Le pari de Jensen Huang sur 3 000 à 4 000 milliards de dollars d’infrastructures IA

Jensen Huang, directeur général de Nvidia, défend l’idée que l’IA ne relève plus seulement d’un cycle d’achat de puces : elle entre dans une phase de construction d’infrastructures mondiales. Dans cette vision, les « usines d’IA » produisent de la puissance de calcul vendue comme un service, à l’image d’autres infrastructures qui fournissent une prestation continue.

Mais la thèse impose une condition financière exigeante : les capacités construites doivent être adossées à des engagements de clients solvables et, à terme, à des revenus pérennes tirés des applications d’IA.

Un marché de 3 000 à 4 000 milliards de dollars d’ici 2030

Lors de la conférence Communacopia + Technology de Goldman Sachs, Jensen Huang a réaffirmé son anticipation : les dépenses consacrées aux infrastructures d’IA pourraient atteindre 3 000 à 4 000 milliards de dollars d’ici 2030. Il relie cette projection au développement du calcul génératif et à la fin de la loi de Moore : si les gains de performance des processeurs classiques ne suffisent plus, une part croissante des tâches devra passer sur des systèmes accélérés. 224

Pour le dirigeant, il s’agit d’une catégorie d’infrastructures aussi stratégique que l’électricité, les transports ou Internet, et non d’un simple marché de GPU vendus à l’unité. Son raisonnement est que les systèmes d’IA doivent produire et servir en continu des réponses très gourmandes en calcul ; cela exige des centres de données, des réseaux, de l’électricité et des logiciels, en plus des puces. 317

C’est toutefois une prévision, pas un résultat acquis. Les propres travaux de Goldman Sachs soulignent que ce déploiement de plusieurs milliers de milliards de dollars dépendra, au final, de la capacité de l’IA à créer une valeur économique et sociale substantielle. 21

Pourquoi Nvidia estime que l’urgence est réelle

À court terme, Jensen Huang soutient que la principale limite est l’offre, et non le manque d’intérêt des clients. Selon des informations rapportées à l’issue de la conférence, environ 70 % de la croissance attendue du chiffre d’affaires de Nvidia pour son exercice 2027 serait contrainte par l’offre disponible. 6

Le niveau d’investissement annoncé par les grandes plateformes cloud, souvent appelées hyperscalers, est considérable. Nvidia a indiqué que les cinq premiers acteurs de ce groupe devraient investir près de 800 milliards de dollars en dépenses d’investissement en 2026, puis 1 300 milliards en 2027. Le carnet de commandes du secteur du cloud dépasserait parallèlement 2 000 milliards de dollars. 20

Ces prévisions appuient l’idée que l’IA dépasse déjà l’achat ponctuel de matériel et devient une planification de capacités à l’échelle industrielle. Mais un centre de données d’IA de pointe ne se résume pas à une commande d’accélérateurs : il faut obtenir un terrain, sécuriser l’alimentation électrique, construire ou aménager le bâtiment, installer le réseau, intégrer les systèmes et trouver le financement. Huang a souligné que ces contraintes en aval expliquent pourquoi Nvidia intervient désormais sur une part plus large de la chaîne des dépenses de centres de données. 17

De vendeur de GPU à plateforme d’« usines d’IA »

Selon Jensen Huang, la forte croissance de Nvidia reflète l’élargissement de son rôle dans l’infrastructure IA. L’entreprise ne se présente plus seulement comme un fournisseur de GPU, mais comme une plateforme réunissant calcul accéléré, réseaux, systèmes et logiciel CUDA. En couvrant une part plus importante du marché de l’IA, des modèles et des dépenses de centres de données, Nvidia élargit son marché adressable. 17

La logique commerciale est centrale : si une usine d’IA fournit une puissance de calcul avec un taux d’utilisation élevé, le matériel devient un actif productif plutôt qu’un achat technologique ponctuel. C’est aussi le fondement de l’idée selon laquelle le calcul IA peut servir de garantie ou de support à un financement. 210

Le programme de 500 milliards : ce qu’il est, et ce qu’il n’est pas

Le 10 août 2026, Nvidia a annoncé des protocoles d’accord avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR afin de créer des plateformes indépendantes de financement du calcul. Nvidia indique que ces plateformes ont vocation à mobiliser plus de 500 milliards de dollars de capitaux tiers au fil du temps pour les infrastructures IA. 15

La nuance est essentielle : ce montant ne correspond ni à du chiffre d’affaires Nvidia, ni à un fonds unique, ni à 500 milliards de dollars de dépenses déjà garanties. C’est un objectif de capitaux que les plateformes envisagées pourraient mobiliser à mesure que des projets éligibles sont financés. 1516

