Lorsque de plus en plus de personnes sur le marché commencent à en discuter, à savoir si l’IA va entraîner une marchandisation généralisée des logiciels, et comprimer davantage la valorisation ainsi que les marges bénéficiaires des entreprises technologiques, la réponse donnée par le PDG de NVIDIA, Huang Renxun, est très directe :
Ce qui est vraiment difficile à marchandiser, ce n’est pas seulement le logiciel lui-même, mais tout le processus qui convertit l’électronique en token.
Dans le cadre d’une récente interview exclusive, Huang Renxun explique, de façon complète, comment il comprend cette course à l’IA : de la chaîne d’approvisionnement de NVIDIA, de l’écosystème CUDA, de l’architecture de calcul de l’IA, aux clients cloud à très grande échelle, jusqu’au marché chinois et aux restrictions américaines à l’exportation.
(Huang Renxun utilise la métaphore du « gâteau à cinq étages » pour expliquer l’histoire de l’évolution de l’intelligence artificielle)
Son argument central peut se résumer en une phrase : la compétition de l’IA n’est pas une lutte pour un modèle unique, ni une lutte pour une puce unique ; c’est une bataille de « gâteau à cinq étages » qui englobe l’énergie, les puces, le réseau, les logiciels, l’écosystème et la couche d’applications — et ce que NVIDIA veut faire, c’est d’occuper le segment le plus difficile, mais aussi le moins facile à remplacer.
Huang Renxun : Le travail de NVIDIA consiste à transformer l’électron en tokens ayant plus de valeur
Face aux critiques externes, si de nombreuses entreprises de logiciels voient leur valorisation subir une pression à cause de l’IA, et que, dans la nature même de NVIDIA, les conceptions sont confiées à TSMC, la mémoire à SK hynix et Samsung, et l’assemblage à des ODM taïwanais, alors NVIDIA pourrait-elle aussi être entraînée dans la vague de marchandisation provoquée par l’IA ? La réponse de Huang Renxun est : ce ne sera pas aussi simple.
Il estime que le rôle de NVIDIA n’a jamais consisté à tout faire elle-même, mais à être responsable de la partie la plus clé et la plus difficile dans toute la chaîne de conversion « de l’électron au token ». D’après lui, l’entrée de NVIDIA, ce sont des electrons, et sa sortie, ce sont des tokens ; et la couche intermédiaire, qui est une capacité de transformation extrêmement complexe, est la raison d’être de cette société.
Huang Renxun souligne que cette conversion n’est pas seulement une simple transformation de l’électricité en résultats de calcul ; il faut au contraire augmenter en permanence la valeur des tokens, de sorte que, pour le même calcul, on puisse produire des tokens à une valeur économique plus élevée et à une efficacité supérieure. Entre tout cela, il y a la conception d’architecture, l’emballage (packaging), la mémoire, l’interconnexion, les algorithmes, les bibliothèques, les piles logicielles et la coopération au sein de l’écosystème : un processus hautement ingénierisé et scientifique, qui évolue encore rapidement. Selon lui, cela ne sera pas entièrement marchandisé.
Il décrit aussi plus avant la philosophie d’entreprise de NVIDIA : faire « le maximum nécessaire, le minimum non nécessaire ». Autrement dit, toute partie que l’on n’a pas besoin de faire soi-même, on la confie autant que possible aux partenaires et à l’écosystème ; et toute partie qu’il est indispensable de faire soi-même, et qui est extrêmement difficile, NVIDIA doit absolument s’en charger en personne, et faire de son mieux.
Ces « entreprises de logiciels de type outils » pourraient au contraire profiter d’une croissance explosive sous l’effet de l’IA
Concernant les craintes du marché selon lesquelles l’IA réduira l’espace des entreprises de logiciels, Huang Renxun a en réalité une vision presque à l’opposé. Il indique que de nombreuses entreprises de logiciels sont, dans leur nature même, des fabricants d’outils : par exemple Excel, PowerPoint, ou encore des sociétés d’EDA comme Cadence et Synopsys. Si ces entreprises n’ont pas encore connu une explosion plus importante, ce n’est pas parce que les outils seront remplacés, mais parce qu’aujourd’hui les agents ne savent pas encore assez bien utiliser les outils.
Selon lui, le nombre d’agents connaîtra une croissance exponentielle à l’avenir, et le nombre d’utilisateurs d’outils augmentera aussi exponentiellement, ce qui fera monter le nombre d’appels aux outils et la demande de licences. Prenons l’exemple de la conception de puces : aujourd’hui, l’utilisation des outils de conception reste limitée par le nombre d’ingénieurs ; mais à l’avenir, derrière chaque ingénieur, il pourrait y avoir plusieurs agents qui coopèrent, et la densité ainsi que la fréquence d’exploration de l’espace de conception dépasseront largement celles d’aujourd’hui.
À ce moment-là, des outils comme Synopsys Design Compiler, des floor planners, des outils de layout, des design rule checkers, etc., pourraient au contraire voir leur utilisation réelle exploser.
