- il y a 16 heures
Découvrez le PEA de Fortuneo, classé n°1 par Avenue des investisseurs en mars 2026 👉 https://shop.numerama.com/hiel6d0j
Est-ce que Nvidia est un génie absolu de la stratégie… ou est-ce que l'entreprise de Jensen Huang a juste eu une chance insolente ? Entre une valorisation record à plus de 5,3 milliers de milliards de dollars en 2026 et un chiffre d’affaires stratosphérique de 216 milliards de dollars, NVIDIA est devenu le maître incontournable de l'IA.
Mais comment une simple boîte de cartes graphiques pour gamers a-t-elle réussi à créer le plus grand monopole technologique de notre époque ?
Dans cette vidéo, on plonge dans les coulisses d'une histoire économique qui dure depuis 30 ans. Du laboratoire de Stanford aux salles ventilées des plus grands Data Centers mondiaux (Blackwell, DGX Superpod), vous comprendrez comment NVIDIA a bâti son "Moat" grâce à CUDA. L'occasion de mettre en avant le génie visionnaire de Jensen Huang, mais aussi de montrer la part de chance pure qui a fait basculer l'entreprise dans une autre dimension après l'explosion de ChatGPT.
Si la vidéo vous plaît, n'oubliez pas de laisser un énorme pouce bleu, de vous abonner et d'activer la cloche nianiania vous connaissez mais ça fait pas de mal de le répéter !
⏰ Sommaire
00:00 - Nvidia domine la tech mondiale
01:54 - Un message de notre partenaire Fortuneo
04:05 - GeForce 259, la première GPU de Nvidia
05:25 - GPU vs CPU
07:03 - CUDA, le MOAT de Nvidia
08:14 - Transformer la cible des GPUs
09:42 - Le Boom de l'IA
11:14 - La moula arrive pour Nvidia
13:55 - Nvidia, c'est pas que les GPUs
Collaboration commerciale
Fiscalité en vigueur au 1er mars 2026, susceptible d’évolution.
Fortuneo récompensé par le prix du meilleur PEA par Avenue des investisseurs, mars 2026. Voir détail de l’étude et des conditions tarifaires sur le site fortuneo.fr. Ouverture du PEA soumise à l’acceptation par Fortuneo.
Frais de courtage offerts sur 100 ordres d’un montant compris entre 500 € et 10 000 € par ordre pour une première ouverture ou un 1er transfert d’un compte-titres ordinaire ou d’un PEA ou d’un PEA-PME à partir du 01/01/2025, sous conditions. Voir conditions de l’offre sur https://www.fortuneo.fr/offres-specia...
L’investissement en bourse comporte un risque de perte totale ou partielle du capital investi.
📝 L'article par ici ► https://numerama.com
---
🤝 Pour toute demande de collaboration ► business@humanoid.fr
🔔 Abonnez-vous à notre chaîne ► https://youtube.com/c/numerama
🚩 Retrouvez toutes nos playlists ► https://www.youtube.com/c/numerama/playlists
---
Rejoignez-nous :
💻 Notre site ► http://www.numerama.com/
🐦 X ► https://x.com/numerama
📸 Instagram ► https://www.instagram.com/numerama
📱TikTok ► https://www.tiktok.com/@numerama
🔷 Facebook ► https://www.facebook.com/Numerama/
🎙️ Twitch ► https://www.twitch.tv/numerama
🟡 + rapide, + pratique, + exclusif : découvrir numerama+ ► https://www.numerama.com/numeramaplus/
---
Réalisation : Nael Fontaine & Alfred Tertra
Est-ce que Nvidia est un génie absolu de la stratégie… ou est-ce que l'entreprise de Jensen Huang a juste eu une chance insolente ? Entre une valorisation record à plus de 5,3 milliers de milliards de dollars en 2026 et un chiffre d’affaires stratosphérique de 216 milliards de dollars, NVIDIA est devenu le maître incontournable de l'IA.
