💹 Pourquoi Nvidia reste une opportunité ?

Hey Snowballers,

Ici Yoann. Avant de passer le micro à Mathieu, je voulais vous faire une petite intro.

De temps en temps, nous ouvrons les newsletters Snowball premiums à tous nos abonnés pour faire découvrir ce contenu plus destiné au passage à l'action. Aujourd'hui, on va parler d'une action que nous avons analysée dans une newsletter premium il y a maintenant presque 5 ans :

🎁 Si vous souhaitez accéder à toutes nos analyses précédentes et futures, ainsi qu’à toutes les analyses crypto et immo, ou encore aux tutos pour lancer des side business, nous proposons désormais un essai gratuit à Snowball+ (seulement pour les nouveaux abonnés) :

Ceci étant dit, place à notre sponsor du jour qui nous permet de vous proposer du contenu gratuit.

Et je laisse le micro à Mathieu !

Yoann ❤️

Bonjour tout le monde. Dans cette 101e édition, je vais remettre une couche sur l'IA, qui est indispensable en portefeuille en 2026.

Bonne lecture, ou écoute :) !

J'ai déjà parlé il y a quelques mois de l'opportunité en bourse de l'IA, mais après les différentes annonces des Amazon, Alphabet et consorts, je me devais d'en remettre une couche.

À chaque grande rupture technologique, les marchés se posent la même question : assistons-nous à une transformation durable ou à une simple euphorie spéculative ? Aujourd’hui, l’intelligence artificielle est régulièrement comparée à la bulle internet de la fin des années 1990. Le parallèle paraît évident : valorisations élevées, afflux massif de capitaux, promesses de transformation globale. Pourtant, la comparaison s’arrête là. En 1999, la plupart des entreprises technologiques ne généraient quasiment pas de revenus. Les infrastructures étaient incomplètes, les modèles économiques incertains et l’adoption encore marginale. L’enthousiasme précédait largement l’usage réel.

Aujourd’hui, la situation est radicalement différente. L’IA est déjà intégrée dans les chaînes de valeur des entreprises. Les revenus liés au cloud et aux services d’intelligence artificielle progressent fortement. Les entreprises investissent non pas par effet de mode, mais pour réduire leurs coûts, accélérer leurs processus et améliorer leur productivité. Ce n’est pas une promesse théorique. C’est un outil opérationnel qui génère déjà des gains mesurables. Une bulle repose sur des anticipations fragiles. Une révolution industrielle repose sur une adoption concrète.

Ce qui rend la situation actuelle exceptionnelle, c’est la vitesse d’évolution. En 2022, les premiers modèles accessibles au grand public impressionnaient, mais restaient limités. Ils commettaient des erreurs fréquentes, hallucinaient des informations et nécessitaient une supervision constante. En 2023, ces mêmes modèles franchissaient un cap, réussissant des examens professionnels et produisant du code exploitable. En 2024, ils concevaient des applications complètes, structuraient des analyses financières complexes et expliquaient des concepts scientifiques avancés... En 2025 et 2026, les modèles les plus récents sont capables d’exécuter de manière autonome des tâches qui demandaient auparavant plusieurs heures, voire plusieurs jours, à des experts qualifiés…

Ce point est fondamental : le progrès n’est pas linéaire. Les performances des modèles augmentent plus rapidement que notre intuition ne le permet. Des organismes indépendants qui mesurent la durée des tâches réalisables de bout en bout montrent que cette capacité double tous les quelques mois. Ce type de dynamique rappelle davantage une courbe exponentielle qu’une simple amélioration incrémentale. Lorsque la vitesse d’amélioration elle-même s’accélère, la trajectoire devient difficile à extrapoler avec nos repères habituels.

Un autre élément change profondément la nature de cette révolution : l’IA contribue désormais à son propre développement. Oui, oui, vous avez bien lu. Les labos utilisent leurs modèles pour optimiser les phases d’entraînement, identifier des anomalies, générer du code expérimental et tester différentes architectures. Autrement dit, l’outil participe à l’amélioration de l’outil. Historiquement, chaque révolution industrielle reposait sur un multiplicateur. La machine à vapeur multipliait la force physique. L’électricité multipliait la capacité productive. L’informatique multipliait la capacité de traitement de l’information. L’intelligence artificielle multiplie la capacité cognitive, et elle le fait en accélérant elle-même son évolution !

