Des startups à la Big Tech, les rivaux de Nvidia se multiplient : peut-on le détrôner ?

La course pour contester la domination de Nvidia dans les puces d'intelligence artificielle entre dans un nouveau chapitre, avec des startups attirant des milliards de dollars de financement, la Big Tech accélérant le développement interne de puces, et des investisseurs pariant que la phase suivante de l'informatique AI pourrait ne pas appartenir exclusivement aux unités de traitement graphique.

Tandis que Nvidia continue de dominer le marché du matériel pour l'IA, l'attention se déplace de plus en plus de l'entraînement de modèles massifs vers leur exécution efficace dans des applications réelles, connue sous le nom d'inférence AI.

Cette transition a ouvert la voie à une nouvelle génération de fabricants de puces promettant des performances supérieures, une consommation d'énergie réduite et des coûts d'exploitation sensiblement inférieurs.

Le rappel le plus récent est intervenu mercredi lorsque la startup de puces AI SambaNova a levé 1 milliard de dollars lors d'un nouveau tour de financement, soulignant la volonté des investisseurs d'appuyer des sociétés cherchant à se tailler une part d'un des marchés technologiques à la croissance la plus rapide au monde.

Ce tour de financement valorise SambaNova à 11 milliards de dollars et a été dirigé par General Atlantic, avec la participation de Seligman Ventures, T. Rowe Price et Capital Group.

Ce dernier investissement fait suite à un tour distinct plus tôt cette année au cours duquel la société a levé plus de 350 millions de dollars auprès d'investisseurs dont Intel, parallèlement à un partenariat stratégique.

Selon un reportage de CNBC publié en avril, les startups de puces AI ont levé 8,3 milliards de dollars dans le monde en 2026.

Sauf retournement brutal des marchés de financement, les investissements dans le secteur devraient atteindre des niveaux records cette année.

Source : CNBC

L'attention se déplace de l'entraînement vers l'inférence

Nvidia a bâti sa domination sur des unités de traitement graphique initialement conçues pour le jeu, mais ensuite adaptées à l'entraînement de modèles d'IA.

Ces puces demeurent la norme industrielle pour la construction de grands modèles de langage.

Toutefois, alors que les entreprises déploient de plus en plus d'applications d'IA plutôt que d'entraîner de nouveaux modèles de base, l'industrie prête davantage attention à l'inférence, le processus par lequel des modèles d'IA entraînés répondent aux requêtes des utilisateurs.

Beaucoup de startups soutiennent que les GPU, bien que remarquablement puissants, n'ont jamais été conçus spécifiquement pour les charges de travail IA.

À la place, elles estiment que des processeurs spécialisés, conçus spécifiquement pour l'inférence, peuvent réduire considérablement les coûts tout en consommant moins d'électricité.

Liste de startups de puces AI cherchant à défier Nvidia

SambaNova est loin d'être la seule entreprise à tenter d'affaiblir l'emprise de Nvidia sur l'infrastructure AI.

Cerebras, qui a récemment fait son entrée sur les marchés publics après avoir levé 5,5 milliards de dollars, s'est longtemps positionnée comme l'un des concurrents les plus sérieux de Nvidia.

Morgan Stanley a estimé que la société bénéficie d'un avantage du premier entrant dans certains segments de calcul AI.

Un autre acteur très suivi est Groq, dont l'architecture axée sur l'inférence a suscité tellement d'attention que Nvidia a accepté de licencier une partie de sa technologie de puces et a embauché son directeur général en décembre dernier.

CNBC a ensuite rapporté que Nvidia avait convenu d'acquérir Groq pour 20 milliards de dollars en numéraire, bien qu'aucune des deux entreprises n'ait confirmé le rapport.

Groq a déclaré qu'elle continuerait d'opérer de manière indépendante sous la direction de son directeur général Simon Edwards.

Fait intéressant, Nvidia a ensuite présenté sa propre unité de traitement du langage lors de sa conférence annuelle GTC en mars, ce qui suggère qu'elle intègre des idées issues de concurrents plus récents plutôt que de les ignorer.

Une autre startup qui attire l'attention est D-Matrix, fondée en 2019.

La société affirme que ses processeurs peuvent exécuter des charges d'inférence jusqu'à 10 fois plus rapidement tout en consommant cinq fois moins d'énergie que des GPU Nvidia autonomes, à condition que les charges restent relativement petites.

D-Matrix a levé environ 500 millions de dollars à ce jour, atteignant une valorisation estimée à environ 2 milliards de dollars.

Microsoft a participé à son financement via sa branche venture M12.

Les fabricants de modèles AI cherchent à concevoir leurs propres puces

La pression concurrentielle ne vient pas uniquement des startups.

Beaucoup des plus grands clients de Nvidia deviennent simultanément des rivaux alors qu'ils investissent massivement dans la conception de puces AI propriétaires.

La logique est simple. Développer du silicium sur mesure réduit la dépendance à Nvidia, diminue les coûts d'infrastructure à long terme et permet une intégration plus étroite entre matériel et logiciel.

