Nvidia couvrira une partie de la perte si ses propres puces perdent de la valeur. C'est ainsi que vous récoltez 500 milliards de dollars.
Six des plus grandes sociétés financières souhaitent financer des centres de données IA. Pour que les chiffres fonctionnent, Nvidia garantit jusqu'à un quart de la valeur finale de son matériel.
Nvidia a signé des lettres d’intention avec Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs et KKR pour mobiliser plus de 500 milliards de dollars d’argent extérieur pour les centres de données, les usines de puces et les centrales électriques. L’idée, comme l’a décrit le directeur général Jensen Huang, est de cesser de traiter chaque centre de données d’IA comme une transaction unique et de commencer à les financer de la même manière que vous financez un réseau électrique ou un chemin de fer. Les investisseurs n’ont pas été immédiatement séduits : le cours de l’action Nvidia a chuté d’environ 1,4 % après que le Financial Times a révélé l’affaire, effaçant plus de 70 milliards de dollars de valeur marchande.
La clause intéressante est enfouie dans la structure. Pour rassurer les prêteurs, Nvidia offrira des garanties de valeur résiduelle sur des projets individuels : si le matériel installé vaut moins que prévu à la fin de la durée de financement, Nvidia couvrira une partie du déficit, jusqu’à 25 % d’une transaction donnée, évaluée projet par projet. En termes simples, la société qui vend les puces assume une part du risque que ses propres puces deviennent périmées. Huang affirme que cette part est bien inférieure à ce qui est normal dans un financement informatique comparable et que le jugement réel en matière de crédit appartient aux banques.
La véritable raison pour laquelle cette clause existe est la véritable histoire. L’investisseur Michael Burry a fait valoir que les grandes sociétés de cloud computing abandonnent leurs cartes graphiques sur cinq à sept ans tandis que Nvidia les remplace tous les deux ou trois ans, et que la dépréciation est donc sous-estimée d’environ 176 milliards de dollars entre 2026 et 2028. La réponse de Huang est une réfutation directe : l’A100 lancé en 2020 rapporte toujours de l’argent six ans plus tard, CUDA continue de rendre le vieux matériel plus utile et les prix de location augmentent plutôt que d’augmenter. s’effondrer. Il cite les contrats annuels H100 passant de 1,70 dollars par heure GPU en octobre 2025 à 2,35 en mars 2026, avec une capacité B200 de 5,30 à 7,05.
Les deux hommes décrivent la même incertitude sous des angles opposés, et la garantie réside dans ce qui se produit lorsqu’il faut en fixer le prix. Morgan Stanley s’attend à ce que les sociétés cloud dépensent 3 500 milliards de dollars entre 2026 et 2028. Le président d’Apollo estime le besoin total à plus de 8 000 milliards. La Banque d’Angleterre a averti dans son rapport sur la stabilité financière de juillet que ce rythme est sans précédent dans l’histoire, qu’un choc sur les entreprises d’IA fortement endettées pourrait resserrer le crédit mondial et que les banques ont une visibilité limitée sur leur propre exposition indirecte.
Ce que cela signifie pour vous: rien dans votre chatbot ne change aujourd’hui. Mais c’est la machine qui décide si l’IA reste bon marché. Les niveaux gratuits, les abonnements forfaitaires et les forfaits à 20 dollars existent parce que quelqu’un d’autre finance le matériel, et des structures comme celle-ci permettent d’étendre ce financement. Si le pari sur la valeur résiduelle se déroule bien, les prix restent bas plus longtemps. Si ce n’est pas le cas, la correction se manifeste par des prix plus élevés et des forfaits gratuits plus restreints et, selon la Banque d’Angleterre, peut-être dans un endroit plus inconfortable que votre abonnement. Ça vaut le coup d’être regardé, ça ne vaut pas la peine de paniquer.
Sources
Les petits modèles lisent mieux les vieux livres que les grands, et cela coûte deux dollars pour mille pages
Hugging Face et EleutherAI ont testé 14 modèles de reconnaissance de texte ouvert sur des pages historiques. Le gagnant possède 3 milliards de paramètres et bat un modèle trois fois plus grand.
