Bien que les résultats financiers et la domination technique de Nvidia semblent intouchables, l'entreprise fait face à une pression accrue provenant de concurrents diversifiés alors que le secteur de l'intelligence artificielle se transforme. La dépendance coûteuse aux unités de traitement graphique (GPU) de Nvidia incite de nombreux clients à chercher des alternatives plus économiques, en particulier pour l'inférence, l'étape où les modèles effectuent des tâches spécifiques. Ce marché de l'inférence, contrairement à l'entraînement, exige une efficacité énergétique et des coûts réduits, ouvrant la voie à une nouvelle vague de puces spécialisées. La dynamique du secteur n'est pas une simple rivalité frontale mais un écosystème complexe où certains acteurs sont à la fois concurrents et partenaires de Nvidia. Les clients traditionnels de Nvidia, comme Google, Amazon et Microsoft, sont devenus des rivaux directs. Google, qui développe ses propres unités de traitement tensorielles (TPU) depuis une décennie, a commencé à les louer à des tiers, dont Meta et la société de cloud Fluidstack, marquant une offensive stratégique contre le géant des puces. De même, Amazon conçoit les puces Trainium et Inferentia pour remplacer les produits Nvidia dans ses propres services cloud. Microsoft et Meta accélèrent également leurs propres développements, avec respectivement l'annonce de la puce d'inférence Maia 200 et un calendrier ambitieux pour de nouvelles générations de silicium sur deux ans. Les startups spécialisées dans les puces d'inférence représentent une menace majeure pour la rentabilité de Nvidia. Des investissements massifs affluent vers des entreprises comme Cerebras, qui a signé un contrat de 10 milliards de dollars avec OpenAI pour ses puces à l'échelle du galet, et Groq, dont Nvidia a racheté la technologie et les talents pour 20 milliards. D'autres entreprises comme SambaNova et Tenstorrent offrent également des alternatives matérielles et logicielles pour les entreprises. Ces startups prospèrent grâce à la montée des dépenses d'infrastructure et à la nécessité de réduire les coûts opérationnels de l'IA. Le contexte géopolitique ajoute une autre couche de complexité avec la Chine. Les restrictions d'exportation américaines visent à freiner l'accès de Pékin aux technologies avancées, mais le PDG de Nvidia, Jensen Huang, met en garde contre le fait que cela pourrait stimuler l'innovation locale. Huawei, le géant télécom, se positionne comme le principal équivalent chinois de Nvidia en produisant ses propres puces, serveurs et solutions cloud. Des startups chinoises comme Cambricon, ainsi que les géants technologiques Alibaba et Baidu, développent également leurs propres solutions pour leurs infrastructures respectives, réduisant ainsi la dépendance vis-à-vis des fournisseurs américains. Enfin, les acteurs historiques du secteur, souvent appelés la vieille garde, tentent de récupérer une part de ce marché. AMD, dont la PDG Lisa Su est une lointaine cousine de Jensen Huang, a réussi à sécuriser des contrats majeurs avec des clients comme Meta. Intel, fort de sa présence auprès des grandes entreprises, et Broadcom, expert en réseaux et en puces personnalisées, continuent de prospérer. Même si Nvidia reste leader incontesté dans le domaine des GPU pour l'entraînement, le paysage technologique s'élargit et se diversifie, créant un environnement où la compétition se joue sur des segments spécifiques et des partenariats complexes plutôt que sur une confrontation directe.