Il existe deux types de visionnaires : ceux qui prédisent l'avenir, et ceux qui le construisent si tôt que le monde met 30 ans à s'en apercevoir. Jensen Huang appartient à la deuxième catégorie — la plus rare et la plus mal comprise.
Le malentendu des jeux vidéo
Pendant des décennies, NVIDIA a été perçue comme une entreprise de gaming — celle qui fabrique les cartes graphiques permettant de jouer avec de beaux graphismes. C'était vrai, et c'était le malentendu le plus productif de l'histoire de la tech. Car ce que Huang construisait réellement, ce n'était pas des puces pour jeux : c'était une nouvelle architecture de calcul.
Un processeur classique (CPU) fait une chose à la fois, très vite. Un processeur graphique (GPU) fait des milliers de choses simples en parallèle. Pour afficher des pixels, c'est utile. Mais Huang avait l'intuition que le calcul parallèle servirait un jour bien au-delà des pixels : simulation, science, et — sans qu'il puisse le nommer encore — intelligence artificielle.
CUDA : le pari que Wall Street détestait
En 2006, NVIDIA lance CUDA — un outil permettant aux programmeurs d'utiliser les GPU pour n'importe quel calcul, pas seulement les graphismes. Wall Street déteste : des centaines de millions investis dans une plateforme sans marché visible, qui plombe les marges. L'action stagne pendant des années. Les analystes réclament l'abandon du projet.
Huang tient bon, avec un raisonnement typique de sa méthode : si le calcul parallèle devient un jour important, celui qui possède la plateforme logicielle possédera tout le marché. Il ne savait pas quand ni pourquoi la demande viendrait. Il savait qu'elle viendrait. C'est la différence entre la prédiction et la conviction.
2012 : le monde rattrape NVIDIA
La validation arrive d'un endroit inattendu. En 2012, des chercheurs de Toronto entraînent un réseau de neurones baptisé AlexNet sur deux cartes NVIDIA achetées dans le commerce. Le résultat pulvérise tous les records de reconnaissance d'images. La communauté scientifique comprend en quelques mois : le deep learning fonctionne, et il tourne sur des GPU.
Tout ce qui suit — la révolution de l'IA, ChatGPT, les modèles génératifs — repose sur cette infrastructure que Huang construisait depuis 20 ans. Quand la ruée vers l'or de l'IA commence, NVIDIA ne vend pas de l'or : elle vend les pelles, les pioches et le seul chemin d'accès à la mine. CUDA, moqué par les analystes, est devenu le fossé défensif le plus puissant de la tech.
Les leçons du pari de 30 ans
Première leçon : les grandes opportunités ressemblent longtemps à des erreurs. Si votre pari est immédiatement validé par tout le monde, c'est qu'il était évident — donc peu rentable. Deuxième leçon : construisez la plateforme, pas seulement le produit. NVIDIA aurait pu vendre des puces ; elle a construit l'écosystème logiciel qui rend ses puces irremplaçables. Troisième leçon : la conviction se nourrit de principes, pas de validation externe. Huang ne savait pas que l'IA serait le débouché — il savait que le calcul parallèle était physiquement supérieur pour certains problèmes, et que ces problèmes finiraient par devenir importants.
La question pour vous : quelle compétence ou infrastructure pourriez-vous construire aujourd'hui, qui semble inutile, mais dont la logique profonde vous dit qu'elle sera indispensable dans 10 ans ?