Mais comment une simple boîte de cartes graphiques pour gamers a-t-elle réussi à créer le plus grand monopole technologique de notre époque ?
Dans cette vidéo, on plonge dans les coulisses d'une histoire économique qui dure depuis 30 ans. Du laboratoire de Stanford aux salles ventilées des plus grands Data Centers mondiaux (Blackwell, DGX Superpod), vous comprendrez comment NVIDIA a bâti son "Moat" grâce à CUDA. L'occasion de mettre en avant le génie visionnaire de Jensen Huang, mais aussi de montrer la part de chance pure qui a fait basculer l'entreprise dans une autre dimension après l'explosion de ChatGPT.
Si la vidéo vous plaît, n'oubliez pas de laisser un énorme pouce bleu, de vous abonner et d'activer la cloche nianiania vous connaissez mais ça fait pas de mal de le répéter !
⏰ Sommaire
00:00 - Nvidia domine la tech mondiale
01:54 - Un message de notre partenaire Fortuneo
04:05 - GeForce 259, la première GPU de Nvidia
05:25 - GPU vs CPU
07:03 - CUDA, le MOAT de Nvidia
08:14 - Transformer la cible des GPUs
09:42 - Le Boom de l'IA
11:14 - La moula arrive pour Nvidia
13:55 - Nvidia, c'est pas que les GPUs
Collaboration commerciale
Fiscalité en vigueur au 1er mars 2026, susceptible d’évolution.
Fortuneo récompensé par le prix du meilleur PEA par Avenue des investisseurs, mars 2026. Voir détail de l’étude et des conditions tarifaires sur le site fortuneo.fr. Ouverture du PEA soumise à l’acceptation par Fortuneo.
Frais de courtage offerts sur 100 ordres d’un montant compris entre 500 € et 10 000 € par ordre pour une première ouverture ou un 1er transfert d’un compte-titres ordinaire ou d’un PEA ou d’un PEA-PME à partir du 01/01/2025, sous conditions. Voir conditions de l’offre sur https://www.fortuneo.fr/offres-specia...
L’investissement en bourse comporte un risque de perte totale ou partielle du capital investi.
📝 L'article par ici ► https://numerama.com
---
🤝 Pour toute demande de collaboration ► business@humanoid.fr
🔔 Abonnez-vous à notre chaîne ► https://youtube.com/c/numerama
🚩 Retrouvez toutes nos playlists ► https://www.youtube.com/c/numerama/playlists
---
Rejoignez-nous :
💻 Notre site ► http://www.numerama.com/
🐦 X ► https://x.com/numerama
📸 Instagram ► https://www.instagram.com/numerama
📱TikTok ► https://www.tiktok.com/@numerama
🔷 Facebook ► https://www.facebook.com/Numerama/
🎙️ Twitch ► https://www.twitch.tv/numerama
🟡 + rapide, + pratique, + exclusif : découvrir numerama+ ► https://www.numerama.com/numeramaplus/
---
Réalisation : Nael Fontaine & Alfred Tertra
Catégorie
🎥
Court métrageTranscription
00:24En 5 ans, le chiffre d'affaires de Nvidia s'est envolé.
00:28Est-ce qu'Nvidia est un génie absolu de la stratégie, ou est-ce que l'entreprise
00:33de Jensen Huang a juste eu une chance insolente ? Spoiler, c'est un peu des deux.
00:48Sur les 4 dernières années, Nvidia a multiplié par 8 son chiffre d'affaires jusqu'à atteindre
00:53216 milliards de dollars pour l'année calendaire 2025.
00:56Le cours de son action en bourse s'est envolé à des niveaux de record qu'on imaginait
01:01inatteignables.
01:01On parle d'une entreprise valorisée à plus de 5,3 milliers de milliards de dollars au
01:06moment où on tourne cette vidéo.
01:08Vous savez sûrement que ce succès, Nvidia le doit à ses processeurs dédiés à l'intelligence
01:12artificielle, donc les fameux GPU.
