13 novembre 2026 · Jakub M.

Nvidia sans Jensen Huang : ce que cela change pour l’IA locale et le prix du matériel

Le fondateur de Nvidia, Jensen Huang, a quitté la direction de l’entreprise. Pour ceux qui font tourner l’IA sur leur propre matériel, autre chose compte davantage : cartes graphiques et stations IA renchérissent surtout à cause de la pénurie de mémoire, pas du changement à la tête.

Ce qui s’est passé

Le dimanche 8 novembre, le conseil d’administration de Nvidia a annoncé une enquête indépendante visant son directeur général. Dans un message interne aux salariés, Jensen Huang a reconnu une liaison extraconjugale. Selon les médias américains, l’affaire concerne aussi sa relation avec une dirigeante de Megaspeed, une entreprise basée à Singapour. Selon ces informations, les autorités américaines soupçonnent cette dirigeante de liens avec le renseignement chinois ; la Chine rejette ces accusations. Megaspeed comptait parmi les grands clients étrangers de Nvidia et lui avait acheté des puces et d’autres matériels pour près de 5 milliards de dollars.

Le conseil a accepté la démission de Huang le 11 novembre, avec effet immédiat, et l’entreprise l’a annoncée le lendemain. La directrice financière Colette Kress assure l’intérim, Harvey C. Jones est devenu président du conseil et la recherche d’un successeur permanent est en cours. L’action Nvidia a perdu environ 17 % en cinq jours et se trouve à son plus bas niveau depuis plus d’un an.

Ce qui ne change pas pour l’instant

Le départ du patron ne change rien au fonctionnement des cartes graphiques actuelles, des pilotes ni des outils logiciels, CUDA compris. Ceux qui font tourner des modèles d’IA sur du matériel Nvidia n’ont aucune raison de changer quoi que ce soit dans l’immédiat.

Les analystes s’accordent à dire que l’activité ne change pas non plus à court terme. Selon Cody Acree, de StoneX, la feuille de route produits de Nvidia est tracée jusqu’à la génération Feynman en 2028, et il ne voit pas d’impact sur le chiffre d’affaires d’ici là. Raymond James juge la réaction du marché excessive. Goldman Sachs s’attend à ce que Nvidia honore ses engagements actuels, mais estime que de nouveaux grands partenariats seront plus difficiles à négocier sans Huang. Selon Digitimes, les fabricants de serveurs taïwanais tablent sur une demande stable à court terme.

Le départ de Jensen Huang est le plus grand changement de direction chez Nvidia depuis plus de trois décennies. Mais pour ceux qui choisissent du matériel pour faire tourner leurs propres modèles d’IA, il survient alors que le marché est déjà difficile. Les prix de la mémoire montent, les cartes graphiques puissantes sont rares et de plus en plus d’utilisateurs cherchent des alternatives aux configurations GPU classiques.

La cause principale : la mémoire

La hausse actuelle du prix du matériel pour l’IA locale tient avant tout à la pénurie de puces mémoire. Selon le Wall Street Journal, les centres de données IA consommeront cette année environ 70 % de la production de DRAM haut de gamme. La mémoire a augmenté d’environ 50 % dès la fin 2025, et les analystes de TrendForce prévoyaient une nouvelle hausse d’environ 70 % cette année. Les fabricants vendent déjà leurs capacités pour 2027 et 2028 et n’attendent pas d’amélioration notable avant 2028. D’autres facteurs, comme la demande et la politique tarifaire des fabricants, pèsent aussi sur les prix finaux.

Pour l’IA locale, la mémoire est essentielle. Sa capacité détermine la taille du modèle qui tient dans la machine, et sa bande passante la vitesse à laquelle il répond.

Ce que coûte aujourd’hui le matériel pour l’IA locale

La mémoire graphique d’une carte est bien plus rapide, mais petite : un modèle qui n’y tient pas doit être découpé ou ralentit fortement. La mémoire partagée ou unifiée est plus lente, mais accueille des modèles bien plus gros. Les deux chiffres ne sont donc pas directement comparables.