Contrairement aux vagues d’automatisation précédentes, cette transformation ne se limite pas à un secteur spécifique. L’industrialisation a touché les usines. L’automatisation robotique a transformé la production manufacturière. L’internet a bouleversé la distribution, la publicité et l’accès à l’information. L’intelligence artificielle, elle, s’attaque au cœur du travail intellectuel. Tout métier qui repose sur la lecture, l’écriture, l’analyse de données, la modélisation, la synthèse ou la prise de décision numérique, est potentiellement concerné. Le droit, la finance, la médecine, le conseil, la comptabilité, la programmation ou le marketing ne sont pas des cas isolés : ils partagent une caractéristique commune, celle d’être structurés autour du traitement d’information.

Il ne s’agit pas d’affirmer que les humains disparaissent du processus, mais de constater que la productivité individuelle peut être démultipliée. Un développeur peut produire en quelques heures ce qui nécessitait plusieurs jours auparavant. Un analyste peut tester davantage de scénarios. Un cabinet peut traiter plus de dossiers sans augmenter ses effectifs. Cette augmentation de la capacité n’est pas marginale. Elle change l’équilibre économique des organisations. Lorsque la productivité progresse brutalement, les modèles d’affaires se réorganisent autour de cette nouvelle réalité.

💚 Avant de passer à la suite, place à notre second partenaire du jour qui lance une offre à impact unique en son genre !

La véritable rupture réside également dans la démocratisation des capacités. Ce qui nécessitait autrefois des équipes spécialisées et des budgets conséquents devient accessible pour un coût relativement faible. Il devient possible de prototyper un logiciel, de structurer un plan stratégique ou d’analyser un marché avec des ressources limitées. Cela ne signifie pas que toutes les barrières disparaissent, mais que le seuil d’entrée diminue fortement. Or, chaque baisse significative de barrière technologique dans l’histoire a entraîné une explosion d’innovations secondaires.

Les révolutions industrielles sont rarement perçues comme telles au moment où elles débutent. Elles semblent d’abord exagérées, puis évidentes rétrospectivement. L’électrification a mis des décennies à transformer complètement l’économie, mais ses premières années ont déjà modifié les coûts et la productivité. L’informatisation des entreprises a commencé discrètement avant de remodeler l’organisation du travail. L’intelligence artificielle se situe probablement dans cette phase initiale, où l’infrastructure se déploie plus vite que notre capacité collective à en mesurer les conséquences.

Enfin, un élément distingue l’IA des simples cycles spéculatifs : l’ampleur des investissements en capital. Les dépenses consacrées aux centres de données, aux semi-conducteurs spécialisés et aux infrastructures cloud atteignent des niveaux historiques. Ces investissements ne sont pas uniquement motivés par des attentes boursières. Ils traduisent une conviction stratégique que l’IA deviendra une couche fondamentale de l’économie numérique, au même titre que l’électricité l’a été pour l’économie industrielle !

👉 En résumé, nous ne sommes pas face à une simple vague d’enthousiasme financier. Nous observons l’installation progressive d’une nouvelle infrastructure cognitive, capable d’automatiser, d’augmenter et d’accélérer le travail intellectuel. La technologie fonctionne, elle est adoptée, elle génère des revenus et elle accélère son propre développement. Ces caractéristiques correspondent moins à une bulle qu’aux premières années d’une révolution industrielle.

Si l’IA est une révolution industrielle, alors la question pour l’investisseur devient simple : qui vend les pelles et les pioches ? Depuis plusieurs trimestres, un mot revient en boucle dans les publications des géants technologiques : CapEx.

Les dépenses d’investissement explosent.

Les hyperscalers (Microsoft, Amazon, Google, Meta) engagent des montants sans précédent pour construire des centres de données dédiés à l’intelligence artificielle… et le marché s’inquiète. Ces investissements pèsent sur les flux de trésorerie, réduisent les rachats d’actions et compriment les marges à court terme. Pourtant, derrière cette inquiétude, une réalité s’impose : ces CapEx créent un pipeline de revenus massif pour Nvidia.

