Alexandra Davies voit ce que Wall Street a manqué : pourquoi la domination des puces Nvidia est en train de se fracturer

Lorsque la CTO de Positron, Alexandra Davies, a déclaré ouvertement que « nous ne croyons pas qu’il n’y aura qu’un seul gagnant » dans le domaine des puces IA, elle ne cherchait pas à provoquer—elle exprimait ce que le marché reconnaît silencieusement. Alors qu’Nvidia reste le leader incontesté dans la domination des puces d’entraînement, le paysage concurrentiel a fondamentalement changé. L’action du géant des puces IA a stagné, n’ayant augmenté que de 1 % depuis le quatrième trimestre, avec un ratio cours/bénéfice maintenant autour de 24, presque aligné avec l’indice Nasdaq 100. Cette réinitialisation de la valorisation indique quelque chose de plus important qu’un ralentissement temporaire : la perception des investisseurs évolue, et le point de vue d’Alexandra Davies résume pourquoi.

Ce changement reflète une réalité stratégique que peu d’observateurs avaient remarquée jusqu’à récemment. Nvidia a construit son empire en contrôlant la phase d’entraînement intensive en calcul du développement de l’IA—le processus d’apprentissage des modèles avec des opérations massivement parallèles alimentées par une architecture mémoire à haute bande passante. Mais le calcul évolue. À mesure que les modèles mûrissent et que l’inférence—l’exécution en temps réel des modèles entraînés—devient l’opération la plus fréquente et la plus gourmande en ressources à grande échelle, des opportunités ont émergé pour que des architectures alternatives prospèrent.

Le marché des puces d’inférence comme nouveau champ de bataille

Alexandra Davies et son équipe chez Positron incarnent précisément cette transition. Lorsque le géant du trading Jump a co-dirigé la levée de fonds de 230 millions de dollars de l’entreprise et est devenu simultanément un client, cela a confirmé ce que disait Alexandra Davies depuis le début : le segment de l’inférence est là où la différenciation concurrentielle se joue. La communauté du trading, avec ses exigences de décisions en temps réel, a été parmi les premières à reconnaître que l’architecture axée sur l’entraînement d’Nvidia n’était pas nécessairement optimale pour cette charge de travail.

Les raisons sont techniques et convaincantes. L’inférence nécessite des caractéristiques de performance différentes de celles de l’entraînement—une latence plus rapide, des hiérarchies mémoire différentes, et des flux de données personnalisés. Des startups explorent ces écarts avec de nouvelles architectures mémoire et des designs de silicium spécifiquement optimisés pour une inférence rapide. Cela reflète un schéma historique en informatique, comme l’a noté Alexandra Davies : le matériel spécialisé finit par fragmenter des marchés dominés par des processeurs généralistes.

Par ailleurs, le déploiement récent par OpenAI de modèles fonctionnant sur des puces Cerebras, les partenariats d’Anthropic avec Trainium d’Amazon et les plateformes TPU de Google, ainsi que le lancement par Microsoft de sa puce Maia de seconde génération, indiquent tous la même trajectoire. Il ne s’agit pas de départs d’Nvidia par insatisfaction—ce sont des reconnaissances que la domination d’Nvidia reste tactiquement solide, mais stratégiquement incomplète.

La course des startups qui redéfinit les attentes

La rapidité du déploiement des capitaux souligne à quel point l’industrie prend cette ouverture au sérieux. D-Matrix a levé 275 millions de dollars en novembre dernier, tandis qu’Etched a recueilli environ 500 millions pour défier spécifiquement la suprématie d’Nvidia en inférence. Il ne s’agit pas de jouer la mise entière ; ce sont des paris sur la segmentation. Le marché reconnaît ce que Alexandra Davies a vu plus tôt : il n’est pas nécessaire de battre Nvidia partout pour gagner de manière significative. Il faut gagner là où se concentre l’opportunité de croissance.

Les mouvements récents des acteurs du secteur suggèrent que cette fenêtre pourrait se réduire. Le contrat de licence de 20 milliards de dollars de Jensen Huang avec Groq, associé à un recrutement agressif de talents, était moins une acquisition de capacités qu’un signal de l’engagement d’Nvidia à répondre directement au segment de l’inférence. Le message : Nvidia est conscient et réagit. Pourtant, cet accord, en obligeant Nvidia à acquérir une expertise extérieure, a involontairement validé l’idée que d’autres avaient innové dans des domaines que Nvidia n’avait pas encore pleinement abordés.

Les ambitions internes des géants de la tech pour leurs propres puces

L’accélération du développement interne de puces par Amazon, Microsoft, Google et OpenAI reflète une prise de conscience parallèle. Ces entreprises ne cherchent pas à éliminer Nvidia—elles construisent une option. Chacune continue d’acheter massivement des GPU Nvidia pour ses services cloud et IA. Mais chacune cherche aussi à réduire sa dépendance, à explorer des designs spécialisés, et à signaler aux investisseurs que la croissance des marges d’Nvidia pourrait atteindre ses limites.

Implications du marché et réponse d’Nvidia

Ce qu’Alexandra Davies a exprimé—que le matériel spécialisé fragmentera inévitablement les marchés de calcul—est devenu la prédiction consensuelle. Nvidia s’est préparée à ce moment en promettant des refontes annuelles de ses puces et en maintenant un portefeuille de produits étendu. Les observateurs anticipent qu’Nvidia annoncera lors de sa conférence phare de mars des solutions d’inférence ciblées, répondant probablement aux exigences spécifiques que startups et géants ont identifiées.

Cependant, le marché boursier a déjà intégré une autre issue : non pas le déclin d’Nvidia, mais la transition du premium de monopole vers une valorisation de leader du marché. Ce changement—passer de parier sur un leader imbattable à intégrer une concurrence fragmentée mais différenciée—représente la véritable histoire derrière la performance modérée de l’action d’Nvidia. Alexandra Davies a compris cette transition avant que les marchés financiers ne le fassent, et le succès de son financement indique qu’elle n’est plus seule dans cette conviction.