverts (« open weights ») pour l’économie de l’IA, aux côtés d’autres dirigeants du secteur, défendant l’idée que les modèles ouverts permettent de répartir le leadership en IA entre davantage d’acteurs.
Il met en avant la contribution historique de Nvidia à l’écosystème open source, soit le plus important contributeur de modèles et de données ouvertes sur Hugging Face, avec plus de 500 modèles et plus de 250 jeux de données publiés sur la plateforme.
Le PDG évoque enfin sa relation avec le cofondateur de Hugging Face, Clément Delangue (« Clem »), qu’il dit honoré d’avoir vu venir vers lui pour envisager « le prochain chapitre » de Hugging Face, avec l’idée que Nvidia serait un bon foyer pour l’entreprise, sa communauté et l’avenir des modèles ouverts.
Il précise que l’équipe de Hugging Face conservera sa marque emblématique.
Selon les informations rapportées par Reuters, l’accord se structure de la façon suivante :
À titre de comparaison, Hugging Face avait été valorisée à 4,5 milliards $ lors de son dernier tour de financement rendu public, en août 2023, quand la société avait levé 235 millions $ auprès d’investisseurs tels que Salesforce, AMD et Amazon.
Cette acquisition intervient alors que la demande pour les modèles à poids ouverts (open-weight) augmente fortement, portée par des entreprises qui cherchent à réduire le coût de déploiement de l’IA.
Pour Nvidia, ce rachat permet également de renforcer sa position alors que certains de ses plus gros clients ( Meta, OpenAI et Microsoft ) développent leurs propres puces d’IA pour réduire leur dépendance à ses processeurs, coûteux et sujets à des contraintes d’approvisionnement.
The post Nvidia confirme le rachat de Hugging Face appeared first on Silicon.fr.
Retrouvez un résumé du meilleur de l’actu tech tous les matins sur WhatsApp, c’est notre nouveau canal de discussion Frandroid que vous pouvez rejoindre dès maintenant !
Si vous voulez recevoir les meilleures actus Frandroid sur WhatsApp, rejoignez cette discussion.
Il y a encore quelques années, Nvidia était avant tout le champion des GPU et des plateformes de calcul accéléré. Aujourd’hui, l’entreprise de Jensen Huang structure, garantit et parfois finance directement une bonne partie de la construction des datacenters IA dans le monde.
Ce basculement, salué comme un accélérateur de croissance par les marchés, attire désormais l’attention des analystes et des agences de notation. Les banques centrales, elles, surveillent plus largement les risques financiers liés à l’explosion des investissements dans l’IA, notamment l’endettement croissant et les interdépendances entre acteurs technologiques et financiers.
En août dernier, Nvidia a annoncé des accords avec plusieurs grands noms de la gestion d’actifs (Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR) pour créer des plateformes destinées à financer la construction d’infrastructures de calcul. Objectif affiché : réunir plus de 500 milliards $ de capitaux extérieurs à l’entreprise.
Le principe est de faire entrer davantage de capitaux privés dans le financement des infrastructures nécessaires au développement de l’IA. Selon les opérations, ces financements pourront prendre différentes formes, tandis que Nvidia pourra apporter un soutien financier destiné à réduire le risque pris par les investisseurs.
Elle peut notamment garantir une partie de la valeur résiduelle de certains équipements ou infrastructures. Dans le cas du projet de data center développé pour OpenAI dans l’Ohio, Nvidia s’est ainsi engagée à garantir jusqu’à 105 milliards de dollars d’obligations de paiement. Ce type de garantie permet aux financeurs de réduire leur exposition à certains risques liés au projet, mais crée en contrepartie une exposition conditionnelle pour Nvidia.
Nvidia a aussi allongé les délais de paiement accordés à certains de ses plus gros clients dans le cadre de contrats pluriannuels. Le délai moyen de règlement est passé de 45 à 60 jours, portant à 63,1 milliards de dollars le montant des créances clients, c’est-à-dire les sommes restant dues à Nvidia.
À cela s’ajoute un troisième levier : la prise de participation directe au capital de ses clients. Nvidia a multiplié les investissements dans des acteurs clés de l’écosystème, dont 30 milliards $ engagés dans OpenAI et 10 milliards dans Anthropic.
Nvidia a par ailleurs confirmé avoir signé plusieurs baux de datacenters de long terme, dont certains doivent encore entrer en vigueur. Au Texas, le Financial Times a identifié Nvidia comme le locataire d’un campus de Hut 8. Le contrat porte initialement sur 15 ans et 19,6 milliards $ mais sa valeur pourrait atteindre environ 50,2 milliards $ avec les options de renouvellement.