01:14Mais est-ce que vous savez vraiment comment on en est arrivé là ?
01:17Comment Nvidia est passé d'une boîte de second rang, bien installée sur le marché du jeu
01:22vidéo depuis deux décennies, à l'entreprise la plus incontournable au monde ?
01:26Comment son principal produit est passé de ça, donc un processeur pensé pour améliorer
01:31les graphismes des jeux vidéo, à ça, un énorme système de calcul interconnecté que
01:36tout le monde s'arrache pour faire de l'IA ?
01:37Et surtout, est-ce que vous savez à quel point le succès de Nvidia dans l'intelligence
01:42artificielle relève du génie ? Et à quel point ça relève juste du gros coup de chance ?
01:47Les réponses à ces questions, il faut aller les chercher il y a plus de 20 ans, à l'époque
01:51où Nvidia n'était pas encore le meilleur ami des hyperscalers.
01:54Si vous ne savez pas, un hyperscaler ou un géant du cloud dans la langue de Joule désigne
01:58une entreprise qui fournit des infrastructures informatiques, de calcul et de stockage à
02:03une échelle gigantesque.
02:05On pense évidemment aux trois mastodontes que sont Amazon AWS, Microsoft Azure et Google
02:10Cloud.
02:10Pour faire tourner leurs immenses centres de données et propulser les modèles d'IA que nous
02:15utilisons tous, ces hyperscalers ont besoin d'empiler des puces à un rythme soutenu.
02:19Et c'est là que Nvidia intervient en étant leur fournisseur indispensable.
02:23Pour investir dans cette dynamique technologique sans avoir acheté des actions américaines une
02:28par une, on utilise souvent des ETF ou trackers axés sur la technologie ou le secteur des
02:33semi-conducteurs.
02:34Et même s'il s'agit d'entreprises américaines, vous pouvez y accéder grâce au PEA de notre
02:38partenaire Fortuneo.
02:39On y trouve plus de 140 ETF et plusieurs d'entre eux permettent de s'exposer à la performance
02:44de Nvidia et des grands acteurs de la tech.
02:46L'avantage, c'est que l'ouverture d'un PEA chez Fortuneo ne demande qu'un premier
02:50versement de 100€ et vous pouvez passer ensuite vos ordres directement depuis l'appli.
02:55L'intérêt majeur du PEA, c'est sa fiscalité.
02:57Tant que vous ne sortez pas votre argent du PEA, vous n'avez rien à déclarer aux impôts.
03:01Après 5 ans de détention, vos gains sont carrément exonérés d'impôts sur le revenu.
03:05Il restera alors à régler les prélèvements sociaux à hauteur de 18,6% sur la plus-value.
03:10Alors pourquoi choisir Fortuneo pour son PEA ?
03:13Eh bien d'abord, car il a été élu meilleur PEA en mars 2026 par Avenue des investisseurs,
03:18notamment grâce à ses tarifs parmi les plus bas du marché, 0€ de frais d'ouverture,
03:23de tenue de compte ou de garde.
03:24Et la tarification s'adapte à vos usages.
03:27Vous pouvez choisir entre les 3 profils de courtage qui sont proposés, dont le tarif starter,
03:31avec les frais de courtage offerts chaque mois sur votre premier ordre de 500€ ou moins
03:36sur les marchés Euronext Paris, Bruxelles, Amsterdam ou Equiduct.
03:40Sinon, 0,35% par ordre.
03:43Et en ce moment, les frais de courtage sont même offerts sur vos 100 premiers ordres
03:46en cas de première ouverture ou un premier transfert de votre PEA.
03:50Si le produit vous intéresse, on a mis le lien en description.
03:53N'oubliez pas que l'investissement en bourse comporte un risque de perte totale ou partielle du capital investi.
03:58Merci Fortuneo, et maintenant, on revient à l'aventure de Jensen, ou plutôt de Chris.
04:05Oui, Chris.
04:07Chris Malakowski, cofondateur moins connu de Nvidia.
