Huang de NVIDIA exhorte les États-Unis à ne pas restreindre les modèles d'IA open source à l'occasion de la sortie de Kimi K3

La sortie de Kimi K3 a semblé provoquer une réaction bien plus forte aux États-Unis que nous ne l'imaginions. Après que Twitter ait été inondé le week-end dernier, même Jensen Huang a été contraint d'agir : l'homme, qui n'utilisait pas les médias sociaux depuis des décennies, a ouvert un compte d'urgence et, sans aucune introduction, a publié une lettre conjointe demandant aux États-Unis de ne pas restreindre les modèles open source.

Combiné avec le prix de l'action d'NVIDIA qui n'augmente pas depuis longtemps, Jensen Huang pourrait vraiment être un peu inquiet, préoccupé par le récit de croissance d'NVIDIA :

Si l'IA continue d'être dominée par un petit nombre d'entreprises de modèles propriétaires, la demande en puissance de calcul est-elle déjà pleinement anticipée par le marché ? Si les modèles à poids ouverts continuent de se répandre, NVIDIA pourra-t-elle transformer des modèles moins chers en une plus grande utilisation et une demande accrue en infrastructure ?

La réponse de Jensen Huang est claire. Il s'oppose publiquement à une interdiction générale basée sur l'origine des modèles, affirmant que les modèles chinois sont « très excellents » et que les entreprises américaines devraient être autorisées à les utiliser. Pour NVIDIA, l'enjeu n'est pas de maintenir des prix élevés pour un laboratoire propriétaire, mais de permettre à un maximum d'entreprises, de développeurs et de fournisseurs de cloud d'utiliser réellement l'IA.

Cela reflète également la divergence entre la pression à court terme sur les actions de semi-conducteurs et le récit à long terme de NVIDIA. Le marché craint que les modèles ouverts à faible coût n'érodent les marges des fournisseurs américains d'IA et n'optimisent les coûts d'inférence unitaire ; NVIDIA mise sur le fait que la baisse des prix ouvrira de nouveaux scénarios, entraînant finalement un volume total de requêtes plus élevé, des déploiements privés et une consommation accrue de puissance de calcul.

Au cours des deux dernières années, le récit d'NVIDIA sur l'IA s'est principalement appuyé sur une logique claire : les modèles de pointe deviennent de plus en plus grands, nécessitant davantage de GPU pour l'entraînement et l'inférence, ce qui pousse les fournisseurs de cloud et les laboratoires de modèles à continuer d'élargir leurs infrastructures.

Ce raisonnement reste valable, mais il soulève une question implicite : si les points d'entrée, le rythme des produits et le contrôle des prix des modèles de l'industrie de l'IA sont concentrés entre les mains de quelques laboratoires propriétaires et grandes plateformes cloud, la croissance de la demande pour NVIDIA dépendra davantage des plans d'investissement en capital de quelques grands clients et de la vitesse de commercialisation des services propriétaires.

Ce n'est pas un mauvais business. Les laboratoires propriétaires, les fournisseurs de cloud et les entreprises de plateforme restent parmi les acheteurs les plus importants de l'infrastructure IA. Mais pour NVIDIA, déjà fortement cotée sur le marché, les investisseurs continueront de demander : d'où viendra la croissance future ?

Si les modèles propriétaires maintiennent des prix élevés, la vitesse à laquelle les entreprises adoptent l'IA pourrait être limitée par les coûts, les frontières des données et les méthodes de déploiement. De nombreuses entreprises commenceront par tester des API, mais n'intégreront pas nécessairement l'IA en profondeur dans leurs systèmes métier. Pour les entreprises de puces en amont, cela signifie que la demande en puissance de calcul, bien que concentrée et importante, dépendra davantage du rythme de commercialisation de quelques plateformes uniquement.

Les modèles à poids ouverts modifient cette structure. Ils ne remplacent pas nécessairement immédiatement les modèles propriétaires les plus puissants, mais ils offrent aux entreprises, développeurs et fournisseurs de cloud une autre voie : exécuter, affiner, auditer et intégrer les modèles dans leur propre environnement. Dès que davantage d'organisations commenceront à intégrer l'IA dans le service client, la programmation, la recherche, l'automatisation des processus et les déploiements privés, la couche infrastructurelle aura l'opportunité de bénéficier de sources de demande plus dispersées et plus larges.

