The Thinking Machine

1. Une résilience forgée dans l’adversité

« À l’époque, il n’y avait pas de conseillers », confie Jensen Huang. « Personne ne vous écoutait vous plaindre, il fallait simplement devenir fort et continuer d’avancer. »

Des défis dès l’enfance. L’enfance de Jensen Huang fut marquée par de nombreuses épreuves. Envoyé de Taïwan dans une région rurale du Kentucky à l’âge de dix ans, il subit brimades et insultes raciales, vivant dans un internat qui ressemblait davantage à un centre de redressement. Partageant sa chambre avec un camarade de 17 ans illettré, marqué par des cicatrices de couteau, il apprit à lui enseigner la lecture et à faire des pompes, développant ainsi une dureté qui allait définir sa carrière. Cette période lui inculqua une autonomie et une résilience essentielles pour évoluer dans l’industrie technologique, souvent instable.

S’adapter à un nouvel environnement. Malgré ces conditions difficiles, Huang réussit brillamment sur le plan scolaire et social. Il s’adapta rapidement à la culture américaine, apprit l’anglais et découvrit des passions pour l’informatique et le tennis de table. Sa capacité à s’épanouir dans des environnements hostiles et inconnus, qu’il s’agisse de traverser un pont délabré pour aller à l’école ou de naviguer dans les complexités du monde technologique, devint une caractéristique majeure de son parcours. Cette expérience précoce lui enseigna la valeur de la persévérance et la faculté de déceler des opportunités même dans les situations les plus défavorables.

Puissance tirée de l’adversité. Huang adopte une vision pragmatique de cette période, ne la considérant pas comme un traumatisme, mais comme une expérience formatrice qui lui apprit l’importance du travail acharné et de l’autonomie. Il apprit à compter sur lui-même en l’absence de soutien, une leçon précieuse pour prendre des décisions cruciales plus tard. Cette capacité à transformer la difficulté en force est au cœur de sa motivation durable.

2. Maîtriser les fondamentaux du silicium

« Il a la capacité de faire que 1 + 1 = 3 », explique Hotzman. « Je veux dire, nous ne nous contentons pas de répondre aux attentes des clients, nous transformons ces commandes en outils, puis ces outils en méthodes opérationnelles standardisées. »

Des compétences d’ingénierie fondamentales. La carrière de Huang débuta chez AMD et LSI Logic, où il perfectionna ses compétences en génie électrique et en conception de puces. Utilisant des outils comme SPICE, il apprit à manipuler les circuits à un niveau fondamental, repoussant les performances au-delà des limites perçues. Cette compréhension approfondie du fonctionnement du silicium dès la base devint un atout majeur tout au long de sa carrière.

Aller au-delà des attentes. Chez LSI Logic, Huang se fit remarquer par sa capacité non seulement à satisfaire les demandes des clients, mais à les surpasser, transformant des projets personnalisés en méthodologies standardisées. Ce talent pour extraire une valeur maximale et créer des outils réutilisables à partir de tâches individuelles témoignait d’une vision stratégique précoce, capable de dépasser le problème immédiat pour bâtir des capacités fondamentales. Ses collègues reconnaissaient en lui cette aptitude à faire « 1 + 1 = 3 » en ingénierie.

Apprentissage et adaptation continus. Malgré un début avec des schémas papier et du cellophane coloré, Huang adopta rapidement les nouvelles technologies comme les outils de conception VLSI. Il poursuivit un master à Stanford tout en travaillant à plein temps, actualisant sans cesse ses connaissances dans un domaine en rapide évolution. Cet engagement envers l’apprentissage permanent, même en gravissant les échelons, lui permit de rester à la pointe de la conception de puces.

3. Faire de l’échec un catalyseur

« Nous avons tout raté », confia Huang en évoquant les débuts difficiles. « Chaque décision que nous avons prise était une erreur. »

Le fiasco du NV1. Le premier produit de Nvidia, la puce graphique NV1, fut un échec commercial. Malgré un début prometteur et un accord avec Sega, elle reposait sur une méthode de rendu non standard (textures quadratiques) rejetée par le marché, surtout après l’introduction par Microsoft de la norme DirectX favorisant les triangles. Cela entraîna des retours massifs, une quasi-faillite et le licenciement douloureux de la majorité des employés.