04:14On est en 1999 et Nvidia présente son premier GPU, la GeForce 256.
04:24C'est un nouveau type de processeur graphique, et sa spécificité, c'est qu'il est programmable.
04:28En gros, on peut lui donner des instructions précises sur le rendu qu'on veut obtenir à l'écran,
04:33comme la texture ou la luminosité de chaque pixel à l'image.
04:37Le laboratoire Computer Graphics de l'université de Stanford s'équipe de GeForce pour les tester,
04:42et dans ce labo, il y a un doctorant, Ian Buck, qui se dit
04:46« Et si j'essayais de faire tourner autre chose que du rendu graphique sur les GPU ? »
04:50Sauf qu'à l'époque, un GPU, c'est vraiment juste une carte graphique.
04:54Il embarque certes une interface logicielle, mais il faut le programmer dans un langage spécifique au monde du graphisme,
04:59comme le GLSL.
05:00Donc qu'est-ce que fait Buck avec ses collègues pour contourner ce problème ?
05:03Eh bien, il invente le langage Broke, qui permet de programmer n'importe quel type de calcul sur les GeForce.
05:09C'est le début du GP GPU, donc littéralement le calcul générique sur processeur graphique.
05:14Et vous imaginez bien que s'il se casse la tête à faire ça,
05:17c'est qu'il voit un intérêt particulier à faire des calculs sur GPU.
05:21C'est parce que la spécialité de ce processeur, c'est la parallélisation.
05:25Laissez-moi vous expliquer plus en détail avec cette petite vidéo illustrative.
05:305, 4, 3, 2, 1...
05:41Alors ça, c'est parce qu'il permet de reproduire...
05:44Mona Lisa avec un robot bazooka à peinture.
05:49Est-ce qu'on est sûr ?
05:54Bon, ce que vous venez de voir, c'est une démonstration tirée d'une conférence Nvidia de 2008.
05:59Et les gars qui rigolent comme des savants fous, c'est le duo de Mythbusters,
06:02une émission scientifique qui est passée à la télé américaine.
06:05Ils illustrent que le GPU, grâce à son architecture,
06:07a la capacité de faire un grand nombre de calculs en parallèle,
06:10ici contrôler 1100 canons à peinture en simultané,
06:14à condition que ces calculs soient simples et indépendants les uns des autres.
06:17Ici, balancé, une seule couleur unie à un endroit précis.
06:21C'est pour ça que le GPU est d'abord pensé pour les graphismes exigeant des jeux vidéo ou des
06:25artistes 3D.
06:26Il peut traiter chaque pixel en parallèle et donc faire un rendu graphique à une vitesse inédite.
06:31Le GPU, c'est à l'époque une nouveauté par rapport à l'autre grand type de processeur
06:35que vous avez dans vos ordis, donc le CPU.
06:37Lui est capable de faire des calculs bien plus puissants, mais il ne peut en faire qu'un à la
06:42fois.
06:42Donc pour des tâches complexes, il doit calculer en séquentiel.
06:45Dans l'expérience de Mythbusters, c'est symbolisé par le premier robot
06:48qui doit peindre en envoyant les billes de peinture les unes après les autres.
06:52Ah, et il faut aussi garder en tête que Nvidia ne fait que dessiner les architectures de ses processeurs.
06:56Ils sont ensuite fabriqués dans des usines de spécialistes comme TSMC ou Samsung,
07:01puis renvoyés chez Nvidia qui va les commercialiser.
07:03Les travaux de Ian Buck, c'est une grande chance pour Nvidia.
07:06Et le génie de l'entreprise et de son patron Jensen Huang, c'est de saisir l'opportunité.
07:12Nvidia participe au financement de sa recherche,
07:14et dès la fin de son doctorat, le chercheur est intégré aux équipes.
07:17Grâce à lui, en 2006, Nvidia va créer ce qui va devenir son plus grand trésor,
07:22son motte, comme on dit dans le jargon financier de Warren Buffett,
07:26c'est-à-dire la barrière stratégique qui le protège contre la concurrence.
