Jensen Huang double la prévision de Nvidia à 1 000 milliards
mais la vraie bataille se joue dans la mémoire
le goulot d'étranglement du HBM et l'ascension de CXMT

Le geste de Jensen Huang est rare dans l'histoire des grandes entreprises technologiques : doubler sa propre prévision de demande en l'espace d'un an. Lors de la conférence GTC de mars 2026, le dirigeant de Nvidia a projeté au moins 1 000 milliards de dollars de revenus issus de sa prochaine génération de plateformes de puces et de systèmes d'IA d'ici 2027, soit deux fois la demande qu'il anticipait l'année précédente. Le moteur invoqué est ce qu'il nomme l'inflexion de l'inférence : le déplacement de la charge de calcul des centres de données de la phase d'entraînement vers la phase d'inférence, où chaque requête d'un modèle déjà entraîné consomme de la puissance de calcul en continu. Les architectures concernées sont les plateformes Blackwell et Vera Rubin. Il faut cependant confronter la prévision au réel des comptes. L'exercice fiscal en cours, qui se clôt fin janvier, devrait s'achever juste en deçà de 400 milliards de dollars, et non 500 milliards. Le deuxième trimestre fiscal, attendu plus tard ce mois-ci, devrait ressortir autour de 91 milliards, soit environ 11,5 % de plus que le trimestre précédent. L'année suivante devrait dépasser aisément 500 milliards. La trajectoire vers 1 000 milliards de revenus annuels est donc présentée comme réalistement en vue. C'est ici que cette analyse pose sa question : une prévision doublée suppose non seulement des puces, mais aussi les composants qui les accompagnent. Et parmi ces composants, la mémoire est devenue le maillon le plus contraint de la chaîne.

La prévision ne suffit pas, il faut la financer. Le 10 août, Jensen Huang a annoncé un partenariat réunissant six des plus grandes institutions financières mondiales pour financer l'infrastructure de calcul IA et attirer plus de 500 milliards de dollars de capital externe. Les accords, conclus sous forme de protocoles d'entente, impliquent notamment Goldman Sachs, KKR et BlackRock. La prémisse défendue par Huang est que la puissance de calcul devient un actif commercialisable. Sa formule mérite d'être citée intégralement tant elle condense le déplacement stratégique : Nvidia a commencé par construire des puces, et contribue désormais à créer une nouvelle classe d'infrastructure productive et investissable, les usines d'IA ; dans l'IA, le calcul est le revenu, et le calcul Nvidia est singulièrement adapté à ce rôle. Ce mécanisme a une conséquence structurelle directe : en transformant le calcul en actif finançable, Nvidia déplace le coût de l'expansion de son bilan vers des tiers, tout en verrouillant la demande sur sa propre architecture. Mais ce financement massif suppose que chaque dollar de calcul déployé trouve sa contrepartie en mémoire. Or la mémoire, contrairement au calcul, ne se finance pas par un protocole d'entente entre banques : elle se fabrique dans des usines dont les délais d'équipement sont longs et la capacité finie. C'est précisément cette asymétrie que la section suivante va mesurer.

Le point que cette analyse veut établir est le suivant : la prévision de Nvidia ne peut se réaliser qu'à travers une couche mémoire dont l'offre est structurellement tendue. La mémoire haute bande passante, ou HBM, est essentielle aux accélérateurs IA, mais elle crée une pression d'offre sur la DRAM conventionnelle. Selon TrendForce, le HBM pourrait consommer environ 30 % de la capacité de production de DRAM des trois plus grands fabricants de mémoire d'ici 2027, tout en ne représentant que 13 % des bits mémoire produits. En d'autres termes, le HBM consomme bien plus de capacité de plaquette par bit que la DRAM classique. Il reste donc moins de capacité de fabrication pour la mémoire conventionnelle, au moment précis où les serveurs IA exigent davantage de DRAM serveur. TrendForce anticipe que les nouvelles usines et les procédés avancés augmenteront l'offre de bits DRAM d'environ 24 % en 2027, ce qui pourrait ne pas suffire face au drainage de capacité du HBM et aux délais longs d'équipement. Les résultats financiers confirment la tension. Micron a vu son chiffre d'affaires bondir d'environ 346 % sur un an à 41,5 milliards de dollars, avec une marge brute non-GAAP de 84,9 %. SK Hynix affiche une croissance de 257 % de son chiffre d'affaires et de 557 % de son bénéfice d'exploitation. Et, détail décisif que les commentateurs omettent souvent : depuis le premier trimestre 2026, la DRAM serveur conventionnelle est plus rentable à produire que le HBM, car les prix de la DRAM ont grimpé plus vite tandis que ceux du HBM restaient verrouillés par des contrats de long terme. L'essor de l'IA ne profite donc plus seulement au HBM : la rareté de capacité soulève les prix et les marges de tout le marché de la DRAM.