Les cartes graphiques sont particulièrement touchées. La RTX 5090 a disparu des grands distributeurs américains dès janvier. Selon GPU Poet, elle se vendait en novembre autour de 6 000 dollars sur les places de marché en ligne, environ trois fois son prix conseillé. Selon des sources chinoises, les fabricants de cartes relèvent à nouveau leurs prix en novembre, de près de 500 dollars pour les RTX 5090 et 5080.

Les stations IA compactes à mémoire partagée sont la voie la plus abordable vers les grands modèles, mais elles renchérissent aussi. La DGX Spark de Nvidia avec 128 Go a augmenté de 75 % depuis son lancement. AMD vend son propre ordinateur Ryzen AI Halo avec 128 Go à partir de 3 999 dollars. Au printemps, Apple annonçait des délais de livraison allant jusqu’à quatre à cinq mois pour les Mac Studio dotés de plus de mémoire.

Ce que montre notre propre test

Nous avons vérifié nous-mêmes jusqu’où la mémoire partagée permet d’aller. Un Mac Studio M5 Ultra avec 256 Go de mémoire unifiée a fait tourner la version 4 bits de Qwen3.5, avec 397 milliards de paramètres. Le modèle occupait environ 224 Go et générait autour de 62 tokens par seconde, sans aucune modification des réglages de macOS. Avec un contexte de 128 000 tokens, la vitesse est tombée à 44 tokens par seconde. Un tel modèle serait très loin de tenir sur une seule carte graphique. Les détails figurent dans notre test de Qwen3.5 397B.

Ce qui pourrait changer dans les années à venir

Le départ de Huang ajoute surtout de l’incertitude à long terme. Beaucoup dépend de qui dirigera Nvidia : un ingénieur conserverait probablement le cap actuel, un dirigeant venu de l’extérieur pourrait davantage privilégier les résultats à court terme. L’affaire Megaspeed a en outre soulevé la question de savoir si des puces Nvidia parviennent en Chine via d’autres pays. Des contrôles à l’exportation plus stricts toucheraient surtout les grands clients et ne concernent pas, pour l’instant, les particuliers. Entre-temps, AMD et Apple renforcent le support des outils d’IA locale, et chaque faux pas de Nvidia leur ouvre une porte.

Le premier grand test aura lieu le 17 novembre, lorsque Nvidia publiera ses résultats trimestriels. L’attention portera sur les commandes et sur ce que l’entreprise dira de l’approvisionnement.

Ce que cela signifie pour l’IA locale

Inutile de paniquer. Le matériel que vous possédez continue de fonctionner, et les nouveaux produits de Nvidia restent au programme. Acheter dans l’urgence n’est toutefois pas rentable : une RTX 5090 coûte aujourd’hui environ trois fois son prix conseillé, et la pénurie de mémoire ne disparaîtra pas de sitôt.

Mieux vaut aussi ne pas tout miser sur une seule plateforme. llama.cpp tourne sur les cartes Nvidia et AMD, sur Apple Silicon et sur le seul processeur. MLX a été conçu pour Apple Silicon, mais prend désormais aussi en charge CUDA. vLLM nécessite un backend différent pour chaque plateforme. Changer de plateforme n’est donc pas gratuit, mais c’est possible.

Essayez avant d’acheter

Pour du matériel à plusieurs milliers d’euros, mieux vaut vérifier d’abord que votre modèle et votre charge de travail tournent assez vite. Vous pouvez louer chez nous, dès une journée, le Mac Studio M5 Ultra avec 256 Go sur lequel nous avons fait ce test.

Sources: NVIDIA Form 8-K (SEC), ABC News, CBS News, TipRanks, Investing.com, Digitimes, Windows Central (WSJ, TrendForce), GPU Poet, Dataconomy, TechRadar, Implicator, Digital Citizen, BGR. Prix au 13 novembre 2026.

Demander une location Performances

← Tous les articles