Apprendre de ses erreurs. Plutôt que de se laisser abattre, Huang considéra cet échec comme une leçon cruciale. Il analysa sans concession les causes, concluant qu’ils avaient commis toutes les erreurs possibles. Ce constat provoqua un virage radical : abandonner leur architecture propriétaire pour s’aligner sur la norme Microsoft, en mettant l’accent sur la rapidité et la rentabilité.

Le mantra des « trente jours à vivre ». Cette expérience proche de la faillite devint un élément central de la culture Nvidia, incarnée par le mantra de Huang : « Nous sommes à trente jours de la faillite. » Ce rappel constant de la menace existentielle insuffla un sentiment d’urgence, de résilience et une propension à prendre des risques calculés, garantissant que l’entreprise ne devienne jamais complaisante, même en période de succès.

4. Le pari audacieux sur le calcul parallèle

« La Silicon Valley est jonchée des cadavres d’entreprises de calcul parallèle », affirme-t-il. « À part nous, aucune n’a réussi, aucune. Le taux de réussite des prédécesseurs est nul. »

Détecter une opportunité cachée. En développant des puces graphiques pour des jeux comme Quake, les ingénieurs de Nvidia réalisèrent que l’architecture de leurs puces, conçue pour traiter simultanément de nombreux pixels, était naturellement adaptée au calcul parallèle. Contrairement aux CPU traditionnels qui traitent les tâches séquentiellement, cette approche offrait un potentiel immense. Malgré l’échec commercial historique du calcul parallèle, Huang en perçut la valeur.

Défier la sagesse conventionnelle. La décision de Huang d’investir massivement pour rendre leurs GPU programmables pour le calcul parallèle général (GPGPU) fut très audacieuse. Le marché était réduit, la programmation complexe, et les géants comme Intel se concentraient sur l’amélioration des performances séquentielles des CPU selon la loi de Moore. Wall Street considérait cela comme un gaspillage, qualifiant cet investissement de « taxe CUDA ».

La puissance du GPU. La capacité du GPU à effectuer des milliers de calculs simples simultanément le rendait bien supérieur aux CPU pour les tâches parallélisables. Initialement destiné au rendu graphique, Huang envisagea son usage en calcul scientifique, simulations, puis en intelligence artificielle. Ce pari audacieux, pris sur un marché inexistant, plaça Nvidia en position de futur leader.

5. Construire un écosystème autour de CUDA

« Une fois que vous y êtes, vous ne voulez plus partir », explique Altz. « C’est ce qu’on appelle le verrouillage fournisseur. Vous êtes lié, sans échappatoire. »

La plateforme CUDA. Conscient de la difficulté à programmer le matériel parallèle, Nvidia investit massivement dans le développement de CUDA, une plateforme logicielle facilitant l’accès à la puissance de calcul parallèle des GPU. Lancée en 2006, CUDA fut d’abord accueillie avec scepticisme et une adoption limitée.

Cultiver un « marché à zéro milliard de dollars ». Huang cibla stratégiquement les chercheurs académiques et les domaines scientifiques de niche avec CUDA, un marché qu’il qualifia de « zéro milliard de dollars ». En fournissant gratuitement des outils logiciels et un soutien aux scientifiques travaillant sur des problématiques comme la modélisation climatique ou l’imagerie médicale, Nvidia bâtit une base fidèle d’utilisateurs dépendants de l’écosystème CUDA. Ce fut un pari à long terme, sacrifiant le profit immédiat pour créer un marché futur.

Le verrouillage fournisseur par le logiciel. Le véritable génie de CUDA fut de créer un fossé logiciel puissant autour du matériel Nvidia. Si les concurrents pouvaient reproduire les puces, ils ne disposaient pas de la décennie d’avance accumulée dans la construction d’une suite logicielle complète et conviviale. Ce verrouillage rendait extrêmement difficile et coûteux pour chercheurs et entreprises de changer de fournisseur.

6. Reconnaître le tournant de l’IA

« Il a immédiatement perçu le potentiel, bien avant tout le monde », raconte Kirk. « Il était en avance sur son temps, voyant clairement le développement possible de l’IA. Il fut vraiment le premier. »

La percée d’AlexNet. En 2012, des chercheurs de l’Université de Toronto, utilisant deux GPU Nvidia standards et la plateforme CUDA, réalisèrent une avancée spectaculaire en reconnaissance d’images avec leur réseau neuronal AlexNet. Cela démontra que l’apprentissage profond, longtemps en sommeil, pouvait atteindre des résultats inédits grâce au calcul parallèle.

