IA : Qualcomm tue le modèle de Nvidia

Alors que la concurrence progresse de façon exponentielle, il ne fait nul doute que la domination de Nvidia sur le marché des puces dédiées à l’intelligence artificielle est vouée à disparaître à court terme. Un phénomène qui pourrait ramener l’action du géant de la tech sur les niveaux qui prévalaient avant la sortie de ChatGPT…

 

Et si la fin du monopole des puces de Nvidia dédiées à l’intelligence artificielle survenait plus tôt que prévu ?

Ces petits carrés de silicium, monstres de puissance capables d’effectuer en parallèle une multitude de calculs simples, ont trouvé leur voie dans les centres de données pour permettre aux informaticiens de travailler sur les modèles d’intelligence artificielle.

Cette demande, qui est venue s’ajouter à l’activité historique du marché de l’informatique individuelle et du gaming, a permis à Nvidia d’engranger des résultats faramineux l’an passé. Son chiffre d’affaires s’est monté à 60,9 Mds$, tandis que le bénéfice par action s’est envolé à plus de 11,9 $, soit une hausse de +585 %.

De quoi rendre presque modérée la hausse de +240 % du titre sur la même période !

 

Les ventes de Nvidia s’envolent, le cours de l’action aussi. Infographie : Investing.com

 

 

Les équipements de centres de données ont vu leurs ventes bondir de 217 %, dépassant les 47 Mds$ sur l’année. Les puces pour data centers représentent désormais les trois quarts du chiffre d’affaires du groupe.

Mais, comme je vous l’indiquais il y a quelques mois déjà, ce monopole de circonstance est dû au fait que Nvidia excelle lorsqu’il s’agit de répondre à de nouveaux usages informatiques. Du fait de la généricité de ses produits, l’électronicien a toujours en catalogue des puces haut de gamme capables de traiter, à grands frais, n’importe quel problème logiciel.

Dans un second temps, comme nous l’avons vu pour les voitures autonomes ou le minage de cryptomonnaies, ce sont les puces conçues spécialement pour les tâches en question qui prennent le pas sur les solutions Nvidia. Plus efficaces et moins chères, elles remplacent les solutions génériques une fois que le marché a atteint une taille suffisante pour justifier leur commercialisation.

La bascule du marché vers des processeurs dédiés à l’IA n’est qu’une question de temps, et pourrait bien commencer dans les prochains mois.

Qualcomm, qui équipe de ses puces de télécommunication près de la moitié des smartphones vendus sur la planète, vient de dévoiler un modèle d’ordinateur doté de son dernier processeur Snapdragon Elite X.

Doté d’unités de calcul dédiées à l’intelligence artificielle, il offre un bond de puissance pouvant atteindre les +300 % par rapport aux SoC (Systems on a Chip en anglais, ou systèmes sur une puce) considérés comme les plus avancés en la matière, les M3 d’Apple.

Nvidia, dont le positionnement commercial était d’offrir les puces les plus puissantes du monde au prix fort, risque de voir son avantage technologique disparaître plus rapidement que prévu si les produits grand public proposés par ses concurrents continuent de voir leurs performances augmenter de manière exponentielle.

 

Nvidia: des capacités de calcul, mais à quel prix ?

L’ouverture au grand public de ChatGPT d’OpenAI a obligé toutes les entreprises de la tech à disposer de leurs propres modèles d’IA générative. Dans le même temps, la diffusion de ces modèles (dont certains Open Source, voire gratuits) a fait naître un écosystème bouillonnant d’utilisateurs.

Génération de texte, chatbots, reconnaissance et génération d’image : depuis quelques mois, pas une semaine ne se passe sans que de nouveaux cas d’usages de l’IA apparaissent.

La hausse exponentielle du nombre d’informaticiens qui travaillent à l’élaboration d’IA et l’augmentation tout aussi significative du nombre d’applications utilisant l’IA a créé une demande inédite en capacités de calcul bien particulières. Pour créer et utiliser des applications basées sur l’IA, il est nécessaire d’effectuer le plus vite possible une multitude de calculs peu précis – une demande qui n’existait, jusqu’ici, que dans le monde du jeu vidéo.

