NVIDIA dépense 7 milliards d’€ pour ses GPU en interne, tandis que Sam Altman revient sur ses prévisions d’IA
NVIDIA multiplie les accords à plusieurs milliards d’euros, mais son partenariat avec la start-up Poolside pourrait être le plus révélateur de sa stratégie actuelle. L’accord vise à constituer une bibliothèque de modèles d’IA open-weight tout en servant de filet de sécurité si la demande pour ses puces venait à fléchir.
NVIDIA se positionne comme acheteur de dernier recours
NVIDIA semble ne pas connaître de répit dans ses négociations. Le week-end dernier a été riche en informations concernant le géant du GPU. Après que TSMC aurait augmenté ses tarifs de production d’environ 10% pour certains clients à partir de janvier 2027, Bloomberg rapporte que NVIDIA prévoit d’augmenter les prix de ses GPU Grace Blackwell et de ses systèmes Vera Rubin d’environ 15% début 2025. Selon The Information, cette hausse serait même de 17%, ce qui porterait le prix d’un seul rack Vera Rubin NVL 72 à environ 8 millions d’euros. Cette augmentation ajouterait environ 5 milliards d’euros au coût d’un centre de données de 1GW, portant son coût total à près de 60 milliards d’euros aux États-Unis.
Par ailleurs, Edgewater Research estime que NVIDIA a probablement signé des accords à long terme avec Micron et SK hynix, tout en abaissant ses prévisions de demande en HBM pour NVIDIA de 31-33 milliards d’équivalents Gb à un peu plus de 20 milliards d’équivalents 1Gb, ce qui correspond aux rumeurs d’une quantité réduite de HBM dans les racks Rubin Ultra.
Au cœur du sujet actuel, le Wall Street Journal révèle que NVIDIA verse 6 milliards d’euros à la start-up d’IA Poolside pour licencier sa technologie et embaucher la majorité de ses ingénieurs. Le fabricant de GPU investira également 1 milliard d’euros dans Poolside, valorisant la société à 12 milliards d’euros. NVIDIA chercherait ainsi à bâtir un écosystème viable de modèles d’IA à poids ouvert pour contrer efficacement les offres similaires provenant des laboratoires chinois. Plus précisément, le géant compte sur l’expertise des ingénieurs de Poolside pour améliorer significativement les capacités de ses modèles d’IA Nemotron.
Rappelons que NVIDIA a dévoilé le Nemotron 3.5 Lightning début août, affirmant que le modèle génère des tokens quatre fois plus vite que des « modèles de taille similaire ». Cependant, comme nous l’avions noté, bien que la production de tokens soit quadruplée, les gains sur l’accélération des tâches agentiques sont limités, n’offrant qu’une amélioration de 30%. Il y a clairement une marge de progression importante, et la technologie de Poolside pourrait aider NVIDIA à combler ces lacunes.
When chips are in shortage, NVIDIA sells every GPU it can and collects ongoing revenue sharing fees from the growth of newer cloud providers.
If the market hits an oversupply and customers can’t use or rent out all their computing power, NVIDIA has built-in utility to step in… https://t.co/GdNn9BKv0X
— P Equity Research 📰 (@pequityresearch) August 23, 2026
Sur un plan stratégique, en allouant environ 7 milliards d’euros à Poolside, NVIDIA se constitue une assurance importante face à un éventuel effondrement de la demande pour ses GPU. Cela lui permettrait de rediriger une part significative de ses puces vers des charges de travail internes liées à Nemotron si le marché s’effondrait. En substance, NVIDIA tente désormais de se positionner comme un concurrent direct d’OpenAI et d’Anthropic, dépassant son rôle traditionnel de simple fournisseur d’outils dans la ruée vers l’or de l’IA.
Sam Altman admits he was wrong on AI’s timeline and says society and the economy will adapt more slowly
« I thought when we got to GPT-4, which was back in 2023, that very quickly after that there was going to be much more disruption, software businesses up for grabs right away,… https://t.co/5oNHTky7fK pic.twitter.com/AIA5gpJwFB
— Fireside Alpha (@firesidealpha) August 23, 2026
Cette volonté de diversifier ses risques face aux aléas de la demande est un mouvement avisé. Sam Altman, le PDG d’OpenAI, vient d’ailleurs de reconnaître qu’il s’était trompé sur le calendrier d’adoption de l’IA, admettant que l’économie intégrerait cette technologie à un rythme bien plus lent que prévu.