Reuters a rapporté cette semaine que la startup chinoise DeepSeek développe sa propre puce AI dans le but de réduire sa dépendance aux processeurs Nvidia et Huawei utilisés pour entraîner et déployer ses modèles.

Plus tôt ce mois-ci, The Information a rapporté qu'Anthropic avait eu des discussions avec Samsung au sujet d'une collaboration sur une puce future, bien que les décisions clés concernant ses spécifications et son usage prévu restent non résolues.

OpenAI a dévoilé le mois dernier son premier processeur AI personnalisé, nommé Jalapeño, développé en partenariat avec Broadcom.

Le directeur général de Broadcom, Hock Tan, a déclaré à Reuters que le processeur offre des performances comparables aux puces Blackwell de Nvidia et aux unités de traitement tensoriel de Google.

La Big Tech devient de plus en plus un concurrent de Nvidia

Google lui-même agit de manière agressive pour réduire sa dépendance à Nvidia.

Plutôt que d'utiliser les mêmes processeurs pour l'entraînement et l'inférence, la société sépare ces charges de travail en puces dédiées dans la huitième génération de sa famille d'unités de traitement tensoriel.

Ses processeurs TPU 8t et TPU 8i devraient être disponibles plus tard cette année.

Amazon suit une stratégie similaire.

Son responsable IA, Peter DeSantis, a récemment déclaré à Bloomberg qu'Amazon Web Services envisageait la possibilité de vendre ses puces Trainium à des clients externes, créant potentiellement l'une des alternatives les plus solides à Nvidia dans l'infrastructure des centres de données.

Ces discussions en sont encore à un stade précoce, mais elles font suite aux commentaires du directeur général d'Amazon, Andy Jassy, selon lesquels la demande pour les puces IA développées en interne est si forte que leur commercialisation est désormais à l'étude.

Meta investit également massivement dans du matériel AI personnalisé via un partenariat élargi avec Broadcom.

Le programme Meta Training and Inference Accelerator (MTIA) de la société a déjà produit sa première puce, la MTIA 300, qui alimente les systèmes de classement et de recommandation sur les plateformes de Meta.

Trois générations supplémentaires sont attendues d'ici 2027, les versions ultérieures étant conçues spécifiquement pour les charges d'inférence qui alimentent les assistants IA et répondent aux requêtes des utilisateurs.

Comme Google et Amazon, l'objectif de Meta est de réduire sa dépendance à Nvidia tout en adaptant les puces à sa propre pile logicielle et à son infrastructure IA.

Ce déplacement illustre une tendance plus large chez les hyperscalers.

Plutôt que de se fier entièrement à des GPUs standard, les géants technologiques conçoivent de plus en plus des circuits intégrés spécifiques à une application (ASIC) optimisés pour leurs propres charges de travail.

AMD et Broadcom ont déjà pris des positions significatives

Contrairement à de nombreuses startups, AMD et Broadcom se sont déjà imposés comme des concurrents significatifs dans l'infrastructure AI.

La transformation d'AMD a, à plusieurs égards, suivi un chemin similaire à celui de Nvidia.

Initialement connue pour ses cartes graphiques gaming et ses processeurs PC, la société a recentré son activité sur les accélérateurs pour centres de données et les puces AI, lui permettant d'émerger comme le deuxième acteur public du marché des accélérateurs AI.

La stratégie a rapporté gros aux investisseurs.

Le cours d'AMD a bondi de plus de 460 % au cours des cinq dernières années, portant la valeur de l'entreprise à plus de 840 milliards de dollars.

Broadcom, quant à elle, est devenue l'une des sociétés les plus stratégiquement importantes dans le silicium AI sur mesure.

Plutôt que de concurrencer directement Nvidia via des puces commerciales, Broadcom conçoit des processeurs sur mesure pour certains des plus grands développeurs AI au monde.

Les analystes de Melius Research ont récemment indiqué que Broadcom dispose d'une visibilité sur environ 10 gigawatts de demande AI d'ici 2027 de la part de clients incluant Anthropic et Meta Platforms.

L'influence de la société s'est encore renforcée mercredi après la signature d'un accord semiconducteurs de plus de 30 milliards de dollars avec Apple.

Dans le cadre de l'accord, Broadcom concevra et fabriquera « custom silicon components and cutting-edge wireless connectivity technologies » pour les produits d'Apple.

Les analystes voient le leadership de Nvidia se réduire, pas disparaître

Malgré le nombre croissant de concurrents, la plupart des analystes estiment que le leadership de Nvidia demeure écrasant.

« Nvidia va certainement faire face à plus de concurrence qu'il y a un an », a déclaré KinNgai Chan, directeur général chez Summit Insights Group, dans des commentaires à Reuters en mars.

« Nvidia détient encore plus de 90 % de part de marché tant sur les marchés d'entraînement que d'inférence aujourd'hui. »

Cependant, Chan s'attend à ce que cette domination s'érode progressivement au cours des prochaines années.