Ainsi, ce qui est négocié sur le marché, ce n'est pas « tel modèle va-t-il battre OpenAI », mais « la demande en IA va-t-elle s'étendre des quelques entrées propriétaires à de nombreuses entreprises et scénarios » ? C'est là la question qui intéresse le plus NVIDIA.

Les poids ouverts peuvent être compris comme la mise à disposition des « paramètres du modèle » entraînés pour une utilisation externe. Une fois les poids publiés, les entreprises peuvent exécuter, affiner et auditer le modèle sur leurs propres serveurs ou dans leur environnement cloud.

Cela modifie la position de négociation pour les entreprises de modèles propriétaires. Par le passé, les entreprises qui souhaitaient utiliser les meilleurs modèles devaient souvent accepter les prix, les limites de données et le rythme de fonctionnement des API propriétaires. Désormais, si un modèle déployable en interne est suffisamment performant pour une tâche spécifique, les fournisseurs de modèles propriétaires doivent expliquer pourquoi les clients devraient payer plus cher pour un service supérieur.

C’est également la pression à laquelle font face les entreprises comme OpenAI, Anthropic et Google sur leur voie propriétaire. Elles peuvent toujours maintenir des barrières en matière d’expérience produit, de capacité d’agent, de chaîne d’outils, d’alignement de sécurité, de conformité entreprise et de distribution écologique. Claude Science, lancé par Anthropic en juin, en est un exemple : il présente le modèle comme une plateforme AI dédiée aux scientifiques, en mettant l’accent sur l’intégration d’outils et la traçabilité des résultats.

Mais plus la capacité de raisonnement de base devient standardisée, plus les modèles propriétaires doivent démontrer qu'ils vendent quelque chose de plus qu'une « interface de discussion plus intelligente » : des flux de travail plus fiables, une exécution d'agents plus puissante, une meilleure responsabilité en matière de sécurité et une intégration sectorielle supérieure. Sinon, les modèles open source à faible coût feront descendre l'ancre des prix.

Pour NVIDIA, ce changement n'est pas nécessairement négatif. La perte de pouvoir de tarification des modèles propriétaires pourrait affecter les marges des fournisseurs d'IA ; mais si des modèles moins chers poussent davantage d'entreprises à déployer l'IA, la demande en inférence, fine-tuning, localisation et privatisation pourrait élargir l'ensemble de la capacité de calcul.

Après DeepSeek, le marché a déjà connu des débats similaires. À court terme, des modèles plus efficaces semblent « consommer moins de GPU », mais si la baisse des prix stimule une demande accrue, à moyen et long terme, cela pourrait se traduire par « une utilisation de l’IA dans davantage de scénarios ».

NVIDIA mise sur ce dernier. Son activité principale n'est pas les API de modèles, mais les puces, les serveurs et les centres de données. Tant que l'utilisation de l'IA augmente, la demande finira par se concentrer sur la couche infrastructurelle.

Lors de ce débat, Jensen Huang a partagé, via son premier tweet personnel, une lettre ouverte intitulée « Open Weights and American AI Leadership », signée par NVIDIA. Les signataires incluent plus de 20 entreprises et institutions technologiques, notamment Meta, Microsoft, Andreessen Horowitz, Hugging Face, IBM, Mistral AI, Palantir, Perplexity, Mozilla, NVIDIA et Y Combinator.

L'essentiel de la lettre ouverte est que les États-Unis ont besoin à la fois de modèles propriétaires de pointe et de modèles ouverts de pointe, et que le gouvernement ne devrait pas limiter prématurément l'IA open source. Autrement dit, les signataires ne nient pas les risques pour la sécurité, mais s'opposent à l'équation directe entre le fait d'avoir des poids ouverts et la source même du risque.