Les solutions de Nvidia, créateur de cartes graphiques dédiées au calcul scientifique et au monde du gaming, se sont avérées idéales pour répondre à ce besoin qui a pris de court le monde du semi-conducteur.

Mais, en soi, il n’y a aucune difficulté à concevoir ce type d’unités de calcul. Les utilisateurs regardent principalement l’efficacité énergétique (nombre de calculs par kWh d’électricité consommé) et économique (vitesse de calcul par euro dépensé).

Alors que Nvidia ne fait que concevoir ses puces et non les fabriquer, elle est dépendante des performances des fondeurs pour ce qui est de l’efficacité énergétique. Ce n’était qu’une question de temps avant que les autres grands concepteurs de puces comme Apple (avec sa gamme Apple Silicon) et Qualcomm (Snapdragon) développent des produits aussi performants sur ce plan.

Pour l’aspect économique, la concurrence fera le reste. Si Nvidia pouvait imposer ses prix pour les processeurs A100 et H100 lorsqu’elle était la seule à proposer des puces suffisamment puissantes pour les besoins modernes, l’arrivée de solutions équivalentes promet de rendre du pouvoir d’achat aux consommateurs.

C’est exactement ce qui est en train de se produire avec l’arrivée du Snapdragon Elite X de Qualcomm.

 

10 fois moins puissant, mais 200 fois moins cher

Apple avait ouvert la voie à la démocratisation des puces dédiées à l’IA dans les produits grand public avec ses iPhone, puis avec ses premières puces Apple Silicon M1 en novembre 2020. Selon le constructeur, ces dernières mettaient à la disposition des utilisateurs une puissance de calcul de plus de 11 000 000 000 000 d’opérations par seconde (11 TOPS) . Trois ans plus tard, les successeurs M3 ont vu leur performance grimper de +60 %, à 18 TOPS.

La progression est impressionnante – peu de produits informatiques ont vu leur capacité progresser d’autant depuis trois ans –, mais Qualcomm a frappé fort en annonçant que son Snapdragon Elite X pourrait atteindre les 45 TOPS, et même jusqu’à 75 TOPS dans certaines configurations.

Par rapport au M3 d’Apple, annoncé en novembre 2023, cela représente ainsi une multiplication par 4,2 de la puissance de calcul, pour un tarif commercial équivalent (moins de 2 000 $ pour un ordinateur totalement équipé).

Cette augmentation exponentielle des performances des produits grand public annonce la fin du modèle commercial de Nvidia.

Certes, le Snapdragon Elite X ne développe encore que quelques dizaines de TOPS, là où le A100 de Nvidia fournit entre 600 et 1 200 TOPS. Mais les coûts n’ont rien à voir : un processeur grand public n’est facturé que quelques centaines de dollars, tandis que Nvidia se targue de vendre ses A100 « plus de 10 000 $ pièce ». Son nouveau H100 en version PCIe, qui atteint les 3 000 TOPS, coûte pour sa part près de 30 000 $.

Jusqu’ici, Nvidia avait réussi à maintenir un prix par puissance constant sur l’ensemble de sa gamme. En ce début d’année, le rapport performance/prix est en train de basculer en faveur des solutions grand public.

Alors que les progrès des puces d’intelligence artificielle sont exponentiels, avec des modèles qui se font dépasser moins de six mois après leur sortie, il ne fait nul doute que l’avantage concurrentiel des produits de Nvidia est voué à disparaître à court terme.

Or, c’est l’absence de concurrence qui permettait à Nvidia d’avoir une politique tarifaire indécente sur sa gamme dédiée à l’IA.

La disparition de ce pricing power suite à l’arrivée de solutions alternatives ferait revenir les comptes de l’électronicien aux niveaux qui prévalaient avant la sortie de ChatGPT. De quoi renvoyer l’action sur les 160 $, et faire disparaître 1 860 Mds$ de capitalisation boursière…