Les chiffres sont éloquents. Les principaux acteurs du cloud ont annoncé des niveaux d’investissement pour 2026 très supérieurs aux anticipations. Microsoft pourrait dépasser 150 milliards de dollars d’investissements annuels. Google se situe entre 175 et 185 milliards. Amazon approche les 200 milliards. Meta se projette entre 115 et 135 milliards. Ces montants ne sont pas des effets d’annonce. Ils correspondent à des engagements contractuels, notamment via les Remaining Performance Obligations, ces contrats pluriannuels par lesquels les clients s’engagent à consommer une capacité minimale de calcul. Autrement dit, la demande est déjà réservée, et les fournisseurs doivent livrer.

Cette visibilité change la nature du cycle. Les hyperscalers ne construisent pas des capacités spéculatives. Ils répondent à une demande déjà signée. Le cloud IA fonctionne largement sur un modèle d’infrastructure lourde, où les clients sécurisent à l’avance des volumes de GPU et de puissance de calcul. Une fois les centres de données construits, les coûts fixes sont engagés, mais les revenus deviennent récurrents. Cela explique l’urgence dans le déploiement des capacités. Ne pas livrer signifie pénalités et perte de crédibilité.

Dans cette chaîne de valeur, Nvidia occupe une position centrale. L’entreprise contrôle l’essentiel du marché des accélérateurs IA. Sa part de la puissance de calcul installée est majoritaire, mais surtout, elle capte une proportion encore plus importante de la valeur économique générée. Ce n’est pas simplement une question de parts de marché. C’est une question d’écosystème. Les logiciels, les bibliothèques, les frameworks d’entraînement sont optimisés pour son architecture. Le coût de changement pour un client est élevé. L’effet de verrouillage technologique est réel.

Contrairement aux hyperscalers, Nvidia ne supporte pas directement la charge des CapEx finaux. Elle fournit les composants critiques. Chaque nouveau centre de données, chaque extension de capacité, chaque cluster d’entraînement implique l’achat massif de GPU et de solutions de networking associées. Une grande partie des dépenses d’infrastructures finit mécaniquement chez elle, ainsi que chez quelques acteurs complémentaires, comme TSMC ou Broadcom. Mais Nvidia reste le principal bénéficiaire direct de l’accélération.

Un autre point clé concerne la rentabilité. Le marché sanctionne les hyperscalers parce que leurs flux de trésorerie risquent de devenir négatifs temporairement. Nvidia, elle, vend à marge élevée dans un contexte de pénurie structurelle de capacité. Les prix des GPU restent fermes, la demande excède l’offre et les délais de livraison sont longs... Cette dynamique soutient les marges. Là où les clients financent l’infrastructure, Nvidia encaisse immédiatement la valeur des composants.

Il faut également comprendre le déplacement de la création de valeur. Pendant des années, le matériel informatique était perçu comme un segment relativement commoditisé. La valeur se créait principalement dans les couches logicielles et les services. L’IA inverse partiellement cette logique. La rareté se situe désormais dans le silicium avancé et dans la capacité de calcul brute. Seules quelques entreprises sont capables de concevoir et de produire ces puces complexes. Cette rareté confère un pouvoir de fixation des prix et une capacité à préserver les marges.

Certains craignent que les investissements massifs actuels soient excessifs et que la demande ralentisse. C’est une possibilité à court terme. Mais la question stratégique est différente : que se passera-t-il si la demande continue de croître plus vite que prévu ?? Aujourd’hui, de nombreuses entreprises n’ont pas encore pleinement intégré l’IA dans leurs processus. Nous sommes dans une phase d’adoption initiale. Si l’IA devient une couche standard des applications, des logiciels d’entreprise et des services numériques, la demande de puissance de calcul pourrait rester élevée pendant des années.

Enfin, la valorisation mérite d’être contextualisée. Malgré une croissance des revenus et des bénéfices très supérieure à celle du marché global, Nvidia ne se traite pas sur des multiples extravagants par rapport à son rythme de croissance attendu. On parle d’un PER forward de 26x pour 2027. L’entreprise bénéficie d’un effet de levier opérationnel puissant, d’une position quasi incontournable dans l’écosystème IA et d’une demande soutenue par des engagements contractuels de long terme. Le risque principal n’est pas l’absence de demande, mais l’intensité concurrentielle future et la capacité des clients à internaliser une partie de la production via des puces spécifiques. À ce stade, toutefois, il me semble que l’écosystème logiciel et la maturité technologique jouent en faveur de Nvidia.