Cette lettre est importante car elle relie les intérêts commerciaux de NVIDIA aux problèmes structurels de l'écosystème américain de l'IA. NVIDIA s'intéresse à l'utilisation de l'IA et à la demande en infrastructure ; des plateformes comme Meta et Microsoft nécessitent un écosystème de modèles plus flexible ; Hugging Face, Mistral AI, Mozilla et d'autres se positionnent directement en faveur des modèles ouverts et de l'écosystème des développeurs.

Ces intérêts d'entreprise ne sont pas entièrement alignés, mais ils se croisent sur un point : si les poids ouverts sont trop tôt étouffés par un cadre réglementaire, les entreprises et développeurs américains verront leurs choix de modèles à faible coût réduits, et la diffusion de l'IA deviendra plus dépendante de quelques fournisseurs propriétaires.

Pour NVIDIA, cette structure de marché n'est pas idéale. Elle a besoin de bien plus que quelques laboratoires de pointe continuant à former des modèles plus grands ; elle a également besoin que davantage d'entreprises intègrent réellement l'IA dans leurs opérations. Seule une adoption généralisée de l'IA, passant d'un service limité à quelques plateformes à une capacité fondamentale largement déployée, permettra à NVIDIA de continuer à faire valoir son récit selon lequel la demande en puissance de calcul continue de s'étendre.

Ainsi, les déclarations de Jensen Huang sur les modèles chinois et sa lettre ouverte ne sont pas des événements isolés. Elles pointent toutes vers la même chose : NVIDIA ne souhaite pas que la concurrence en matière d'IA soit réduite à une simple « interdiction de certains modèles », mais vise à encourager davantage de modèles, davantage de scénarios et davantage de développeurs à rejoindre le pool de demande en puissance de calcul.

Un autre défi auquel le marché doit faire face est la limite des politiques, mais il ne s'agit pas seulement de savoir si le « modèle chinois » peut être restreint, mais aussi si ces restrictions ne risquent pas de fragiliser la position d'NVIDIA au sein de la chaîne de valeur de l'IA en Chine.

L'essentiel de Kimi K3 ne réside pas seulement dans ses capacités de modèle, mais aussi dans le fait qu'il n'est pas construit sur les derniers processeurs phares de NVIDIA. Un point plus sensible dans les discussions du marché est que Kimi K3 utilise des processeurs comme le H800, déjà affectés par des restrictions d'exportation et qui ne sont pas de la dernière génération. Autrement dit, même en cas de limitation de l'approvisionnement en puces avancées, les entreprises chinoises de modèles continuent de pouvoir entraîner des modèles de pointe compétitifs.

C'est également la logique fondamentale pour laquelle Jensen Huang s'oppose depuis longtemps à des restrictions uniformes sur le marché chinois. Les restrictions ne feront pas disparaître la demande chinoise en IA, mais forceront simplement les entreprises chinoises à chercher des alternatives : des architectures de modèles plus efficaces, des méthodes d'entraînement moins coûteuses et une meilleure adaptation aux puces nationales. Après DeepSeek, le marché a déjà observé une épreuve de pression sur la voie de l'efficacité des entreprises chinoises de modèles ; et le fait que DeepSeek commence à s'adapter aux puces Huawei signifie que l'écosystème chinois de l'IA ne restera pas entièrement confiné au système CUDA et GPU de NVIDIA.

Pour NVIDIA, voici véritablement ce qui devrait susciter de l’inquiétude. À court terme, les restrictions en Chine pourraient affecter certaines ventes de puces et les attentes en matière de commandes ; à moyen et long terme, si les fabricants de modèles chinois, les fournisseurs de cloud et les entreprises d’applications sont contraints d’accélérer l’adaptation à des matériels autres que ceux de NVIDIA, la part de NVIDIA dans l’infrastructure IA chinoise risque d’être continuellement érodée. Les concurrents ne rattraperont pas nécessairement NVIDIA immédiatement, mais tant que leur disponibilité s’améliore constamment, la motivation des clients à migrer augmentera.

Ainsi, la volatilité des actions de puces ne répond pas seulement à une réaction à un modèle chinois, mais à une réévaluation des attentes à long terme concernant NVIDIA : la stratégie fermée pourra-t-elle continuer à soutenir une croissance élevée, les modèles ouverts ouvriront-ils de nouveaux segments de croissance, et les politiques pousseront-elles les clients potentiels vers des alternatives autres que NVIDIA ?