En contribuant à transformer la puissance de calcul en un actif susceptible d’être financé sur le long terme, à l’image de l’immobilier commercial ou de certaines infrastructures, Nvidia élargit le cercle des investisseurs susceptibles de financer les projets liés à l’IA. Assureurs, fonds de pension ou fonds de dette privée peuvent ainsi accéder à une classe d’actifs qu’ils auraient pu juger trop risquée ou trop difficile à financer directement
Le bénéfice est double. D’une part, chaque data center construit autour de ses processeurs contribue à sécuriser la demande future pour ses puces, ses logiciels et son écosystème CUDA. D’autre part, la directrice financière de Nvidia, Colette Kress, estime que les clients bénéficiant du soutien financier du groupe pourraient représenter environ un quart de son activité l’an prochain.
On peut replacer ce dispositif dans une histoire plus ancienne : celle du crédit fournisseur. Une pratique qui a par le passé accompagné l’essor puis la chute d’autres secteurs technologiques. La comparaison a ses limites : le rythme de développement de l’IA est tel que des sociétés comme OpenAI auraient du mal à réunir seules, sur les marchés financiers classiques, les sommes nécessaires pour construire des capacités de calcul à l’échelle qu’elles jugent indispensable.
Plusieurs signaux d’alerte reviennent cependant dans les analyses consacrées à la stratégie tous azimuts de Nvidia.
Selon ses propres documents financiers, quatre clients directs pesant chacun plus de 10 % du chiffre d’affaires représentaient à eux seuls environ 61 % des ventes au troisième trimestre de l’exercice fiscal 2026. Nvidia ne les identifie toutefois jamais nommément dans ses rapports, se contentant de les désigner par des lettres (« client A », « client B »…).
Les analystes se livrent donc à des conjectures, citant le plus souvent Microsoft, Amazon, Google, OpenAI ou encore xAI parmi les candidats probables, sans confirmation officielle. À cette concentration s’ajoutent des engagements de financement liés à l’infrastructure IA qui pourraient représenter jusqu’à 250 milliards de dollars si Nvidia devait un jour les couvrir intégralement.
Par ailleurs, en contribuant au financement des infrastructures nécessaires à l’achat de ses propres puces, Nvidia expose une partie de sa croissance aux capitaux qu’elle contribue elle-même à mobiliser, plutôt qu’à une demande finale entièrement indépendante.
Si les revenus générés par l’utilisation réelle de l’IA — abonnements, contrats d’entreprise, services en ligne — se révélaient insuffisants, certains data centers pourraient ne pas générer assez de cash-flow pour honorer leurs engagements financiers. Les difficultés se répercuteraient alors sur les financeurs, mais pourraient aussi affecter Nvidia si ses garanties étaient appelées ou si la demande pour ses puces venait à ralentir.
Enfin, même plafonné, le soutien apporté par Nvidia sur la valeur résiduelle de certains équipements l’expose à deux risques : la capacité des clients concernés à honorer leurs engagements financiers et la valeur que conserveront réellement les GPU d’occasion si une nouvelle génération de puces les rend obsolètes plus rapidement que prévu.
L’allongement des délais de paiement ajoute un autre facteur de risque. Plus les créances de Nvidia sur ses clients augmentent, plus l’entreprise est exposée aux conséquences d’un éventuel défaut de paiement d’un de ses grands clients.
Les montages financiers actuels valorisent les clusters de GPU comme des actifs dont l’exploitation peut s’étaler sur plusieurs années, à l’image de certaines infrastructures ou équipements industriels. Dans les comptes, ces équipements peuvent être amortis sur cinq à six ans. Or certains investisseurs estiment que leur durée de vie économique réelle pourrait être plus proche de deux à trois ans, avant qu’une nouvelle génération de puces ne les rende moins compétitifs. Si cette hypothèse se vérifiait, les bénéfices pourraient être surestimés et les besoins de renouvellement des équipements, à moyen terme, sous-estimés.
Une partie de ces financements peut, via des montages structurés, se retrouver dans les portefeuilles d’assureurs ou de fonds de pension. La question est alors celle de leur exposition à un risque de crédit concentré sur un secteur encore jeune, notamment si plusieurs projets rencontraient simultanément des difficultés.
La Banque d’Angleterre et la Banque des règlements internationaux (BIS) soulignent toutes deux la montée des financements externes consacrés aux infrastructures d’IA et les risques liés à l’interconnexion croissante entre entreprises technologiques et système financier. Une correction brutale des investissements dans l’IA pourrait ainsi se transmettre aux financeurs des data centers et, au-delà, aux grands groupes technologiques.
Pour l’instant, aucun de ces signaux n’a freiné la trajectoire boursière de Nvidia. Avec environ 80 milliards de dollars de trésorerie disponible et une génération de cash qui se compte en centaines de milliards de dollars par an, Nvidia dispose d‘une capacité financière sans commune mesure avec celle de la plupart des acteurs qu’il contribue à financer.
Mais c’est précisément ce qui rend la situation intéressante. La question n’est plus seulement de savoir si Nvidia peut absorber la défaillance de quelques clients, mais jusqu’où peuvent monter ses engagements si elle continue à soutenir la croissance de son écosystème.
