+70 % pour Nvidia, mais quel ROI pour vous ? Le dilemme des DSI face au coût de l’IA générative
Lors de la conférence Goldman Sachs Communacopia, début septembre 2026, Jensen Huang, PDG de Nvidia, a réaffirmé devant les investisseurs une prévision de croissance de 70 % du chiffre d'affaires pour le prochain exercice fiscal, visant un total record de 680 milliards de dollars. Cette progression s'appuie notamment sur les systèmes combinant 36 processeurs Grace et 72 puces Blackwell, dont les ventes progressent de 27 % par mois. Ces infrastructures ne se vendent plus à la puce mais sous forme de serveurs complets, facturés plusieurs millions d'euros et consommant jusqu'à 250 kilowatts par cluster. Selon l'analyste Shay Boloor, relayant des propos tenus par Nvidia auprès de JPMorgan, l'entreprise estime que son activité pourrait même plus que doubler d'une année sur l'autre en l'absence de contraintes d'approvisionnement, signe que le marché sous-estimait encore ses prévisions. Côté entreprises clientes, l'accès aux modèles d'IA et aux infrastructures associées coûte en moyenne entre 13 000 et 110 000 dollars par an, un montant qui exclut les charges d'ingénierie interne et de sécurisation des données.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Le Big Data. Lire l'article original →
Cette dynamique financière déplace le centre de gravité économique du secteur de l'IA vers Nvidia, qui capte l'essentiel de la valeur créée, tandis que les hébergeurs cloud répercutent la hausse du coût du matériel sur leurs clients finaux. Pour les directions informatiques, la situation devient un casse-tête : soutenir de fait la croissance du fabricant de puces tout en peinant à démontrer un retour sur investissement mesurable pour leurs propres projets d'IA générative. Le rythme d'innovation imposé par Nvidia accentue le risque d'obsolescence accélérée : des architectures commandées aujourd'hui pourraient devenir dépassées avant même d'avoir amorti leur coût d'achat, ce qui complique l'atteinte d'un ROI positif pour des projets aux cycles d'adoption plus longs que le rythme de renouvellement matériel. Cette dépendance croissante à un fournisseur qui contrôle désormais l'ensemble de la chaîne, puces, systèmes et logiciels, inquiète des décideurs déjà confrontés à une escalade continue de leurs investissements en capital.
Cette tension survient alors que l'adoption de l'intelligence artificielle générative progresse rapidement en entreprise : une étude de McKinsey sur l'état de l'IA indique que 78 % des organisations déclarent désormais utiliser ces technologies. Pourtant, la majorité des déploiements engagés ne dégagent pas encore de gains financiers mesurables, un écart que McKinsey attribue à une dispersion des efforts sur des expérimentations vagues plutôt que sur des processus métier ciblés. Certains usages précis échappent toutefois à ce constat : l'automatisation du support client de premier niveau génère par exemple un retour sur investissement supérieur à 150 %. Ce contraste entre la promesse de gains rapides sur des cas d'usage ciblés et la difficulté générale à rentabiliser des déploiements plus larges illustre l'enjeu central auquel les entreprises devront répondre dans les prochains mois : concentrer leurs investissements en IA sur des applications à forte valeur ajoutée plutôt que sur une adoption diffuse, afin de justifier des coûts d'infrastructure qui continuent de grimper au rythme imposé par Nvidia et ses partenaires cloud.
Les DSI européens subissent la même pression de couts et de ROI incertain face au matériel Nvidia, sans régulation ni entreprise française directement citée ici.