« Nous pensons que Nvidia commencera à perdre des parts à partir de 2027, une fois que les programmes ASIC internes auront atteint une certaine échelle, en particulier sur le marché de l'inférence », a-t-il déclaré, faisant référence aux circuits intégrés spécifiques à une application conçus pour des charges dédiées et offrant une efficacité supérieure aux GPU polyvalents.

Morningstar partage une perspective similaire à long terme.

« À long terme, nous pensons qu'il est inévitable que Google et AWS cherchent à internaliser davantage de puces et d'équipements AI, au détriment de Nvidia », a écrit l'analyste de Morningstar Brian Colello.

« Nous nous attendons à ce que Nvidia perde des parts de marché au profit des TPU de Google et du Trainium d'Amazon (surtout si Anthropic et/ou Google Gemini émergent comme modèles de pointe dominants), mais nous pensons que la part de Nvidia devrait se stabiliser à 68 % en 2030 (contre 80 % aujourd'hui) au sein d'un gâteau des dépenses AI beaucoup plus grand », a-t-il ajouté.

Nvidia riposte sur plusieurs fronts

Cependant, tout bien considéré, Nvidia ne reste pas inerte.

La société a dépensé plus de 18 milliards de dollars en recherche et développement au cours de l'exercice clos en janvier 2026, alors qu'elle accélère les travaux sur les processeurs AI de prochaine génération, les produits de mise en réseau et la photonique.

Lors du dernier appel trimestriel en mai, Huang a déclaré que les nouveaux processeurs centraux « Vera » de Nvidia lui donnent accès à un nouveau marché de 200 milliards de dollars.

Nvidia prévoit que ses puces Vera génèreront 20 milliards de dollars de revenus d'ici la fin de l'exercice en cours.

Huang a précisé que ces ventes n'étaient pas incluses dans la projection antérieure de 1 000 milliards de dollars de revenus provenant de ses plateformes de puces AI Blackwell et Rubin entre 2025 et 2027.

Peut-être plus significativement, Nvidia choisit de plus en plus la collaboration plutôt que la confrontation.

Plutôt que d'entrer en compétition frontale avec chaque startup de puces AI émergente, Nvidia opte de plus en plus pour des collaborations avec des entreprises développant des processeurs spécialisés pour l'inférence.

L'acquisition d'actifs de la startup d'inférence AI Groq en décembre pour 20 milliards de dollars et l'annonce d'investissements de 4 milliards de dollars dans deux entreprises de photonique plus tôt cette année faisaient partie de cette stratégie.

De plus, en intégrant certaines puces de concurrents aux côtés de ses propres GPUs dans des baies de serveurs AI, Nvidia élargit son écosystème tout en veillant à continuer de bénéficier des dépenses d'infrastructure AI, quel que soit le type de technologies d'inférence qui l'emportera.

Cette stratégie permet à Nvidia de participer à plusieurs écosystèmes matériels AI tout en continuant à générer des revenus même si les clients adoptent des puces d'inférence spécialisées parallèlement à ses GPUs.

Mercredi, le fournisseur de cloud d'inférence Parasail a annoncé qu'il déploierait les accélérateurs d'inférence Corsair de D-Matrix aux côtés des systèmes Nvidia Hopper et Blackwell afin d'offrir « jusqu'à 10x faster, more cost-efficient inference services » aux clients.

Par ailleurs, les produits de SambaNova sont conçus pour compléter le matériel Nvidia plutôt que de le remplacer entièrement.

Rodrigo Liang, directeur général de SambaNova, a déclaré que ses puces SN40 et SN50 peuvent exécuter la partie dite de décodage de l'inférence, décompressant la requête à partir du modèle cinq à dix fois plus rapidement, ce qui aide à libérer le même nombre de puces Nvidia pour d'autres tâches comme l'entraînement.

La forte croissance se poursuit malgré les pressions concurrentielles

Les derniers résultats financiers de Nvidia suggèrent que la concurrence n'a pas encore sérieusement entamé son activité.

Sa division data center, qui demeure le principal moteur de croissance de l'entreprise, a annoncé un chiffre d'affaires record de 75,2 milliards de dollars, en hausse de 92 % en glissement annuel.

Le directeur général Jensen Huang a cherché à rassurer les investisseurs sur le fait que la demande reste large et que les nouveaux produits aideront la société à dépasser l'opportunité de 1 000 milliards de dollars de revenus qu'elle a projetée pour ses plateformes phares de puces AI.

Même ainsi, les actions NVDA ont reculé de 1,6 % après la publication des résultats malgré des prévisions de revenus supérieures aux attentes et l'annonce d'un programme de rachat d'actions de 80 milliards de dollars.

La réaction du marché suggère que les investisseurs regardent de plus en plus au-delà des bénéfices actuels et se concentrent sur la capacité de Nvidia à défendre sa position dominante alors que les concurrents se multiplient.

Le titre a progressé de manière relativement modeste de 4 % cette année et de juste plus de 23 % sur les 12 derniers mois, une nette modération par rapport à ses gains extraordinaires lors des premières phases du boom de l'IA.