07:29En français, le fossé.
07:31Et il décide de l'appeler Kuda.
07:33C'est la down des Kudos de Strava.
07:36Merci pour la blague, Denis.
07:38Donc Kuda, c'est une plateforme intégrée qui va permettre de programmer le déploiement
07:42de n'importe quel calcul sur le GPU.
07:44En 2006, quand il est embarqué pour la première fois sur les GeForce 8800,
07:48l'idée, c'est de permettre aux développeurs de tester sur GPU
07:51les programmes qu'ils font tourner sur CPU.
07:55Si je voulais perdre la moitié d'entre vous,
07:57je dirais que c'est une plateforme pour faire du C sur les GPU.
08:01À ce moment-là, Nvidia fait entre 2 et 4 milliards de dollars de chiffre d'affaires par an.
08:07C'est une belle boîte, cotée en bourse, qui a réussi son premier pari,
08:10celui de miser sur le jeu vidéo comme future industrie culturelle de masse.
08:14Et il est temps de lancer un deuxième pari,
08:17faire du GPU un processeur de calcul compétitif.
08:20La communication de l'entreprise se met en marche avec un message clair,
08:24Kuda everywhere.
08:32NVIDIA veut que les développeurs de logiciels testent leurs programmes sur les GPU
08:36pour voir s'ils y trouvent un avantage par rapport aux CPU.
08:39Ils envoient même leurs meilleurs ingénieurs faire des présentations
08:42dans les boîtes de logiciels et les universités.
08:45Bref, ils veulent faire sortir le GPU de la niche des joueurs,
08:48qui rapporte bien comme on l'a vu, mais pas assez.
08:51Et... bah ça marche.
08:52Androeng, le directeur du laboratoire d'IA de Stanford,
08:56commence à tester les GPU avec l'idée qu'ils pourraient être très utiles
08:59dans l'entraînement des réseaux de neurones.
09:00Alors c'est un type d'algorithme encore peu exploré
09:03qui repose sur une superposition d'équations
09:05qu'on pourrait un peu qualifier de la jagne mathématique.
09:08Et la grande question, c'est...
09:10est-ce qu'on pourrait calculer plusieurs de ces couches en même temps
09:13plutôt qu'une par une avec un CPU ?
09:15Grâce à l'aide d'un de ses étudiants,
09:17Androeng construit un serveur équipé de deux GPU haut de gamme,
09:20les GeForce GTX 280.
09:22Et là, bingo !
09:24Le parallélisme des GPU leur permet d'entraîner 70 fois plus rapidement
09:28un réseau de neurones de 100 millions de paramètres,
09:30un travail qui leur aurait pris plusieurs semaines sur des CPU
09:33et terminé en un jour.
09:36Androeng publie un article pour présenter la découverte de son équipe,
09:39et beaucoup de chercheurs en IA commencent à s'intéresser aux GPU.
09:42Mais il faut garder en tête que le GPU n'est pas le seul déclencheur
09:45de ce nouveau boom de l'IA.
09:47Grâce à l'afflux inédit de données sur Internet,
09:49les chercheurs ont enfin des volumes de data suffisants
09:52pour nourrir leurs algorithmes de machine learning.
09:54En 2012, une équipe de chercheurs de l'Université de Toronto
09:57enfonce le clou.
09:59Elles pulvérisent le record du concours de reconnaissance d'images d'Imagenet,
10:02donc une énorme banque d'images,
10:04avec seulement 15,3% d'erreurs contre 26,2% pour le top 2.
10:08Leur algorithme s'appelle AlexNet,
10:10et il a été entraîné sur deux GPU grâce à CUDA.
10:13Cette performance déclenche l'ère moderne du deep learning,
10:16et finit de convaincre le secteur de l'IA de passer au GPU.
10:18Encore une fois, Nvidia profite,
10:20mi-chance, mi-flair, des travaux de chercheurs.
10:23Et encore une fois, Jensen a la vision pour saisir cette chance.