Le pivot rapide de Huang vers l’IA. Alors que la communauté de recherche en IA peinait à saisir l’ampleur d’AlexNet, Huang reconnut immédiatement cette application clé pour l’architecture de calcul parallèle de Nvidia. Il réorienta rapidement toute l’entreprise vers l’apprentissage profond, déclarant presque du jour au lendemain Nvidia « entreprise d’IA ». Ce pivot rapide et décisif fut crucial pour saisir cette opportunité émergente.

La demande insatiable en puissance de calcul. Huang comprit que l’entraînement et l’exécution de grands réseaux neuronaux nécessitaient une puissance de calcul exponentiellement croissante, une demande que seuls les GPU Nvidia, avec leur architecture parallèle et le logiciel CUDA, pouvaient satisfaire efficacement. Il vit que l’appétit de l’IA pour le calcul dépasserait largement celui des graphismes ou des simulations scientifiques, créant un marché massif et durable.

7. Faire évoluer l’intelligence avec les Transformers

« Nous avons constaté qu’à mesure que leur taille augmentait, ils semblaient devenir de plus en plus intelligents ! » s’émerveille Sazelle. « Ce n’était pas le cas des programmes que nous écrivions auparavant. »

L’architecture Transformer. En 2017, des chercheurs de Google développèrent l’architecture Transformer, un design novateur de réseau neuronal qui révolutionna le traitement du langage naturel. Contrairement aux réseaux récurrents précédents, les Transformers pouvaient traiter des séquences entières de texte en parallèle, optimisant leur efficacité sur GPU et permettant la création de modèles linguistiques beaucoup plus vastes.

L’émergence des grands modèles de langage (LLM). L’association de l’architecture Transformer, de vastes ensembles de données et de la puissance des GPU Nvidia conduisit au développement de grands modèles de langage comme la série GPT d’OpenAI. Ces modèles manifestèrent des capacités « émergentes » surprenantes à mesure qu’ils grandissaient, accomplissant des tâches non explicitement enseignées, telles que la rédaction de code ou la réussite d’examens.

L’usine à IA pour le langage. L’entraînement et l’exécution de ces gigantesques LLM requéraient des ressources informatiques sans précédent, consolidant la position de Nvidia comme fournisseur essentiel d’infrastructures IA. Des entreprises comme OpenAI et Google devinrent ses plus gros clients, bâtissant des « usines à IA » — d’immenses centres de données équipés de dizaines de milliers de GPU Nvidia — pour alimenter la révolution linguistique.

8. Le leadership paradoxal de Jensen Huang

« Vous avez l’impression de ne pas pouvoir le décevoir », confie Clay. « Vous ne pouvez tout simplement pas. »

Exigeant et inspirant. Jensen Huang est réputé pour son style de leadership intense, exigeant et parfois volatile. Il est célèbre pour réprimander publiquement les employés en cas d’erreur, instaurant une culture mêlant peur et loyauté profonde. Les collaborateurs ressentent une pression immense à ne pas le décevoir, ce qui les pousse à atteindre des objectifs apparemment impossibles.

Loyauté et bienveillance. Malgré ses critiques sévères, Huang suscite une loyauté sincère. Il se souvient des détails personnels de ses employés, les soutient dans les moments difficiles et licencie rarement pour des raisons de performance, préférant utiliser la critique publique comme outil pédagogique. Ce mélange d’exigence et de soin crée un environnement unique, à la fois intense et protecteur.

Visionnaire et minutieux. Huang combine une vision à long terme rare avec une attention obsessionnelle aux détails. Il peut exposer un futur révolutionnaire pour l’informatique tout en scrutant la position d’un distributeur d’eau ou la couture du pantalon d’un personnage de dessin animé. Cette capacité à naviguer entre stratégie globale et précision opérationnelle est clé dans la rapidité d’exécution de Nvidia.