Les clients visés incluent les hyperscalers, les laboratoires d’IA de pointe, les entreprises et les fournisseurs de cloud spécialisés dans l’IA. Dans les faits, cette approche pourrait faire entrer davantage de crédit privé, de financements adossés à des actifs, de locations, de coentreprises et de capitaux obligataires dans un secteur jusqu’ici financé surtout par les bilans des grandes entreprises. 1033

Les contrats d’achat de capacité, pièce maîtresse du financement

La réponse la plus forte de Huang face au scepticisme sur le financement tient en un mot : l’offtake, c’est-à-dire les engagements contractuels d’achat ou d’utilisation de la capacité en cours de construction.

Lors de la conférence Goldman Sachs, il a expliqué qu’un financement ne se met pas en place sans ces engagements. Il a évoqué 100 milliards de dollars de contrats déjà alignés, soit la valeur totale des engagements contractuels, pour les projets que Nvidia contribue à rendre possibles. 17

Cela ne rend pas chaque projet sans risque. Mais cela éclaire la logique de crédit : prêteurs et investisseurs peuvent mieux évaluer un centre de données lorsque son utilisation est contractuellement garantie par un client capable de payer dans la durée. La qualité, la durée et la concentration de ces contrats détermineront si les recettes prévues de la puissance de calcul peuvent réellement soutenir le financement.

La réponse de Huang aux accusations de financement circulaire

Des critiques s’interrogent sur le fait que les investissements et aides au financement de Nvidia puissent brouiller la distinction entre une demande spontanée des clients et une demande favorisée par le fournisseur lui-même. Jensen Huang rejette cette qualification de « financement circulaire ».

Son argument est pragmatique : investir est rationnel si cela génère des rendements très élevés grâce à une activité réelle des clients, résumé par la formule consistant à investir 1 dollar pour en récupérer 100. 26

Sa défense repose donc sur l’existence de pipelines commerciaux et de demande contractée, non sur l’idée que la structure des financements serait sans importance. La question qui reste ouverte est de savoir si ces engagements en aval sont assez indépendants, durables et rentables à mesure que le marché change d’échelle.

Le risque déterminant : les applications IA doivent financer les capacités

Le principal risque pour les investisseurs n’est pas de savoir si Nvidia trouve aujourd’hui des acheteurs pour une puissance de calcul rare. Il est de déterminer si l’économie de l’IA, dans son ensemble, pourra générer assez de revenus récurrents et de marges pour absorber l’amortissement du matériel, l’électricité, les loyers, les intérêts et la rémunération des investisseurs sur une base installée beaucoup plus vaste.

Si le taux d’utilisation des capacités, le prix du calcul ou la demande finale des utilisateurs faiblissent, la valeur des contrats d’achat de capacité comme l’économie des actifs sous-jacents pourraient être mises sous pression. La perspective de 3 000 à 4 000 milliards de dollars doit donc être lue comme une thèse conditionnelle : l’infrastructure devra permettre des applications assez utiles et rentables pour justifier son coût. Goldman Sachs relie lui aussi l’ampleur des dépenses à la capacité de l’IA à tenir ses promesses économiques. 21

Ce que doivent surveiller investisseurs et marchés du crédit

Le déploiement de l’IA élargit l’exposition au-delà des actions technologiques : crédit privé, financements adossés à des actifs, locations, partenariats d’infrastructure et obligations sont également concernés. CNBC a rapporté que les structures de dette et de levier financier, de plus en plus complexes, attirent l’attention alors que les hyperscalers et leurs financeurs cherchent des ressources supplémentaires pour développer les centres de données. 33

Les questions les plus utiles sont concrètes :

• La demande est-elle couverte par des contrats signés de longue durée, ou seulement par des projets de capacité préliminaires ?
• Qui porte en dernier ressort l’obligation de paiement, et quelle est la concentration des clients ?
• Quelles hypothèses sous-tendent le taux d’utilisation, les prix et la valeur de redéploiement des équipements ?
• Quelle part du levier, des garanties ou des engagements conditionnels se trouve hors du périmètre apparent de l’activité opérationnelle ?
• L’électricité, le foncier, la construction et les capacités réseau pourront-ils être disponibles à temps ?

La thèse de Jensen Huang est haussière parce qu’elle présente le calcul IA comme une infrastructure économique indispensable. Son véritable test sera autant financier que technologique : les projets ont besoin de contrats d’achat crédibles aujourd’hui et de flux de trésorerie portés par les applications demain.