Nvidia atteint 96,2 milliards, mais la course aux puces IA refuse toujours de ralentir

Le ralentissement de la course aux puces d’intelligence artificielle devra encore attendre. Avec 96,2 milliards de dollars de revenus trimestriels, Nvidia affiche une croissance qui reste à trois chiffres et confirme que les investissements dans les data centers continuent de progresser à un rythme exceptionnel.

Un trimestre à 96,2 milliards de dollars

Annoncés le 26 août 2026, les résultats du groupe américain dépassent une nouvelle fois les attentes du marché. Le chiffre d’affaires atteint 96,2 milliards de dollars, soit une hausse de 106 % sur un an et de 18 % par rapport au trimestre précédent.

Cette progression séquentielle est particulièrement significative. Sur une base de comparaison estimée à environ 81,5 milliards de dollars, elle représente près de 14,7 milliards de revenus supplémentaires en trois mois. La croissance de Nvidia ne repose donc plus seulement sur une comparaison annuelle favorable : elle continue aussi de s’accélérer en valeur absolue.

Le bénéfice net suit une trajectoire encore plus spectaculaire. Il s’établit à 59,7 milliards de dollars, en progression de 126 % sur un an. La hausse des résultats dépasse ainsi celle du chiffre d’affaires, signe que le groupe conserve une puissance bénéficiaire considérable alors que la demande se concentre sur ses processeurs et systèmes les plus avancés.

Pour Jensen Huang, patron de Nvidia, ces chiffres prolongent une séquence de résultats hors norme. Le groupe est devenu le principal indicateur financier de la demande mondiale en accélérateurs d’IA, ces puces utilisées pour entraîner les modèles et exécuter leurs réponses à grande échelle.

La demande des data centers ne faiblit pas

L’intérêt de ces résultats dépasse largement le cas de Nvidia. Ils donnent une indication directe sur les budgets engagés par les hyperscalers, les grandes entreprises et les acteurs souverains qui construisent leurs propres capacités de calcul.

Les fournisseurs de cloud continuent d’acheter massivement des GPU pour répondre à deux besoins distincts. Le premier concerne le training, c’est-à-dire l’entraînement de modèles toujours plus volumineux. Le second porte sur l’inference, l’exécution quotidienne de ces modèles lorsqu’un utilisateur sollicite un assistant, génère une image ou automatise une tâche.

Cette seconde phase devient progressivement aussi importante que l’entraînement. Les modèles sont désormais intégrés dans des moteurs de recherche, des suites bureautiques, des logiciels professionnels et des applications industrielles. Chaque usage supplémentaire réclame de la puissance de calcul, même lorsque le modèle lui-même a déjà été entraîné.

À cela s’ajoutent les programmes d’IA souveraine. Des États et des administrations investissent dans des data centers nationaux afin de contrôler leurs infrastructures, leurs données et parfois leurs modèles. Ces commandes ne répondent pas uniquement à une demande commerciale immédiate : elles relèvent aussi de choix stratégiques et industriels. Elles contribuent néanmoins à maintenir la pression sur l’offre de GPU.

Une croissance encore proche de 90 % au prochain trimestre

Nvidia ne donne pas seulement un bilan exceptionnel. Le groupe prévoit également une nouvelle progression très élevée pour la période août-octobre. S’il atteint son objectif de revenus, la croissance devrait encore s’établir autour de 89 % sur un an.

Le chiffre paraît inférieur aux 106 % enregistrés sur le trimestre écoulé, mais cette comparaison mérite d’être nuancée. Une croissance de 89 % sur une base déjà proche de 100 milliards de dollars implique un ajout de revenus bien supérieur, en valeur, à celui observé un an plus tôt. Le taux ralentit mécaniquement à mesure que Nvidia élargit son point de départ, sans que la demande cesse de progresser.

C’est l’un des éléments les plus importants de cette publication. Le marché ne regarde plus seulement si Nvidia affiche une forte croissance, mais s’il parvient à maintenir cette croissance après plusieurs trimestres d’investissements massifs. La prévision communiquée suggère que les dépenses ne se contractent pas à court terme.

Le pari financier des acheteurs

Pour les clients de Nvidia, ces achats représentent des dépenses en capital considérables. Les capacités installées doivent ensuite être suffisamment utilisées pour produire des revenus, réduire les coûts ou améliorer la productivité.

Le décalage entre l’investissement et le retour financier reste l’un des principaux points de surveillance du secteur. Les entreprises peuvent acheter des milliers de GPU avant de savoir précisément quelles applications seront les plus rentables. Les fournisseurs de cloud, eux, doivent arbitrer entre la construction de capacités supplémentaires et le risque de laisser des équipements sous-utilisés.

Les résultats de Nvidia indiquent que, pour l’instant, les directions financières continuent de privilégier l’accès au calcul. La crainte de manquer une capacité stratégique semble encore l’emporter sur la prudence concernant le retour sur investissement. Tant que les services d’IA gagnent des utilisateurs et que les entreprises multiplient les projets, la demande reste soutenue.

Le marché cherche désormais les signes de saturation

Ces chiffres ne suppriment pas les risques. La concentration de la demande autour d’un nombre limité de grands acheteurs rend Nvidia dépendant des plans d’investissement de quelques acteurs majeurs. Un report de commandes, une amélioration de l’efficacité des modèles ou une utilisation moins intensive des services pourrait ralentir le cycle.

L’industrie cherche également à obtenir davantage de performances avec moins de puces. Des modèles plus compacts, des logiciels mieux optimisés et des architectures spécialisées pourraient réduire le nombre de GPU nécessaire pour certaines tâches. À court terme, cette amélioration de l’efficacité peut toutefois provoquer l’effet inverse : la baisse du coût d’un usage rend son déploiement plus accessible et augmente le volume total de requêtes.

La question n’est donc pas seulement de savoir si les modèles deviennent plus efficaces, mais si cette efficacité réduit ou stimule la consommation globale de calcul. Les résultats de Nvidia penchent encore clairement vers le second scénario.

Le prochain test sera celui des investissements

Avec 96,2 milliards de dollars de revenus et 59,7 milliards de dollars de bénéfice net, Nvidia confirme que la frénésie des infrastructures d’IA reste intacte. Le groupe prévoit encore environ 89 % de croissance annuelle pour le trimestre suivant, malgré une base de comparaison devenue gigantesque.

Le prochain jalon sera la publication des dépenses d’investissement et des prévisions des grands fournisseurs de cloud. Elles permettront de vérifier si les commandes de GPU se traduisent par des déploiements réellement utilisés, ou si une partie de la capacité commence à s’accumuler. Pour l’instant, le baromètre financier de l’IA ne signale pas un essoufflement : il continue d’accélérer, avec des montants qui rendent chaque trimestre plus difficile à dépasser.