NVIDIA (NVDA) : du géant des graphismes au titan de l'IA

Le géant de l'IA

Si depuis plus d’une décennie, l’attention des investisseurs technologiques se porte sur les « Big Tech » (Microsoft (MSFT -0.31%), Google (GOOG + 3.74%), Facebook (META + 1.69%), etc.), ces dernières années ont vu une nette évolution en faveur du matériel au détriment du logiciel. Le premier signe a été l'essor spectaculaire de Tesla (TSLA + 0.03%) d’une action de niche de type culte à l’une des plus grandes entreprises du monde.

Mais il y aurait une entreprise située à la frontière entre le logiciel et le matériel qui obtiendrait des rendements tout aussi bons, voire plus élevés : NVIDIA (NVDA + 1.02%).

Considérée aujourd’hui comme une entreprise d’intelligence artificielle au succès soudain, NVIDIA a patiemment construit sa technologie unique et sa position sur le marché au cours des 20 à 30 dernières années. Cela pourrait lui donner une position solide pour rester un acteur dominant dans le monde de la technologie dans les années à venir.

Le chemin vers le succès de NVIDIA

CPU contre GPU

Pendant longtemps, NVIDIA était une entreprise de matériel informatique prospère mais spécialisée dans la production de cartes graphiques ou d'unités de traitement graphique (GPU). À l'époque, les GPU étaient considérés comme un élément matériel informatique important, mais secondaire par rapport à l'unité centrale de traitement (CPU).

Les processeurs sont conçus pour effectuer des calculs très rapides qui nécessitent d'être effectués les uns après les autres, ce qui les rend très efficaces pour les calculs complexes.

En revanche, les GPU sont moins puissants mais conçus pour effectuer de nombreux calculs parallèles simultanément, ce qui les rend plus efficaces pour gérer de grandes quantités de données.

Durant cette période des années 1990 aux années 2010, les producteurs de processeurs comme Intel (INTC -1.14%) régnait sur l'industrie, tandis que les GPU de haute qualité étaient principalement utilisés uniquement par les joueurs et les graphistes pour les PC haut de gamme.

Créer une entreprise de GPU

Au début, le fondateur de NVIDIA Jensen Huang et ses cofondateurs ont estimé que le rythme de calcul dépasserait la capacité du processeur. Jensen a joué un rôle déterminant dans le développement des premiers GPU pour Sun Microsystems, aujourd'hui Oracle (ORCL -5.4%).

Il deviendra ensuite l'un des cofondateurs de NVIDIA en 1993, participant à la révolution du PC au début des années 1990.

« Nous avons pensé que les graphismes 3D seraient peut-être vraiment intéressants. Et pour la toute première fois, nous avons une plateforme qui pourrait à la fois être un ordinateur et être utilisée pour tout ce que nous voulons. On pourrait aussi l'utiliser pour jouer à des jeux. Et il nous faut simplement construire une puce qui permette de jouer à des jeux.

« Aucun d’entre nous n’avait jamais vu un PC auparavant. Nous avons donc dû aller en acheter un. Nous avons acheté un Gateway 2000. Personne ne sait même programmer Windows ou DOS. Personne n’a jamais vu DOS. Nous avons donc dû le démonter et commencer à apprendre à connaître ce secteur. »

Jensen Huang, dans une interview avec Sequoia

Il est amusant de penser qu'avec le recul, le jeu vidéo n'était pas un marché très « sérieux » à l'époque, comparé à des modèles économiques plus lucratifs et plus importants, axés sur les grandes entreprises. Les premières cartes n'ont pas connu de succès commercial. Leurs deux^nd La génération de GPU était meilleure, mais elle est devenue soudainement obsolète lorsque le marché s'est tourné vers l'architecture DirectX de Microsoft pour les jeux vidéo.

En fin de compte, il a fallu six ans et trois gammes de produits à NVIDIA pour trouver une adéquation produit-marché, avec de nombreux événements qui ont frôlé la mort pour l'entreprise.