10:27Les dirigeants de Nvidia décident que c'est le bon moment
10:30pour miser sur l'IA comme nouveau marché à part entière pour ses processeurs.
10:34L'entreprise monte en compétences et recrute des spécialistes de l'IA.
10:37Et ça, ça change pas mal de choses.
10:39Entre 2010 et 2016, elle grossit d'un peu plus de 3 000 employés à environ 7 000.
10:45Nvidia investit des sommes énormes sur une technologie
10:48qui est vraiment très différente de leur cœur de métier,
10:50alors qu'il n'y a pas vraiment de plan commercial clair à la clé.
10:53La recherche en intelligence artificielle existe depuis des dizaines d'années,
10:57et elle n'a toujours pas créé de vraies opportunités de marché.
11:00Jensen parle ironiquement d'un investissement dans un marché à 0 milliards de dollars,
11:05dont il a la conviction que ses GPU peuvent être l'élément déclencheur.
11:08Après tout, Nvidia avait déjà réussi un pari similaire avec le jeu vidéo
11:12à son lancement au début des années 90.
11:14Et c'est là que la vraie moula commence à arriver.
11:21Le dirigeant de Nvidia raconte aussi que ses équipes ont cherché à prendre contact avec,
11:25je cite, « chaque chercheur en IA de la planète ».
11:28Et c'est là que Nvidia s'impose dans le quotidien des spécialistes de l'IA.
11:32Les chercheurs se mettent à construire leur framework
11:34et leur librairie de machine learning sur CUDA.
11:36Les étudiants en IA apprennent leur métier sur CUDA.
11:39Toute une communauté de développeurs émerge autour de CUDA.
11:43Est-ce qu'on pourrait dire que c'est là qu'ils cassent la baraque ?
11:46CUDA ?
11:48Non ?
11:49Disons ?
11:50Non.
11:50Lisa ?
11:51Non.
11:51Disons ?
11:51Alors CUDA a quand même des concurrents,
11:54comme Roquem d'AMD ou OpenCL,
11:56un standard ouvert conçu initialement par Apple.
11:58Mais ils sont peu utilisés.
12:00Et comme en plus, peu d'ingénieurs savent vraiment bien manipuler
12:03les couches logiciels basse des GPU,
12:04le passage par CUDA est quasi obligé.
12:07En fait, Nvidia a réussi à reproduire sur l'IA
12:09le modèle qui a fait le succès d'Apple sur les smartphones.
12:12La popularité de ces puces n'est pas qu'une question de matériel,
12:15tout comme la popularité de l'iPhone n'est pas qu'une question de matériel.
12:19Ces deux produits sont avant tout une porte d'entrée
12:21vers un écosystème logiciel et une grande communauté de développeurs.
12:25Donc, pour détrôner Nvidia sur le marché de l'IA,
12:28il ne suffit pas juste de concevoir des architectures plus performantes.
12:31Il faut qu'elles soient tellement plus performantes
12:34que les professionnels de l'IA acceptent de se passer de CUDA.
12:37C'est aujourd'hui le grand casse-tête d'AMD
12:39qui, au final, n'est pas si loin d'Nvidia en termes d'architecture de puces,
12:44mais qui reste de l'autre côté du fossé.
12:45Cette position d'incontournable permet aussi à Nvidia d'imposer sans trop de mal à ses clients
12:50des marges de plus de 70% sur les GPU dédiés à l'IA.
12:55Parce que oui, depuis 2017, Nvidia a créé une seconde famille de GPU
12:59qui intègre des cœurs de calcul dédiés à l'intelligence artificielle.
13:02Ces processeurs sont beaucoup plus chers que les GeForce.
13:05Il faut débourser près de 10 000 euros et même plus de 40 000 euros sur les derniers modèles.
13:10Et ils sont destinés à être déployés dans les data centers.
13:13D'ailleurs, dès 2020, les revenus liés à ces puces deviennent une branche à part
13:16dans les résultats financiers de Nvidia.
