Le fossé logiciel CUDA de Nvidia génère des marges brutes de 75 % et un chiffre d'affaires de 82 milliards de dollars

Le produit le plus précieux de Nvidia n'est peut-être pas du tout une puce — sa plateforme logicielle CUDA a créé des coûts de changement si élevés que même des rivaux plus rapides et moins chers peinent à s'implanter.

Le chiffre d'affaires de Nvidia a presque doublé pour atteindre 82 milliards de dollars au dernier trimestre, contre 44 milliards de dollars un an plus tôt, tandis que la marge brute est passée de 61 % à 75 %, selon les documents déposés par l'entreprise. Ces chiffres reflètent une activité qui domine le calcul de l'intelligence artificielle, mais le moteur de cette performance va au-delà des spécifications matérielles.

« Les développeurs ont passé deux décennies à construire des outils d'IA sur CUDA, et ils rechignent rarement à tout reconstruire à partir de zéro », explique Stacy Rasgon, analyste senior chez Bernstein. « Les coûts de changement sont énormes, même lorsqu'une puce concurrente offre de meilleures spécifications. »

La plateforme CUDA, lancée en 2007, compte aujourd'hui plus de 5 millions de développeurs dans le monde, selon les estimations publiées par Nvidia. Son effet de réseau fonctionne comme un cycle auto-renforcé : plus les développeurs utilisent CUDA, plus l'écosystème devient précieux, ce qui rend le matériel de Nvidia plus attractif, attirant ainsi davantage de développeurs. Il en résulte une barrière concurrentielle qu'aucun rival n'a encore franchie, même si AMD, Amazon, Google et Microsoft investissent des milliards dans des puces alternatives.

Les enjeux pour les investisseurs vont au-delà d'un simple cycle de produits. Le fossé logiciel de Nvidia signifie que l'entreprise rivalise sur les écosystèmes, et non uniquement sur les spécifications techniques — une dynamique qui a historiquement permis à Apple, Microsoft et Amazon de maintenir des positions dominantes pendant des décennies. Si l'effet de réseau de CUDA se maintient, la croissance du chiffre d'affaires et l'expansion des marges de Nvidia pourraient perdurer sur plusieurs générations de matériel.

Pourquoi l'effet de réseau de CUDA est difficile à reproduire

Le problème des coûts de changement pour les rivaux de Nvidia ne concerne pas la performance — il repose sur la base installée. Une entreprise qui a passé des années à optimiser ses modèles d'IA sur CUDA doit former ses ingénieurs, réécrire ses logiciels et tester ses applications avant de migrer vers une plateforme concurrente. Cette friction existe indépendamment du fait que la puce alternative soit plus rapide ou moins chère.

AMD a fait la tentative la plus crédible en périphérie du territoire de Nvidia. OpenAI a signé un accord de 6 gigawatts avec AMD en octobre 2025, débutant par un déploiement de 1 gigawatt de puces MI450 au second semestre 2026. Meta a suivi en février avec son propre accord de 6 gigawatts avec AMD, d'une valeur de plus de 100 milliards de dollars selon le Wall Street Journal, incluant des bons de souscription qui pourraient donner à Meta jusqu'à 10 % d'AMD si certains jalons sont atteints.

Pourtant, même ces engagements ne menacent pas l'activité principale de Nvidia à court terme. Les GPU Instinct d'AMD serviront des charges de travail spécifiques aux grands fournisseurs de cloud, mais le marché plus large des acheteurs d'IA en entreprise — banques, hôpitaux, industriels — reste verrouillé sur CUDA. Ces clients ne construisent pas de silicium sur mesure ni ne réécrivent leurs piles logicielles. Ils achètent le package intégré matériel-logiciel de Nvidia.

La menace des ASIC est réelle mais lointaine

Le plus grand risque à long terme vient des puces sur mesure. Le Trainium d'Amazon, le TPU de Google, le Maia de Microsoft et le MTIA de Meta sont conçus pour servir les charges de travail spécifiques d'une seule entreprise, contournant ainsi l'avantage généraliste de Nvidia. Broadcom, le partenaire discret derrière une grande partie de cette évolution, a annoncé un accord d'accélérateur personnalisé de 10 gigawatts avec OpenAI en octobre 2025, avec des déploiements débutant au second semestre 2026.

Broadcom, Apollo et Blackstone ont également lancé ce mois-ci une plateforme AI XPV de 35 milliards de dollars, visant plus de 20 gigawatts de capacité de calcul d'ici 2028, incluant l'expansion précédemment annoncée d'Anthropic de plus de 1 gigawatt. Les expéditions d'ASIC augmentent à un rythme trois fois supérieur à celui des GPU commerciaux, selon des données sectorielles citées par les analystes.

Mais le silicium sur mesure prend des années à développer et à déployer. Le système en rack GB300 NVL72 de Nvidia, qui a surpassé sa propre plateforme GB200 de 45 % lors des tests d'inférence DeepSeek R1 dans les derniers benchmarks MLPerf, montre que l'entreprise continue de s'améliorer depuis une position de force. Le tissu NVLink de 130 téraoctets par seconde à travers le rack de 72 GPU crée un avantage systémique que les puces discrètes ne peuvent égaler.

Pour les investisseurs, le calcul est simple. Les actions Nvidia se négocient à environ 35 fois les bénéfices futurs, une prime qui reflète la confiance du marché dans son fossé écologique. Le risque est que les programmes de silicium sur mesure des grands fournisseurs de cloud érodent cet avantage, mais ce scénario reste à des années. En attendant, l'effet de réseau de CUDA continue de générer le type de revenus récurrents et d'expansion des marges que les fabricants de puces purement matériels ne peuvent reproduire.

Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.