Après un excellent rapport, le géant des semi-conducteurs Nvidia semble sur le point de connaître la plus forte hausse de prix jamais enregistrée par une entreprise en une seule journée à Wall Street. La raison en est bien sûr l’énorme engouement pour l’IA qui prévaut depuis qu’Open AI a lancé le Chat GPT-3 à l’automne dernier.

Ce sont peut-être les chatbots qui sont sous les feux de la rampe, mais ils n’y seraient jamais parvenus sans le développement rapide des ordinateurs qui entraînent les modèles d’IA.

Lorsque le fondateur de Nvidia, Jensen Huang, a créé la société en 1993, l’objectif était de développer des cartes graphiques pour les ordinateurs de jeu. L’objectif était d’obtenir des graphiques 3D réalistes à l’écran et, en l’espace de quelques années, les cartes graphiques de la série Geforce sont devenues ce que tous les joueurs voulaient sous le sapin de Noël.

Nvidia était déjà une entreprise prospère, mais au début des années 2010, un changement technologique l’a propulsée sur une nouvelle orbite.

De plus en plus de chercheurs ont commencé à s’intéresser à l’apprentissage automatique, la technologie d’IA qui forme essentiellement une intelligence artificielle en lui permettant d’analyser de grandes quantités de données. C’est la technologie qui est à la base de tout, des véhicules autopilotés aux filtres amusants de Snapchat et, bien sûr, aux chatbots comme Chat GPT et Google Bard.

Le seul problème était de trouver des ordinateurs capables d’entraîner l’IA rapidement et efficacement. Pendant longtemps, l’accent a été mis sur l’utilisation du processeur principal de l’ordinateur (CPU). Pour simplifier, nous pouvons l’appeler le cerveau de l’ordinateur, celui qui fait fonctionner tous les programmes et applications.

Mais même si un processeur est puissant, il est plus efficace pour effectuer une seule tâche importante à la fois. L’apprentissage automatique consiste à effectuer un grand nombre de petites tâches très rapidement.

Il s’agit là de la force d’une carte graphique. Pour dessiner tous les pixels de l’écran en même temps, il faut effectuer un grand nombre de petits calculs parallèles. En 2011 et 2012, plusieurs éminents chercheurs en IA ont montré comment ils pouvaient remplacer leurs processeurs par des cartes graphiques et obtenir des résultats radicalement meilleurs. Une seule carte graphique pourrait remplacer des centaines de processeurs.

Les réactions n’ont pas semblé ne s’est pas fait attendre. Dans les années qui ont suivi, les cartes graphiques sont rapidement devenues la solution standard pour le développement de nouvelles intelligences artificielles, pour le plus grand bonheur de Nvidia.

L’entreprise occupait alors une position dominante sur le marché et disposait de revenus importants que Jensen Huang a choisi d’investir dans le développement de la technologie et sa spécialisation dans différentes solutions d’intelligence artificielle. Nvidia a mis sur le marché des puces d’IA conçues pour tout, des robots aux voitures en passant par les centres de données et les postes de travail dans les centres de recherche. Parallèlement, elle développe actuellement plusieurs logiciels clés utilisés pour former et exécuter des modèles d’IA.

Bien que la concurrence s’intensifie, tant de la part des grands géants de la technologie que des petites entreprises en démarrage, on estime que Nvidia détient plus de 80 % des processeurs graphiques pouvant être utilisés pour les calculs d’IA.

En Suède, les deux sociétés Volvo utilisent des puces Nvidia dans leurs véhicules, et le superordinateur Berzelius à Linköping est équipé des puissants ordinateurs d’IA du géant des semi-conducteurs. Et Chat GPT, le moteur du boom de l’IA, est formé et exécuté sur les circuits de Nvidia.