De fournisseur à maître d’œuvre
Nvidia intervient désormais directement dans le financement de l’infrastructure IA.
Au 26 juillet 2026, le groupe déclarait 99 milliards de dollars d’investissements en actions, auxquels s’ajoutaient 25 milliards d’engagements supplémentaires. Il avait également pris 36 milliards de dollars d’engagements liés aux acteurs du cloud spécialisé dans l’IA.
Le groupe cherche aussi à mobiliser des capitaux extérieurs. Avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR, Nvidia a annoncé plusieurs initiatives visant à attirer plus de 500 milliards de dollars vers les infrastructures d’intelligence artificielle. (Source : Nvidia)
L’exemple du projet PORTS-Pike, dans l’Ohio, montre jusqu’où Nvidia est prêt à aller.
SB Energy développe le campus, OpenAI en sera le locataire sur des baux de long terme, tandis que Nvidia fournira l’infrastructure de calcul et investira parallèlement dans SB Energy. Surtout, Nvidia a accepté de garantir jusqu’à 105 milliards de dollars d’engagements liés au projet, ce qui facilite directement son financement.
Cette implication se comprend mieux lorsqu’on regarde l’économie d’un gigawatt de capacité. Nvidia estime que son opportunité de revenus est passée d’environ 18 milliards de dollars par GW avec Hopper à 25 milliards avec Blackwell, puis 40 milliards avec Vera Rubin. Autrement dit, chaque nouveau gigawatt de data center devient potentiellement beaucoup plus rémunérateur pour Nvidia à mesure que son offre s’étend du GPU à l’ensemble du système.
Nvidia participe ainsi à la construction, au financement et à la sécurisation de capacités qui seront ensuite équipées avec ses propres technologies. C’est cette extension progressive de son rôle qui justifie l’idée de maître d’œuvre de l’infrastructure IA.
Hugging Face, le chaînon avec les développeurs
Hugging Face prend ici tout son intérêt. La plateforme comptait fin 2025 environ 13 millions d’utilisateurs, plus de 2 millions de modèles publics et plus de 500 000 jeux de données. Elle est devenue l’un des principaux lieux où développeurs, chercheurs et entreprises découvrent, téléchargent, adaptent et déploient des modèles d’intelligence artificielle. (Source : Hugging Face)
Nvidia ne rachèterait évidemment pas ces millions de modèles, qui restent généralement la propriété de leurs créateurs. La valeur de Hugging Face réside surtout dans sa communauté et dans sa position au cœur du parcours des développeurs.
À l’image de GitHub pour le logiciel, Hugging Face constitue progressivement une infrastructure de distribution de l’IA.
Nvidia domine déjà le hardware avec ses GPU et ses équipements réseau, ainsi qu’une partie essentielle de la couche logicielle avec CUDA. Hugging Face lui permettrait de se rapprocher du moment où le développeur choisit son modèle, l’adapte puis décide sur quelle infrastructure il souhaite l’exécuter.
Après avoir contribué à financer l’offre de puissance de calcul, Nvidia se rapprocherait donc directement de la demande.
Le parcours pour un développeur est assez facile à imaginer : découvrir un modèle sur Hugging Face, le fine-tuner avec les outils Nvidia, puis le déployer sur une infrastructure optimisée pour ses GPU.
Ce n’est pas seulement une intégration verticale. Nvidia renforcerait surtout sa présence sur les différents points de passage qui relient les modèles à la puissance de calcul.
L’open source comme protection du modèle Nvidia
Le deal a aussi une dimension défensive. Les plus grands acteurs de l’intelligence artificielle cherchent progressivement à réduire leur dépendance aux GPU Nvidia. Google dispose depuis longtemps de ses TPU, Amazon développe Trainium et les plus grands laboratoires d’IA ont désormais les moyens financiers de concevoir des architectures de silicium adaptées à leurs propres besoins (OpenAI travaille désormais avec Broadcom sur sa propre puce d’inférence, baptisée Jalapeño).
Pour Nvidia, un monde dominé par quelques plateformes entièrement verticalisées, du modèle jusqu’à la puce, ne constitue donc pas nécessairement le scénario idéal.
À l’inverse, un marché composé de milliers de modèles ouverts, de startups, de chercheurs et d’entreprises favorise une infrastructure généraliste capable de supporter une grande diversité de workloads. C’est précisément l’un des principaux avantages compétitifs de Nvidia.
Plus la couche modèle reste ouverte et fragmentée, plus la valeur d’une couche de calcul universelle située en dessous augmente.
Hugging Face peut ainsi jouer un rôle de contrepoids face à une concentration excessive de l’IA autour de quelques grands modèles propriétaires comme ceux d’OpenAI et Anthropic.
Pour Nvidia, soutenir cet environnement n’est donc pas seulement une manière d’accélérer l’adoption de l’intelligence artificielle. C’est aussi une façon de préserver une structure de marché favorable à son propre modèle économique.
Le paradoxe Hugging Face
Il reste néanmoins une difficulté. Hugging Face tire précisément une partie de sa valeur de sa neutralité. La plateforme supporte aujourd’hui Nvidia, mais également AMD, AWS ou les TPU de Google. Cette ouverture participe directement à son attractivité.
Une acquisition par Nvidia modifierait nécessairement cette perception. Le groupe aurait pourtant peu d’intérêt à fermer Hugging Face à ses concurrents. Il risquerait de détruire l’effet de réseau qu’il cherche justement à acquérir.
L’évolution pourrait être beaucoup plus subtile. Huggin Face pourrait offrir une meilleure optimisation sur CUDA, intégration plus poussée des outils Nvidia, déploiement simplifié vers ses infrastructures. Hugging Face pourrait rester officiellement ouvert tout en rendant progressivement le parcours « modèle à Hugging Face à Nvidia » plus naturel.
À près de 13 milliards de dollars, Nvidia paierait donc pour une communauté, un standard de fait et un point d’entrée vers la demande de puissance de calcul.
Le rachat de Hugging Face prolongerait ainsi une évolution déjà bien engagée chez Nvidia. Le groupe équipe les data centers, fournit le logiciel, investit dans les laboratoires, facilite le financement des infrastructures et pourrait désormais contrôler l’un des principaux canaux par lesquels les développeurs accèdent aux modèles.
Après avoir vendu les pelles de la ruée vers l’or de l’IA, Nvidia semble désormais vouloir organiser la mine.
Glossaire :
- GPU (Graphics Processing Unit) : processeur spécialisé dans le calcul parallèle, utilisé massivement pour l’entraînement de modèles d’IA. Principaux fabricants : Nvidia et AMD.
- TPU (Tensor Processing Unit) : processeur spécialisé conçu par Google pour accélérer les calculs de réseaux neuronaux.