L'émergence des modèles à poids ouverts ne signifie pas que les laboratoires propriétaires de pointe ont perdu leur valeur.

Les modèles propriétaires conservent un avantage évident. Ils peuvent établir des barrières autour de l'expérience produit, de l'exécution d'agents, de la chaîne d'outils, de l'alignement sécurisé, de la conformité entreprise et de la distribution écologique. Pour de nombreux clients professionnels, la disponibilité, la stabilité, les limites de responsabilité et les capacités d'intégration peuvent être plus importantes que les simples classements de modèles.

Mais le récit de valorisation deviendra plus difficile. Par le passé, les laboratoires propriétaires pouvaient compter sur le fait d’être « le modèle le plus puissant » pour justifier des prix élevés et une forte valorisation ; aujourd’hui, ils doivent démontrer qu’ils ne se contentent pas de proposer des modèles plus performants, mais qu’ils offrent également des systèmes d’entreprise plus fiables, plus complets et plus difficiles à remplacer.

Cela a un double impact sur NVIDIA. D'une part, si les laboratoires propriétaires subissent une pression sur leurs marges, le marché pourrait craindre un ralentissement de leurs investissements futurs en infrastructure. D'autre part, si les modèles ouverts abaissent les barrières à l'entrée, un plus grand nombre d'entreprises, de fournisseurs de cloud et de développeurs participeront au déploiement, ce qui rendrait les sources de demande pour NVIDIA plus diversifiées.

OpenAI, Anthropic et Google ne figurent pas sur la liste des signataires publiques de la lettre ouverte sur les poids ouverts ; cela ne permet pas d'en déduire qu'ils soutiennent la restriction des modèles chinois. Il ne fait que montrer que les laboratoires propriétaires de pointe n'ont pas une structure d'intérêts entièrement alignée avec les entreprises de matériel, d'open source et de plateformes.

NVIDIA, au niveau matériel, préfère voir coexister plusieurs lignes de modèles. Les modèles propriétaires continuent de pousser les limites des capacités, tandis que les modèles ouverts réduisent les barrières à l'entrée et élargissent les scénarios d'utilisation. Tant que les deux contribuent ensemble à augmenter l'utilisation de l'IA, NVIDIA est l'un des principaux bénéficiaires.

Ce débat ne s'arrêtera pas à une simple déclaration de Huang Renxun. Ce qui influence la valorisation, c'est jusqu'où les politiques américaines imposeront des restrictions, et si les modèles ouverts pourront réellement être déployés dans les entreprises.

Si les modèles à poids ouverts ne suscitent que des controverses médiatiques sans aboutir à une adoption durable par les entreprises, la demande fondamentale pour NVIDIA reviendra aux cycles de dépenses en capital des quelques laboratoires propriétaires et des grandes plateformes cloud. Cela signifie que les attentes de croissance du marché pour NVIDIA devront continuer d'être validées par les commandes de grands clients.

Si les modèles ouverts continuent d'entrer dans les environnements professionnels et génèrent des besoins observables en matière d'inférence, de fine-tuning, de déploiement privé et d'intégration sectorielle, l'histoire d'NVIDIA s'étendra de « quelques géants achètent davantage de GPU » à « de plus en plus d'organisations commencent à consommer de la puissance de calcul IA ».

Les investisseurs devraient se concentrer sur deux variables. La première est de savoir si les restrictions américaines s'appliqueront aux achats, aux services cloud et à la liste d'entités. La seconde est de déterminer si les modèles à poids ouverts pourront réellement être déployés dans les entreprises et générer une consommation de puissance de calcul observable.

Le premier détermine le risque politique, le second détermine la mécompréhension du marché, comme le dit Huang Renxun : peut-elle se transformer en véritable demande de commandes pour NVIDIA ? Les actions de puces ne se négocient pas sur la victoire ou la défaite d'un modèle, mais sur la capacité de la demande en IA à continuer de se propager.

BlockBeats