Le succès viendra avec la Riva 128 : au cours de ses quatre premiers mois d'utilisation, elle se vendra à 1 million d'exemplaires. Elle sera suivie par une longue série de cartes graphiques à succès, dont la Série GeForce, à ce jour l'acteur dominant du marché aux côtés AMD (AMD -1.58%) Radeon.

Source: Achetez-le

CUDA et Crypto

En 2006, NVIDIA, désormais leader reconnu des GPU, a lancé CUDA, une interface de programmation polyvalente pour ses GPU, ouvrant ainsi la voie à d'autres usages que le jeu. Cette décision a été prise car certains chercheurs utilisaient déjà des GPU pour effectuer des calculs plutôt que les supercalculateurs habituels.

Source: NVIDIA

« Les chercheurs ont réalisé qu’en achetant cette carte de jeu appelée GeForce, vous l’ajoutez à votre ordinateur, vous disposez en quelque sorte d’un superordinateur personnel. Dynamique moléculaire, traitement sismique, reconstruction CT, traitement d’images – tout un tas de choses différentes. »

Jensen Huang, dans une interview avec Sequoia

Cette adoption plus large des GPU, et plus particulièrement du matériel NVIDIA, a créé une boucle de rétroaction positive basée sur effets de réseau:plus il y a d'utilisations, plus les utilisateurs finaux et les programmeurs s'y connaissent, plus il y a de ventes, plus il y a de budget R&D, plus il y a d'accélération de la vitesse de calcul, plus il y a d'utilisations, etc.

Source: NVIDIA

Aujourd’hui, la base installée comprend des centaines de millions de GPU CUDA.

Source: NVIDIA

Non seulement cela s’avérerait très utile aux chercheurs, mais une nouvelle technologie ferait un grand usage du calcul parallèle GPU : la blockchain et les cryptos.

Le boom de la crypto

Aujourd’hui un peu mise de côté par l’enthousiasme suscité par l’IA, la cryptographie a été la première application à grande échelle du GPU au-delà des jeux et de la recherche scientifique. De nombreux projets de blockchain et de cryptographie nécessitent une puissance de calcul importante. Rapidement, les GPU NVIDIA sont devenus le matériel central pour effectuer ces calculs.

Cela a créé un boom dans les ventes de NVIDIA, et les actions de la société ont commencé à augmenter à l'unisson avec le boom de la cryptographie, le cours de l'action augmentant de plus de 10 fois.

L'action du cours des actions des cryptomonnaies a perdu de son élan en 2022 avant que les marchés ne réalisent que NVIDIA avait élaboré une stratégie d'IA remarquable depuis de nombreuses années.

AI

Les réseaux de neurones

Dès le début des années 2010, les chercheurs ont commencé à déployer des GPU pour étudier les réseaux de neuronesIl s'agit d'un type de méthode de calcul qui diffère de la programmation habituelle et qui a été récompensé par 2 prix Nobel différents en 2024, en physique et en médecine.

Les réseaux neuronaux constituent la base technique de ce que l’on appelle aujourd’hui communément « IA ».

En 2009, l'un de mes étudiants de l'époque, Ian Goodfellow, qui était mon étudiant de premier cycle, m'a aidé à construire un serveur GPU dans sa chambre d'étudiant. Et c'est ce serveur qui a fini par être celui que nous avons utilisé pour nos premières expériences d'apprentissage profond pour entraîner les réseaux neuronaux.

Nous avons commencé à voir des accélérations de 10x, voire 100x, lors de l'entraînement des réseaux neuronaux sur des GPU, car nous pouvions faire mille ou 10,000 XNUMX choses en parallèle, plutôt qu'une étape après l'autre.

Andrew Ng - Fondateur de DeepLearning.AI et associé directeur général d'AI Funds, dans une interview avec Sequoia

C'était avant AlexNet, la première avancée dans la reconnaissance d'images par ordinateur en 2012, et des années avant AlphaGo.