13:19Les années suivantes, cette branche dédiée à l'IA a continué de se développer
13:22très très rapidement et encore plus depuis le boom déclenché par ChatGPT.
13:27Au point qu'aujourd'hui, l'offre data center de Nvidia est bien plus complexe
13:31que sur son marché historique.
13:33Si vous allez voir la page produite de Blackwell, sa dernière famille de GPU,
13:36vous allez voir une offre façon poupée russe.
13:39On peut acheter un GPU, mais aussi un boîtier avec plusieurs GPU interconnectés,
13:43une armoire de data center avec plusieurs de ses boîtiers interconnectés,
13:47ou carrément un DGX SuperPod qui est une allée entière d'armoires de data center interconnectés.
13:53Un petit data center à lui tout seul.
13:55Vous l'aurez compris, Nvidia ne se contente plus de vendre des GPU.
13:59Ils vendent aussi toute l'infrastructure nécessaire pour connecter ces GPU entre eux
14:03à différents niveaux, comme ce petit truc, le NVLink.
14:06En 2019, Nvidia a d'ailleurs déboursé 6,9 milliards de dollars
14:10pour s'offrir Melanox, une entreprise spécialisée dans les réseaux.
14:13En gros, elle voulait s'assurer qu'elle pourrait avoir le meilleur niveau d'interconnexion
14:17entre les processeurs de ses produits.
14:19Sur toute cette stack autour des GPU, Nvidia va aussi être extrêmement compliqué à rattraper.
14:24Et ce qui est encore plus fou quand on regarde dans le rétro financier,
14:27c'est que le pari de Nvidia sur l'intelligence artificielle commençait à porter ses fruits
14:31avant même la folie déclenchée par ChatGPT fin 2022.
14:34En 2021, par exemple, elle avait réalisé 11 milliards de dollars de chiffre d'affaires
14:39sur ce segment, soit 41% des revenus totaux de l'entreprise.
14:43Et l'année suivante, elle allait passer la barre des 50%.
14:46Pendant ce temps, le segment graphique, qui regroupe notamment les ventes de GeForce
14:49et de RTX pour les jeux vidéo, est resté stable.
14:52Par contre, l'arrivée de ChatGPT et les investissements démentiels de tous les gens
14:56de la tech a bien fait exploser la trajectoire de croissance de Nvidia.
15:00Sur l'année calendaire 2025, la branche compute et networking de Nvidia a fait
15:05193,5 milliards de dollars de chiffre d'affaires, soit quasiment 90% du chiffre d'affaires du groupe,
15:11dont 130,1 milliards de bénéfices.
15:14Alors, j'ai précisé le 0,1 milliards de dollars, mais est-ce qu'on est vraiment à 5 millions
15:18près ?
15:19Je pense pas.
15:19Alors, un petit fun fact pour finir.
15:22Un sondage en 2025 estimait que près de 80% des employés de Nvidia étaient millionnaires
15:27grâce à la politique de stock option plutôt généreuse de la boîte.
15:31Bref, l'histoire de Nvidia avec l'intelligence artificielle,
15:34c'est aussi la plus grande réussite de tous les temps d'un pari à long terme.
15:37Et le plus marquant, c'est que pendant tout ce temps,
15:40Nvidia et ses dirigeants ont eu une confiance absolue dans le potentiel révolutionnaire du GPU.
15:45Une confiance parfois quasiment aveugle.
15:47Pour reprendre la question du début, oui, Jensen Huang est visionnaire,
15:52mais en plus, il a la bonne étoile.
15:53Quelle était la probabilité que le boom de Tchad GPT arrive pile au bon moment sur sa trajectoire de croissance
15:59?
16:00Pas étonnant qu'il refuse de mettre autre chose que son blouson de cuir noir.
16:03C'est un sacré porte-bonheur.
16:19Sous-titrage Société Radio-Canada
16:19Sous-titrage Société Radio-Canada
16:21Sous-titrage Société Radio-Canada