Pourquoi Jensen Huang voit les H100 comme des infrastructures, pas comme du matériel qui se déprécie

Jensen Huang, le directeur général de Nvidia, ne défend pas seulement une position technologique : son argument est aussi financier. Un GPU ne devrait pas être considéré uniquement comme un équipement qui perd mécaniquement de la valeur avec le temps. S’il peut être réaffecté à différents clients, fortement utilisé et loué de manière répétée, il se rapproche d’une infrastructure productive générant des revenus.

Le H100, le GPU d’IA de la génération précédente de Nvidia, sert d’exemple à cette thèse. Les données de prix montrent que cette capacité reste demandée. Elles ne répondent toutefois pas, à elles seules, à la question essentielle : combien de temps un H100 pourra-t-il conserver des flux de trésorerie attrayants lorsque les générations plus récentes seront largement déployées ?

L’idée de Huang : une puissance de calcul louable à répétition

Jensen Huang décrit la puissance de calcul Nvidia comme « fongible, durable et hautement louable », ainsi que comme un « actif productif générateur de revenus ». 16 Concrètement, son raisonnement repose sur trois éléments :

• Fongibilité : la capacité de calcul peut être réattribuée entre clients et charges de travail, au lieu de rester liée à un seul acheteur ou usage.
• Durabilité : l’utilité commerciale d’un GPU peut perdurer après l’arrivée d’une nouvelle architecture.
• Capacité à être loué : les exploitants peuvent convertir ce matériel en revenus récurrents via le cloud ou des services de calcul sous contrat.

C’est une grille de lecture différente de celle d’un renouvellement classique des serveurs. Un actif peut être amorti selon les règles comptables tout en continuant à produire un revenu opérationnel substantiel. Pour les opérateurs de cloud et les fournisseurs d’infrastructures d’IA, le vrai test économique consiste à savoir si les revenus locatifs, le taux d’utilisation et les marges justifient le capital investi pendant la durée de vie utile de l’équipement.

Ce que disent les prix de location du H100

L’élément déclencheur des propos de Huang est un indice d’Ornn Exchange : le H100, alors âgé d’environ trois ans, y était loué 3,28 dollars par heure de GPU, après une hausse de 22 % sur un mois. 16 Cela indique que le marché valorise toujours la capacité de calcul de génération Hopper, alors même que Nvidia commercialise des produits plus récents.

Les contrats de longue durée avaient déjà envoyé le même signal plus tôt en 2026. Selon SemiAnalysis, le prix d’un contrat de location de H100 sur un an est passé de 1,70 dollar par GPU et par heure en octobre 2025 à 2,35 dollars en mars 2026, soit près de 40 % de hausse. 61

Ces chiffres constituent des indicateurs utiles de demande, mais ne doivent pas être lus comme un prix universel du H100. En 2026, les tarifs affichés à la demande se situaient approximativement entre 2 et 12 dollars par GPU et par heure ; les capacités interruptibles peuvent coûter moins cher, tandis que certaines configurations premium de grands fournisseurs de cloud sont nettement plus onéreuses. 49 Ces écarts reflètent notamment la durée du contrat, les garanties de disponibilité, la géographie, le réseau, le support et la taille de la ressource louée — un GPU isolé, un nœud dédié ou un cluster complet.

Pourquoi les tarifs de location comptent pour l’économie des infrastructures

Une flotte de GPU devient plus facile à financer lorsqu’un opérateur peut prévoir sa capacité à générer du cash. Des prix plus élevés et une forte utilisation peuvent permettre de récupérer le coût d’investissement sur davantage d’années d’exploitation rentables. C’est le fondement économique de l’idée selon laquelle le calcul d’IA serait une infrastructure plutôt qu’un simple achat ponctuel de matériel.

Mais le prix de location n’est qu’une variable. Pour que la thèse de l’infrastructure durable tienne, il faut démontrer que les flottes peuvent préserver :

1. Un haut taux d’utilisation, à travers les cycles économiques et les catégories de clients ;
2. Le renouvellement des contrats, et pas seulement une demande provoquée par une pénurie temporaire ;
3. Des marges saines, une fois déduits l’électricité, les réseaux, l’exploitation et l’amortissement ;
4. Une valeur résiduelle, après le déploiement à grande échelle de nouvelles générations de GPU.

Un H100 peut rester techniquement performant tout en devenant économiquement moins compétitif si les nouveaux accélérateurs offrent un meilleur coût par jeton généré ou un meilleur rapport performance-prix.

Nvidia construit aussi un dossier de financement

La stratégie de Nvidia ne se limite pas aux commentaires sur les tarifs de location. En août, l’entreprise a annoncé des partenariats avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR afin de créer des plateformes de financement du calcul destinées à mobiliser plus de 500 milliards de dollars de capitaux tiers pour les infrastructures d’IA. 33

La nuance est importante : l’initiative vise à mobiliser ces capitaux au fil du temps ; elle ne signifie pas que 500 milliards de dollars ont déjà été investis ou garantis. Elle illustre néanmoins l’ambition de Nvidia : présenter le calcul, les centres de données et les systèmes associés comme des actifs pouvant soutenir des financements de long terme liés à l’usage.

Nvidia a par ailleurs accepté d’acquérir Hugging Face pour 12,93 milliards de dollars, étendant sa présence à une plateforme de modèles ouverts et de développeurs. 31 Cette opération ne prouve pas qu’une génération donnée de GPU conservera sa valeur, mais elle pourrait renforcer l’ancrage de Nvidia dans l’écosystème qui crée la demande de calcul d’IA.

Les risques que la thèse doit surmonter

La principale objection n’est pas que les H100 ne servent plus — la demande demeure manifeste — mais que le marché locatif actuel ne préjuge pas forcément des rendements futurs.

Plusieurs évolutions pourraient fragiliser l’argument :

• Le remplacement par de meilleures performances : de nouvelles architectures pourraient améliorer fortement le coût par jeton ou les performances d’entraînement, et réduire le prix que les clients acceptent de payer pour des H100.
• La normalisation de l’offre : une disponibilité accrue de GPU et de capacités de centres de données pourrait exercer une pression sur les tarifs au comptant comme sur les contrats.
• Les accélérateurs alternatifs : des puces propriétaires ou concurrentes pourraient réduire la demande de capacité Nvidia pour certaines charges de travail.
• Des goulets d’étranglement temporaires : une hausse des prix peut traduire une rareté de court terme plutôt qu’une amélioration durable de la valeur de l’actif.
• La pression des coûts d’exploitation : l’énergie, les réseaux et les coûts des centres de données peuvent rogner les rendements, même si le prix facial de location d’un GPU reste élevé.

C’est pourquoi une hausse de 22 % sur un mois doit être interprétée comme une donnée de demande notable, non comme une réponse définitive au débat sur l’amortissement.

À retenir

L’affirmation de Jensen Huang est crédible dans un sens précis : des GPU d’IA plus anciens peuvent continuer à produire des revenus de location significatifs, et l’évolution récente des prix du H100 montre que les clients valorisent toujours cette capacité. 1661 Les partenariats de financement de Nvidia montrent également une volonté de transformer cette réalité opérationnelle en modèle d’infrastructure investissable. 33

La thèse sera réellement mise à l’épreuve lorsque les systèmes plus récents se généraliseront : les flottes de H100 conserveront-elles leur utilisation, renouvelleront-elles leurs contrats et dégageront-elles suffisamment de trésorerie nette après les coûts d’exploitation ? L’utilité technique durable est nécessaire ; des rendements économiques durables seront la preuve qu’exigeront, au final, les investisseurs et les prêteurs d’infrastructures.