Le goulot d'étranglement mémoire n'est pas qu'une question d'offre, il redessine la carte du capital. CXMT, fabricant chinois de puces mémoire considéré comme central dans la construction de l'infrastructure IA de la Chine, a dépassé Tencent la semaine dernière pour devenir l'entreprise la plus valorisée du pays, franchissant le seuil d'un demi-milliard de milliards de dollars, c'est-à-dire plus de 500 milliards de dollars de capitalisation boursière, selon Bloomberg. Le titre, coté sous le code 688825, a gagné plus de 500 % depuis son introduction en Bourse. Le basculement est structurel : le secteur du matériel représente désormais plus de 12 % de l'indice MSCI China All Shares, contre environ 3 % il y a six ans, tandis que les distributeurs en ligne, Alibaba et JD.com combinés, sont passés de plus de 15 % en 2020 à environ 7 % en août. Pendant une décennie, Tencent, Alibaba et les géants du mobile ont dominé l'attention des investisseurs ; la répression de Pékin contre le secteur privé à partir de 2020 a précipité un déclin dont l'ascension de CXMT est l'aboutissement. Le gestionnaire de fonds Leonid Mironov, de Gavekal Capital, résume la dynamique : le flux de trésorerie de Tencent est devenu négatif et une grande partie part vers les acteurs du matériel comme CXMT, une dynamique qui existe aussi aux États-Unis. Les valorisations sont soutenues par l'idée que l'autosuffisance créera un marché adressable plus vaste pour ces entreprises, note Jing Jie Yu, analyste chez Morningstar. Pékin, qui agit en faiseur de rois, a désigné l'infrastructure IA et la robotique comme priorités, et Xi Jinping a appelé à des percées décisives face à la rivalité américaine. La conclusion provisoire que cette analyse retient : la mémoire, longtemps considérée comme un sous-secteur cyclique du matériel, est devenue le point de convergence où la demande d'IA, la politique industrielle chinoise et la redistribution du capital se rencontrent.

Toute la question que cette analyse doit maintenant affronter est celle de la durée. Les booms de la mémoire durent rarement, car les prix élevés incitent les fabricants à ajouter de la capacité, créant à terme une surcapacité. La thèse défendue par certains observateurs, dont l'analyste Manali Pradhan, est que la demande tirée par l'IA pourrait prolonger ce cycle, parce que les fabricants peinent à augmenter leur production assez vite pour suivre la demande. Le signal à surveiller est celui du moment où la croissance de l'offre de DRAM dépassera celle de la demande : jusque-là, le boom a de la marge. Mais les fragilités sont multiples. La première est la surcapacité à venir : ChangXin prévoit de plus que doubler sa capacité, et TrendForce anticipe un relâchement de l'offre de NAND au second semestre 2027. La seconde est la dépendance croisée : Nvidia dépend des fabricants de mémoire pour réaliser sa prévision de 1 000 milliards, tandis que les fabricants de mémoire dépendent de Nvidia pour leur demande de HBM. Chaque maillon peut se retourner contre l'autre. La troisième est géopolitique : l'ascension de CXMT s'inscrit dans une logique d'autosuffisance chinoise qui pourrait, à terme, séparer les chaînes de valeur, avec des coûts de duplication pour l'ensemble du système. Le paradoxe central, que la conclusion va résoudre, est qu'une prévision fondée sur l'abondance du calcul repose en réalité sur la rareté d'un composant cyclique dont personne ne contrôle entièrement l'offre.