👉 En résumé, si l’IA est une révolution industrielle, Nvidia en est l’un des fournisseurs essentiels. Les CapEx des hyperscalers peuvent peser sur leurs propres flux de trésorerie, mais ils constituent une source directe de revenus pour les fabricants de puces. Le marché se concentre sur la pression à court terme des investissements. Cependant, une personne qui aurait 3 à 5 ans devant elle peut y voir une phase de construction d’infrastructure, dont Nvidia capte une part significative de la valeur.

La bourse adore les récits simples. Elle adore aussi se tromper de sujet. Aujourd’hui, beaucoup résument l’IA à une mode, ou à une bulle de valorisations. Mais une bulle, c’est quand la promesse précède l’usage. Ici, c’est l’inverse. L’IA fonctionne déjà, elle s’améliore à un rythme inhabituel, et surtout elle pousse les entreprises à investir comme on investit quand une infrastructure devient incontournable. Les CapEx des hyperscalers ne sont pas un caprice. Ils sont la trace comptable d’un basculement industriel.

C’est précisément pour cela que Nvidia reste une opportunité. Le marché regarde le coût immédiat de cette construction. Nvidia, elle, encaisse la valeur de la construction. Tant que la demande en calcul reste contrainte, tant que les engagements de capacité s’accumulent, et tant que l’écosystème logiciel continue de verrouiller les choix technologiques, l’entreprise se retrouve au cœur de la courbe. Le risque n’a pas disparu, mais il est mieux compris. Il ne s’agit pas de savoir si l’IA va exister. Il s’agit de savoir qui captera la valeur quand l’économie basculera.

La question qu’on peut se poser, c’est donc moins ”est-ce trop cher ?” que “est-ce un cycle court ou une infrastructure longue ?”. Si l’on est face à une révolution industrielle, la volatilité n’est pas un signal d’alerte. C’est le prix d’entrée. Et dans ce genre de moments, la bourse récompense rarement ceux qui attendent d’avoir raison. Elle récompense ceux qui acceptent d’être en avance.

L’important reste d’y aller graduellement, à son rythme. Si vous croyez énormément à l’IA, faites attention à ne pas mettre la maison sur quelques valeurs. Essayez de rester diversifiés quand même.

Si vous n’y croyez pas encore trop, ce que je peux comprendre, continuez vos lectures sur le sujet, testez les IA, et si vous avez juste peur de manquer le train, constituez-vous une petite position.

La bourse est le temple des regrets. Il y aura forcément des choses que nous allons louper. Forcément. Cependant, on peut diminuer ses regrets si on s’intéresse au sujet. Il ne faut investir que dans ce que l’on comprend. À titre personnel, je n’ai jamais bien compris l’intérêt (autre que spéculatif du bitcoin…), mais au moins, l’IA, je comprends ;) !

Je partage ici les articles ou vidéos que j’ai trouvés intéressants cette semaine :

• La richesse héritée est-elle une mauvaise chose ? (Aeon 🇬🇧)
• 10 idées reçues sur Nostradamus (Historia 🇫🇷)
• Comment les holdings sont devenues un outil central du capitalisme français (The Conversation 🇫🇷)
• Le graphique le plus mal compris dans le domaine de l’IA (MIT Technology Review 🇬🇧)
• Chine, la fabrique d’une nation (Arte 🇫🇷)

Un hyperscaler, c’est un acteur du cloud capable d’exploiter des infrastructures informatiques à très grande échelle.

Concrètement, ce sont des groupes qui possèdent et opèrent des réseaux mondiaux de datacenters, et qui vendent de la puissance de calcul, du stockage et des services logiciels à la demande. Leur particularité est la capacité à “scaler” très vite. Ils peuvent absorber des pics massifs de trafic ou de calcul, et déployer de nouvelles capacités rapidement, avec des coûts unitaires plus bas grâce à l’effet taille.

Les hyperscalers typiques sont AWS (Amazon), Microsoft Azure et Google Cloud, et dans une certaine mesure Meta ou Oracle selon le périmètre. Aujourd’hui, ils sont au cœur des investissements en datacenters, notamment pour l’IA.

Bonne semaine et à bientôt !

Mathieu ❤️