Orientation de NVIDIA vers l'IA

NVIDIA a compris le potentiel de l'IA très tôt, bien avant que quiconque, en dehors des chercheurs spécialisés, ne s'intéresse aux réseaux neuronaux.

Il s’agissait, à l’époque, d’un pari risqué dans un secteur non éprouvé et à peine existant, ou comme l’a dit Jensen Huang :

"Nous investissons dans des marchés à zéro milliard de dollars. »

En 2016 et 2017, NVIDIA a publié tLes architectures Pascal et Volta, respectivement, le premier accélérateur d'IA basé sur GPU, tandis que Volta a introduit les Tensor Cores, qui ont accéléré les tâches d'apprentissage en profondeur jusqu'à 12 fois.

Il s’agissait d’un changement radical de cap. Lorsque nous avons fait pivoter le navire dans cette direction, nous avons recherché tous les chercheurs en IA de la planète.

Et notre plateforme leur a été utile grâce aux retours positifs que nous avons reçus à l'époque. C'est la raison pour laquelle je suis ami avec tous les grands chercheurs en IA du monde.

Ils m'ont tous été utiles pour me fournir les premières indications de mon succès futur et il faut faire tout un plat de ces petites victoires.

Jensen Huang, dans une interview avec Sequoia

Cela préfigurerait la construction d’une infrastructure informatique d’IA, qui émergerait massivement dans la conscience publique en 2023, avec la sortie de LLM (Large Language Models) populaires comme Chat GPT.

Mais cela a en fait été construit sur le développement lent et souvent oublié de GPU toujours plus puissants dédiés à l'IA par NVIDIA depuis 2016.

Source: NVIDIA

Un autre aspect remarquable de l'évolution de la puissance de calcul de l'IA est qu'elle suit une loi exponentielle au lieu de la loi de Moore plus linéaire pour le processeur. En effet, non seulement le matériel GPU s'améliore, mais la puissance de traitement requise a diminué grâce à l'amélioration radicale de la façon dont les réseaux neuronaux sont formés.

De plus, davantage de données disponibles rendent la formation plus efficace, offrant aux chercheurs de nombreux angles de travail en parallèle pour améliorer leurs performances.

Cela a conduit à une diminution radicale de l’énergie consommée pour former le même modèle GPT au fil du temps, 350 fois moins en 8 ans, et une réduction encore plus extrême de l’énergie nécessaire pour faire une demande à ces LLM.

Source: NVIDIA

Partenariats NVIDIA

Depuis sa création, NVIDIA est une entreprise profondément ancrée dans l'industrie. Au lieu d'être une entreprise intégrée verticalement, elle cherche à établir des liens étroits avec les meilleurs, tout en restant concentrée sur ses propres avantages concurrentiels.

Par exemple, NVIDIA est un fabricant de matériel dit « sans usine », qui se concentre sur la conception et les concepts, laissant la place à des « usines » de semi-conducteurs de premier plan au monde comme TSMC (TSM + 2.82%) pour produire ses GPU.

En ne développant pas ses propres LLM ou système d’IA, NVIDIA est également un partenaire de confiance pour la quasi-totalité des « Big Tech » et des startups d’IA, qui le considèrent comme un partenaire essentiel plutôt que comme un concurrent potentiel. En retour, cela donne à NVIDIA l’ampleur des ventes nécessaire pour continuer à réinvestir dans la R&D et rester à la pointe du jeu d’un point de vue technologique.

Ce choix s’est avéré judicieux, NVIDIA étant le plus grand bénéficiaire de la plus impressionnante vague de dépenses d’investissement (capex) de l’histoire de l’industrie technologique.

Des investissements en IA sont attendus pour atteindre jusqu'à 200 milliards de dollars en 2025, en plus d'un investissement cumulé en constante augmentation des plus grandes entreprises technologiques du monde depuis 2016.