Autrement dit, Huang Renxun ne pense pas que l’IA va simplement éliminer les entreprises de logiciels de type outils ; elle pourrait au contraire les pousser vers une nouvelle courbe de croissance.
La véritable douve de NVIDIA, ce sont la chaîne d’approvisionnement amont et aval
Lorsqu’il évoque le fait que, ces dernières années, NVIDIA a pris d’importants engagements d’achats envers la chaîne d’approvisionnement amont, et que le marché estime même que cela pourrait atteindre plusieurs centaines de milliards de dollars sur les prochaines années, Huang Renxun n’a pas nié que c’est bien l’un des avantages majeurs de NVIDIA.
Il indique que NVIDIA a effectivement pris de nombreux engagements « upstream » explicites et implicites. Les premiers sont des engagements d’achat visibles par le marché ; les seconds passent par le fait de convaincre les hauts responsables de la chaîne d’approvisionnement, afin de les amener à investir d’abord dans l’expansion de la capacité. Ces investissements ne se produisent pas seulement parce que NVIDIA est disposée à acheter ; ils s’expliquent aussi parce que les fournisseurs croient que NVIDIA est capable d’absorber ces capacités, et de les vendre avec succès grâce à la forte demande en aval.
C’est aussi pour cela qu’il considère le GTC comme plus qu’un simple événement de lancement de produits : c’est une « réunion panoramique à 360 degrés » de tout l’univers de l’IA. À ses yeux, l’une des valeurs du GTC est de permettre à l’amont de voir l’aval, à l’aval de comprendre l’amont, et à l’ensemble de la chaîne industrielle de confirmer ensemble que la demande en IA va bien arriver, et à une échelle très grande. Huang Renxun va même jusqu’à dire que son keynote, dans une certaine mesure, a une forte fonction « pédagogique », car il doit faire comprendre à toute la chaîne d’approvisionnement : pourquoi l’IA arrive, quand elle arrivera, quelle sera sa taille, et comment se préparer en amont.
C’est également la raison pour laquelle NVIDIA a pu, ces dernières années, continuer à amplifier le flux au sein de sa chaîne d’approvisionnement. Huang Renxun insiste sur le fait que la chaîne d’approvisionnement ne regarde pas uniquement les flux de trésorerie, mais aussi le taux de rotation et la visibilité de la demande. Si l’architecture et la vitesse de rotation des produits d’une entreprise ne sont pas suffisamment rapides, la chaîne d’approvisionnement ne sera pas disposée à construire une usine ou à élargir des lignes pour elle à l’avance. Si NVIDIA peut faire cela, c’est parce que la demande en aval est assez grande, assez certaine, et que toute la chaîne d’approvisionnement peut voir cette trajectoire.
Huang Renxun n’a pas peur des goulots d’étranglement : dans la plupart des cas, ce ne sont que des problèmes de deux ou trois ans
Interrogé sur la question de savoir si l’amont arrive vraiment à suivre la demande en puissance de calcul de l’IA, surtout lorsque l’IA a déjà absorbé une grande partie des capacités de procédés de fabrication et de packaging avancés de TSMC, et qu’ensuite, comment cela pourrait-il continuer à doubler année après année ? La position de Huang Renxun est très claire : presque tous les goulots d’étranglement de fabrication ne sont fondamentalement que des problèmes de deux à trois ans.
Il prend des exemples : dans le passé, on parlait très souvent des goulots d’étranglement du packaging CoWoS, mais aujourd’hui, il n’y a presque plus de discussions à ce sujet, parce que l’ensemble de l’industrie a concentré ses efforts sur la résolution en l’espace de deux ans. TSMC a aussi intégré le packaging avancé et le HBM comme une partie des technologies de calcul grand public, plutôt que comme des besoins particuliers. Autrement dit, tant que le signal de la demande est suffisamment clair, toute la chaîne industrielle se mobilisera spontanément et affluera pour combler les goulots.
Pour Huang Renxun, ce que l’IA apporte n’est pas la disparition des emplois, mais une restructuration de l’industrie et une redistribution des besoins en talents. Ce qu’il faut vraiment craindre, ce n’est pas de savoir si certaines professions vont disparaître complètement, mais si la société, par peur excessive, va mal faire correspondre l’offre de talents.
Il dit aussi clairement que des questions comme les procédés de fabrication, le packaging et le HBM peuvent être résolues en deux à trois ans ; ce qui est vraiment plus lent et plus difficile, c’est la politique énergétique. Car, qu’il s’agisse d’usines d’IA, de fabrication de puces, de packaging avancé, de véhicules électriques, de robots, ou encore de dé-industrialisation (reindustrialisation), tout dépend de l’énergie. Si l’énergie devient un goulot d’étranglement, la vitesse d’expansion de l’ensemble de l’industrie sera limitée.
Cet article Huang Renxun, la toute dernière interview : la douve de NVIDIA peut-elle continuer à rester ? (Partie 1) est apparu pour la première fois sur Lien News ABMedia.
