L’histoire
Nvidia a été fondée en 1993 dans un restaurant Denny’s à San Jose. Trois ingénieurs — Jensen Huang, Chris Malachowsky et Curtis Priem — voulaient apporter la 3D au PC. Pendant les dix premières années, Nvidia fut un fabricant de matériel typique sur le marché brutal des puces graphiques. Des concurrents comme 3dfx, S3 et ATI ont soit disparu, soit été rachetés ; Nvidia a survécu grâce à un cycle produit de 6 mois qui maintenait une cadence si soutenue que les concurrents décrochaient.
L’introduction en bourse de janvier 1999 à 12 $ fut sans éclat. Jusqu’en 2006, Nvidia était un pur fabricant de GPU pour le gaming. Vint alors le tournant stratégique décisif : Huang s’en est tenu à la boîte à outils CUDA — une couche de programmation qui exposait les GPU comme des processeurs parallèles à usage général. CUDA fut déficitaire pendant des années. Des scientifiques et quelques hedge funds quantitatifs l’utilisaient ; le grand marché, non. Mais Huang a continué d’investir des milliards, car sa thèse était la suivante : si un jour les algorithmes deviennent parallèles aux données, CUDA devient le standard logiciel.
La thèse a été confirmée en 2012. AlexNet de Geoffrey Hinton a remporté le concours de reconnaissance d’images ImageNet avec un facteur 10 — sur deux GPU Nvidia. Ce fut le coup d’envoi de l’ère du deep learning. Le P100 en 2016 est devenu le premier véritable GPU de datacenter ; en 2017, Google, Tesla et OpenAI ont passé leurs premières grosses commandes. Le H100 (architecture Hopper) a été lancé en 2022 — puis ChatGPT a déferlé sur le monde en novembre 2022. En 12 mois, le chiffre d’affaires datacenter de Nvidia a triplé ; en 18 mois, Nvidia est brièvement devenue l’entreprise cotée la plus valorisée au monde.
Ce qui l’a fait entrer au Hall of Fame
Le fossé concurrentiel (moat) de Nvidia n’est pas avant tout le silicium du GPU — des concurrents comme AMD et Intel peuvent fabriquer des puces physiquement similaires. Le moat, c’est CUDA : 18 ans de bibliothèques logicielles continuellement maintenues, avec plus de 250 frameworks qui ont formé pratiquement tous les ingénieurs ML sérieux de la planète. Quiconque veut entraîner un modèle rapidement écrit du CUDA. AMD ROCm et Intel oneAPI sont techniquement capables — mais la base installée de code, de tutoriels, de réponses Stack Overflow, et le fait que chaque nouveau stagiaire apprend CUDA, confèrent à Nvidia un verrouillage inimaginable hors du logiciel.
Le deuxième facteur est l’intégration verticale. Nvidia ne livre pas seulement une puce, mais un système complet : GPU + réseau (Mellanox 2019) + pile logicielle + systèmes clés en main DGX + accès cloud via des partenaires. Quiconque construit un cluster d’entraînement de classe GPT achète de fait une solution Nvidia. Ce n’est pas une vente de produit ; c’est une vente de plateforme, avec des marges brutes supérieures à 70 %.
Troisièmement : la mentalité de PDG-fondateur. Jensen Huang est PDG depuis 1993, sans interruption. Il détient 3,5 % du capital et s’est tenu à une stratégie sur 30 ans — y compris pendant les années où CUDA ne rapportait pas d’argent. Huang incarne le schéma du Hall of Fame : un PDG-propriétaire qui a patienté à travers de longues périodes de stagnation apparente pour un gain asymétrique. Le moment ChatGPT ne fut pas de la chance ; ce furent 18 ans de préparation calculée.
Où en est-on en 2026
Nvidia évolue en mai 2026 dans une position presque insoutenablement favorable. Le cycle d’investissement (capex) des hyperscalers (Microsoft, Google, Meta, Amazon, Oracle) a atteint un rythme de plus de 350 Md$ par an — dont la majeure partie afflue vers Nvidia. L’architecture Blackwell (B100/B200) monte en puissance ; chaque grand cluster d’entraînement de modèles sur Terre tourne sur ces puces. Le chiffre d’affaires datacenter approche d’un rythme annualisé de 150 Md$. Le PER de 35x ne paraît pas extrême, car le free cash-flow a rattrapé son retard.
Risques : premièrement, la concentration — plus de 50 % du chiffre d’affaires provient de 5 clients hyperscalers. S’ils ralentissent leur capex ou développent leur propre silicium (Google TPU, Amazon Trainium, Meta MTIA), les marges s’érodent. Deuxièmement, la géopolitique — les restrictions à l’exportation vers la Chine plafonnent environ 25 % du TAM. Troisièmement, le cycle de battage médiatique autour de l’IA lui-même : si la monétisation des applications d’IA reste en deçà des attentes, les hyperscalers pourraient réduire leur capex. La position au Hall of Fame est acquise ; la question ouverte est de savoir si Nvidia délivrera encore un TCAC de 36 % tout au long des années 2030 ou basculera en mode « valeur de croissance mature ».
Enseignements pour l’investisseur
Trois leçons. Premièrement : le verrouillage logiciel l’emporte sur l’avance matérielle. Le CUDA de Nvidia fut le véritable actif pendant 15 ans avant d’apparaître dans le cours de l’action. Deuxièmement : les PDG-fondateurs qui investissent sur le long terme finissent par être récompensés. Quiconque a écarté Huang en 2010 parce que « les GPU de gaming sont un métier cyclique » a manqué une hausse de 1 000x. Troisièmement : les gains asymétriques suivent de longues périodes de stagnation apparente. Nvidia se négociait à un PER de 15 à 25x de 2015 à 2022 — pour une entreprise qui contrôlait déjà la plateforme suivante. Ici, la patience n’est pas seulement une vertu ; c’est une stratégie d’investissement.