Source: Sherwood

Financiers :

La croissance de NVIDIA de 2023 à 2024 a été incroyable pour une entreprise de cette taille :

• Les revenus sont en hausse de 126 %, passant de 27 à 60 milliards de dollars.
• Le résultat d'exploitation a triplé (311 %), passant de 9 à 37.1 milliards de dollars
• La marge brute est passée de 59.2 % à 73.8 %

Dans l’ensemble, la société est bien valorisée, mais pas tant que ça en raison de la croissance de ses bénéfices. Pourtant, avec un ratio cours/bénéfice supérieur à 60 et un rendement de dividende de seulement 0.03 %, les investisseurs qui achètent NVIDIA s’attendent à une forte croissance future pour justifier le cours actuel de l’action.

Source: NVIDIA

L'avenir de NVIDIA

Croissance durable ?

La croissance à trois chiffres de NVIDIA est stupéfiante et se reflète dans le cours de l'action. Bien sûr, toute bonne chose a une fin, et les investisseurs craignent que cela n'arrive plus tôt que prévu.

Les mêmes inquiétudes étaient déjà présentes lorsque les ventes de NVIDIA étaient en plein essor grâce aux ventes de crypto-monnaies ou aux premiers stades du boom de l’IA. Le pessimisme n’est donc pas nécessairement une stratégie d’investissement judicieuse.

In une interview sur le Podcast BG2PodHuang a expliqué que le monde doit moderniser jusqu'à 1 150 milliards de dollars de centres de données et de calcul pour intégrer et s'adapter à l'IA. Et jusqu'à présent, seuls XNUMX milliards de dollars ont été dépensés sur ce total.

Selon lui, NVIDIA a encore beaucoup de marge de manœuvre pour continuer à augmenter ses ventes, même si ce n'est que grâce aux besoins informatiques existants. Et ce, avant que d'autres applications d'IA ne deviennent courantes, comme voitures auto-conduite.

De telles préoccupations concernant la demande totale ignorent également le fait qu’en fin de compte, toutes les industries déploieront probablement l’IA à plusieurs niveaux d’une manière ou d’une autre, y compris des secteurs comme la santé, qui représentent un pourcentage à deux chiffres du PIB.

Source: NVIDIA

Blackwell

En mars 2024, NVIDIA a lancé la plateforme Blackwell, «permettant aux organisations du monde entier de créer et d'exécuter une IA générative en temps réel sur des modèles de langage de plusieurs milliards de paramètres, à un coût et une consommation d'énergie jusqu'à 25 fois inférieurs à ceux de son prédécesseur. ».

Source: NVIDIA

Il s’agit d’une étape très importante, car la consommation d’énergie devient rapidement l’une des principales préoccupations des entreprises axées sur l’IA, comme l’illustre le récent accord de Microsoft pour rouvrir une centrale nucléaire entière et l'utiliser tous sa production d'électricité pour les 20 prochaines années à un prix convenu à l'avance.

Conceptions internes

NVIDIA court le risque d'être un partenaire clé des plus grandes entreprises mondiales, mais aussi d'être un partenaire très coûteux et rentable (70 % de marge brute). Ainsi, lorsque des entreprises de la taille et des compétences d'Alphabet/Google dépensent des centaines de milliards de dollars en puces d'intelligence artificielle, elles sont tentées de le faire en interne.

Et ce n’est pas seulement hypothétique, avec par exemple Tesla a développé son propre matériel en embauchant les meilleurs concepteurs du concurrent de NVIDIA, AMDJusqu'en 2019, Tesla utilisait à la place la plateforme de calcul IA NVIDIA Drive PX 2. Tesla semble être sur le point de commercialiser un robotaxi, cela pourrait devenir une vente manquée massive pour NVIDIA.

Dans le même temps, le cas de Tesla pourrait être davantage une exception à la règle, avec les autres entreprises de Tesla et d'Elon Musk, comme SpaceX, connu pour toujours rechercher une plus grande intégration verticale et un niveau de contrôle plus fort sur son matériel.

