En bref : ce que les investisseurs doivent retenir de la conférence 2025 de NVIDIA

Les tokens sont le « nouveau pétrole »

Les données étaient autrefois le « nouveau pétrole », mais dans un monde d’IA générative où la création de données synthétiques devient illimitée, les tokens sont désormais la nouvelle source d’énergie. L’innovation originale du modèle transformateur qui a révolutionné les pratiques et inauguré l’ère de l’IA générative repose sur la tokenisation. Les tokens sont des unités de données qui sont traitées par les modèles d’IA lors des phases d’entraînement et d’inférence, permettant la prédiction, la génération et le raisonnement. Par conséquent, les tokens sont synonymes d’intelligence et alimenteront la croissance des revenus et des bénéfices.

Le PDG de NVIDIA, Jensen Huang, parle depuis longtemps « d'usines à IA », c’est-à-dire de centres de données basés sur l’IA créant des tokens et donc de l’intelligence pour mieux concevoir les produits, gérer les entreprises plus efficacement et améliorer la qualité de service aux clients. Il envisage un avenir où chaque entreprise disposera de deux types d’usines : fabrication d'un côté et mathématiques de l'autre. NVIDIA, leader des puces d’IA avancées, n'en est qu'à ses débuts dans les puces du futur reposant sur un outil logiciel dit « d’Automatisation de Conception Électronique » (ACE) propulsé par l’IA. Et ce n’est que récemment que ce logiciel a été optimisé pour fonctionner sur le langage de programmation CUDA de NVIDIA. La société a également annoncé un partenariat global avec GM (General Motors) pour utiliser l’IA afin d’aider le constructeur automobile à concevoir des véhicules, à améliorer leur efficacité et à donner vie à la conduite autonome.

IA agentique – la prochaine vague d’IA

Nous n’en sommes qu’au tout début de la courbe d’innovation de l’IA générative. La nouvelle loi mise en évidence par Jensen Huang est celle de la mise à l’échelle du temps de test ou « modèles de raisonnement long ». Plutôt que de donner la priorité à la vitesse, ceux-ci adoptent une approche plus lente du processus de réflexion afin de parvenir à des réponses plus précises. Récemment introduits sur le marché, ces modèles de raisonnement permettent l'avènement de « l’IA agentique ». Cette forme d'IA a une capacité d’action dans le sens où elle comprend le contexte du problème qu’on lui demande de résoudre. Ces modèles d'IA peuvent désormais raisonner et planifier un plan d’actions pour résoudre un problème de manière multimodale, ce qui constitue une percée technologique. Il peut s’agir de lire un article sur un site Web ou de regarder une vidéo, puis d’emprunter simultanément plusieurs chemins potentiels pour résoudre le problème, puis de vérifier la cohérence des réponses ou de les réintégrer à la question. Cela résout les problèmes rencontrés par ChatGPT et d’autres modèles d’inférence ponctuels pour répondre à des questions simples, sans parler des questions plus complexes. L’IA agentique est une intelligence plus vaste qui permet l'émergence de la prochaine vague : passage des copilotes aux agents d’IA qui peuvent accomplir des tâches sans supervision avec un haut degré de précision et de cohérence. L’IA agentique élargit considérablement le marché potentiel de l’IA et ouvre la voie à de nouvelles applications physiques de l’IA, telles que les humanoïdes et la conduite autonome, où les forces du monde réel telles que la gravité, la friction ou la relation de cause à effet entrent en jeu.

Clarification du quiproquo DeepSeek

Jensen s’est efforcé de souligner que le marché s'était complètement trompé sur les implications du lancement du modèle R1 de DeepSeek plus tôt cette année. En comparant une réponse de DeepSeek à un modèle standard sans raisonnement de Meta, la réponse de DeepSeek était plus précise, mais nécessitait 20 fois plus de tokens et 150 fois plus de puissance de calcul. Loin d’indiquer de moindres exigences de puissance à l'avenir, DeepSeek a permis aux modèles de raisonnement d'être mis sur le devant de la scène, ouvrant la voie à une nouvelle mise à l’échelle pour les besoins de calcul de l’IA.

NVIDIA a également présenté sa feuille de route jusqu’en 2027, qui culminera avec sa prochaine superpuce d’IA, baptisée Rubin Ultra, dont la performance sera plus de 400 fois supérieure à celle de la puce Hopper. Cette annonce est importante car les restrictions actuelles pesant sur l’exportation de semi-conducteurs américains (et visant à limiter l’accès de la Chine aux puces avancées et aux équipements nécessaires à leur production) limitent strictement la puissance de calcul de l’IA au niveau dégradé de la puce Hopper. Au cours des prochaines années, les nouveaux modèles d’IA chinois seront limités par ce plafond de calcul, tandis qu’à l’échelle mondiale, les modèles d’IA devraient s’entraîner sur une infrastructure d’IA aux performances toujours plus élevées. Cela pourrait indiquer que les capacités actuelles de la Chine en matière d’IA sont déjà à un niveau relativement élevé par rapport au reste du monde.

Les solutions « full stack » résoudront le défi posé à la puissance de l’IA

NVIDIA n’a jamais été qu’une simple entreprise de semi-conducteurs – une part importante des gains de performance et des économies d’énergie réalisés est attribuable à l’innovation en matière de logiciels et de réseaux. Jensen a toujours dit que l’IA générative était un problème de type « full stack » qui nécessitait une solution complète. Lors de sa dernière conférence, l’entreprise a présenté de nouvelles innovations telles que l’optique co-packagée et sa virtualisation logicielle Dynamo. La mise en réseau optique dans des clusters d’entraînement d’IA représente une consommation d’énergie majeure avec 6 émetteurs-récepteurs par processeur graphique, consommant chacun 30 watts d’énergie, de sorte que plus le nombre de clusters d’entraînement augmente, plus la consommation d’énergie optique s'envole. En intégrant des composants optiques dans les commutateurs eux-mêmes, NVIDIA affirme qu’elle peut fournir une efficacité énergétique 3,5 fois supérieure en utilisant 4 fois moins de lasers. Dynamo est une couche logicielle de virtualisation qui optimise les charges de travail d’inférence en virtualisant les processeurs graphiques et en répartissant la charge de travail entre eux, ce qui permet de multiplier par 30 la performance d’inférence.

Nous continuons de penser que les défis posés par l’énergie nécessaire pour faire progresser et exécuter l’IA seront résolus par l’innovation technologique. Par conséquent, le spectre des technologies recèle selon nous davantage d'opportunités d’investissement que les secteurs des services aux collectivités ou des infrastructures électriques.