9. L’usine à IA et la domination de l’infrastructure

« Une nouvelle industrie est en train de naître : des centres de données IA qui traitent d’énormes volumes de données brutes pour en extraire une intelligence numérique », explique-t-il. « C’est comme la centrale électrique à courant alternatif de la dernière révolution industrielle ; les supercalculateurs IA de Nvidia sont en quelque sorte les usines de production IA de cette révolution. »

Construire l’infrastructure IA. Conscient que l’IA nécessitait une nouvelle infrastructure informatique, Huang mena le développement de solutions matérielles et logicielles intégrées spécifiquement conçues pour les charges de travail IA. Cela inclut les systèmes DGX, qui regroupent plusieurs GPU en supercalculateurs IA puissants, ainsi que l’acquisition de Mellanox pour fournir des réseaux à haute vitesse.

Le concept d’« usine à IA ». Huang présente les centres de données modernes comme des « usines à IA » qui transforment des données brutes en intelligence. Cette analogie souligne l’échelle industrielle et la puissance transformative de ces installations, positionnant les GPU Nvidia comme la machinerie essentielle de cette nouvelle révolution industrielle, à l’image des centrales électriques lors de la précédente.

Le logiciel comme rempart. Au-delà du matériel, l’écosystème logiciel étendu de Nvidia, incluant CUDA et des centaines de bibliothèques spécialisées, est crucial pour sa domination. Cette pile logicielle facilite grandement le développement et le déploiement d’applications IA sur le matériel Nvidia, créant une barrière à l’entrée puissante pour les concurrents et assurant une demande continue pour ses puces.

10. Géopolitique et le bouclier silicium

« Si quelque chose arrivait à Taïwan et à TSMC, l’impact serait aussi dévastateur que si la Californie tombait à la mer », déclare Deborah Shoquist.

Dépendance à TSMC. Le modèle économique de Nvidia repose fortement sur TSMC à Taïwan pour la fabrication de ses puces avancées. La précision et l’échelle inégalées de TSMC sont essentielles à la capacité de Nvidia à produire des GPU de pointe. Cette dépendance lie directement le destin de Nvidia à la stabilité géopolitique de Taïwan.

Le « bouclier silicium » taïwanais. La concentration de la fabrication de semi-conducteurs avancés à Taïwan, notamment chez TSMC, a donné naissance au concept de « bouclier silicium », suggérant que la dépendance mondiale aux puces taïwanaises dissuade toute agression potentielle. Huang, malgré ses origines taïwanaises, minimise publiquement ce risque, préférant insister sur la solidité du partenariat.

Compétition mondiale et réorganisation des chaînes d’approvisionnement. Les tensions géopolitiques, notamment entre les États-Unis et la Chine, poussent à développer des capacités de fabrication de semi-conducteurs dans d’autres régions comme les États-Unis, l’Europe et le Japon. Si cette diversification vise à réduire la dépendance à Taïwan, la complexité et l’ampleur de la reproduction des processus les plus avancés de TSMC restent immenses, assurant le rôle critique de Taïwan pour un avenir proche.

11. Une richesse sans précédent et des défis à venir

« J’ai beaucoup plus d’argent que je ne l’imaginais », confie-t-il.

Une croissance financière explosive. Le cours de l’action Nvidia a connu une croissance astronomique, surtout depuis l’essor de l’IA. Cela a fait de Jensen Huang et de nombreux employés de longue date des milliardaires et multimillionnaires, générant une richesse rarement vue dans l’histoire des entreprises. La capitalisation boursière de la société a explosé, la plaçant parmi les entreprises les plus valorisées au monde.

Domination du marché et surveillance accrue. Nvidia détient un quasi-monopole sur le marché des puces IA, ce qui lui assure des profits massifs et des marges élevées. Cette position dominante suscite à la fois admiration et critiques, avec des accusations de pratiques tarifaires abusives et des inquiétudes sur la concentration du pouvoir. Les concurrents tentent activement de briser cette emprise, mais la force de son écosystème rend la tâche ardue.

Des incertitudes pour l’avenir. Malgré son succès actuel, Nvidia fait face à d’importants défis. La pérennité de l’essor de l’IA, les énormes besoins énergétiques des « usines à IA », les risques géopolitiques liés à Taïwan et à la Chine, ainsi que la concurrence croissante constituent autant de menaces potentielles. La valeur de l’entreprise repose largement sur des attentes futures, ce qui crée une pression constante pour innover et performer dans un paysage en rapide évolution.