Plus Nvidia contribue à transformer la demande future de calcul en actifs financés aujourd’hui, plus une partie de son propre risque financier devient liée à la capacité de cet écosystème à générer les revenus attendus.
The post Nvidia, de vendeur de GPU à architecte du financement de l’IA appeared first on Silicon.fr.
En annonçant un investissement de 3,5 milliards de dollars (environ 3 milliards d’euros) en obligations convertibles chez MediaTek, Nvidia ne se contente pas de resserrer un partenariat de longue date avec le fabless taïwanais. L’opération lui permet surtout de renforcer une alliance qui couvre plusieurs fronts stratégiques.
Utilisez-vous Google News (Actualités en France) ? Vous pouvez suivre vos médias favoris. Suivez Frandroid sur Google News (et Numerama).
Tous nos articles sont aussi sur notre profil Google : suivez-nous pour ne rien manquer !
Depuis ce week-end, bonne nouvelle les zamis, puisque ce bon vieux ffmpeg sait maintenant fabriquer des images qui n'ont jamais été filmées. Oui oui ! Et ça c'est possible grâce à un filtre qui s'appelle fruc_vulkan, qui permet de calculer le mouvement entre deux images grâce au bloc dédié des GeForce RTX, pour ensuite synthétiser ce qui manque entre les deux. Grâce à ça, un 24 images par seconde ressort sans souci en version 60 images par seconde.
La cadence de sortie se paramètre, donc vous pouvez aussi faire du 25 vers du 50, du 30 vers 60, ou n'importe quelle valeur intermédiaire. C'est donc beaucoup plus souple que le filtre équivalent côté AMD, frc_amf, qui ne sait que doubler la fréquence et ne fonctionner qu'en DirectX...
Fabriquer ce genre d'images intercalaires n'a rien de neuf, cela dit... L'outil RIFE convertissait déjà du 24 fps en 96 en 2020. Mais ce qui change ici, c'est qu'il n'y a plus de chaîne externe, plus d'aller-retour par des milliers de PNG, puisque tout tient dans le graphe de filtres, entre le décodage et l'encodage.
Le filtre logiciel historique de ffmpeg, minterpolate, existe pourtant depuis des années mais c'était loin d'être du temps réel. Alors que là, le vrai gain avec cette nouvelle feature, c'est qu'on passe en full temps réel. Ça veut dire que sur un catalogue à réencoder, l'interpolation cesse d'être l'élément qui bloque toute la chaîne de conversion.
Pour l'essayer il vous faut une RTX 30 ou plus récente. Il faut aussi compiler une version de développement car ce filtre est arrivé après la sortie de ffmpeg 9.0, ce qui veut dire que pour le moment, il n'est dans aucune release et ne sera dans aucun paquet avant la prochaine.
La commande suit ensuite le motif habituel des filtres Vulkan, qui veulent les images en mémoire GPU :
Connexionffmpeg -init_hw_device vulkan=vk:0 -filter_hw_device vk -i entree.mp4 -vf "format=yuv420p,hwupload,fruc_vulkan=fps=60,hwdownload,format=yuv420p" sortie.mp4
L'auteur du filtre prévient quand même qu'en 2160p24, les réglages par défaut ne suivront pas en temps réel et qu'il faudra alors descendre la qualité d'estimation du mouvement. Ça s'écrit comme ceci :
fruc_vulkan=fps=60:perf=medium:grid=2
En traitement par lots maintenant, la question ne se pose pas, c'est juste plus lent.
Maintenant, les pros de l'encodage, redescendez de votre chaise parce que j'ai quand même quelques mauvaises nouvelles... Tout d'abord, on n'a aucune stat indépendante sur le débit ou la qualité. Et il y a aussi un défaut que l'auteur du patch documente lui-même... En fait, dans les zones sans texture, le moteur invente un mouvement faux mais cohérent, qui laisse des "fantômes" autour des objets. La parade existe heureusement, mais c'est une heuristique, qui demande quelques réglages à la main sur des échantillons.
Et il y a aussi un coût qu'on oublie... Car doubler la cadence, c'est donner deux fois plus d'images à avaler à l'encodeur, donc, il y a toujours une espèce de goulot d'étranglement. Et puis après il y a le rendu... un film de cinéma en 24 images par seconde qu'on monte à 60 prend immédiatement un aspect téléfilm que les cinéastes détestent !! Imaginez l'Odyssée de Nolan avec l'aspect visuel de Plus Belle La Vie... Ahahaha. Après sur de l'animation ou un ralenti, ça se défend bien sûr mais sur du cinéma, c'est un choix à prendre et pas une amélioration. En tout cas, c'est mon avis.
Ah et dernier point, parce que la confusion est déjà partout dans les commentaires sur le net : Tout ça se passe à l'encodage ! Je répète : A L'ENCODAGE ! Le fichier qui sort de ffmpeg est une vidéo NORMALE. Absolument personne n'aura besoin d'une carte graphique GeForce pour la regarder ! OK ? 😘
Source : Phoronix