Les entreprises moins expérimentées en matière de matériel ou plus axées sur les logiciels et/ou le marketing, comme Facebook ou Microsoft, pourront probablement se contenter de s'appuyer sur la technologie NVIDIA la plus performante et la plus récente.

De plus, de nombreux modèles d'IA sont actuellement construits et codés en supposant qu'ils fonctionneront sur des architectures NVIDIA, et les programmeurs d'IA sont expérimentés avec le matériel de NVIDIA, ce qui constitue deux atouts commerciaux précieux pour l'entreprise.

Risques du marché de l'IA

Le marché de l'IA dans son ensemble pourrait représenter un risque plus important, sur lequel l'excellente gestion de NVIDIA a moins de prise. Il est actuellement en plein essor. Cependant, on craint de plus en plus que les applications d'IA lancées n'aient pas réussi à générer de nouveaux revenus massifs, comme l'iPhone l'a fait pour Apple à l'époque.

Il s’agit probablement simplement d’un signe que la technologie est encore en train de trouver sa place et de développer son marché.

Mais si cette situation perdurait trop longtemps, nous risquions de nous retrouver dans une situation comparable à celle de la fin des années 1990, où les prédictions sur l’importance du PC et d’Internet étaient justes, mais le timing était un peu trop optimiste, ce qui a conduit à l’éclatement de la bulle Internet.

Certes, la signature d'un autographe par Jensen Huang sur le sein d'une femme en juin 2024 est un signe quelque peu surprenant, et peut-être un peu inquiétant pour les investisseurs inquiets d'une éventuelle manie financière autour de l'IA.

L'histoire financière ne se répète pas nécessairement, mais les investisseurs voudront analyser correctement ce risque pour NVIDIA et examiner les parallèles potentiels avec le fabricant de matériel de télécommunications et Internet Sun Microsystems (le premier employeur de Jensen Huang) en 2000.

À 10 fois les revenus, pour vous assurer un retour sur investissement sur 10 ans, je dois vous verser 100 % des revenus pendant 10 années consécutives en dividendes. Cela suppose que je puisse obtenir cela de mes actionnaires. Cela suppose que je n’ai aucun coût des marchandises vendues, ce qui est très difficile pour une entreprise informatique. Cela suppose également des dépenses nulles, ce qui est vraiment difficile avec 39,000 XNUMX employés. (…)

Maintenant, après avoir fait cela, est-ce que l'un d'entre vous voudrait acheter mes actions à 64 $ ? Vous rendez-vous compte à quel point ces hypothèses de base sont ridicules ? Vous n'avez pas besoin de transparence. Vous n'avez pas besoin de notes de bas de page. À quoi pensiez-vous ?

Scott McNealy – alors PDG de Sun Microsystems

Pour référence, le rapport P/S actuel de NVIDIA est de 35.

Source: GraphiqueY

Conclusion

NVIDIA est une entreprise qui a su prendre des risques calculés plusieurs fois de suite au bon moment, depuis les cartes graphiques pour PC jusqu'à la sortie de CUDA pour de nouvelles applications, en passant par l'adoption précoce des réseaux neuronaux. C'est ce qui a fait de son fondateur, Jensen Huang, une sorte de rock star dans le secteur des semi-conducteurs et de l'informatique.

Les récentes performances de l'entreprise ont stupéfié le marché et suscité un enthousiasme sans précédent pour l'action Tesla ces dernières années. Cela représente une opportunité considérable, comme le savent de nombreux investisseurs de la première heure, après avoir affronté pendant près d'une décennie des sceptiques prédisant la faillite de l'entreprise et de son action « à tout moment ».

Cela crée également certains risques, car l’essor de l’IA n’a pas encore généré le type de revenus justifiant les dépenses d’investissement actuelles et pourrait connaître un ralentissement avant de devenir un secteur économique pleinement établi.