Le 20 janvier 2026, Goldman Sachs réaffirme Nvidia leader du marché IA, malgré une convergence réelle avec le TPU v7 de Google. Si le nouveau TPU réduit les coûts de 70 % et égale les performances d’Nvidia en prix absolu, l’écosystème logiciel CUDA — plutôt que le silicium seul — explique pourquoi la dominance persiste.
Le TPU v7 en chiffres
Le TPU v7 (surnommé Ironwood), co-conçu par Google et Broadcom, affiche des résultats impressionnants. Il réduit le coût par token de 70 % comparé au TPU v6 et atteint une parité de coût absolu avec le GPU Nvidia GB200 NVL72, voire un léger avantage selon les métriques.
Cette avancée repositionne clairement Google comme un acteur crédible face à Nvidia sur le terrain du calcul IA à grande échelle, en particulier pour les charges de travail internes et les modèles propriétaires.
L'analyse Goldman Sachs
Goldman Sachs a construit une courbe d’investissement comparant les économies de calcul de différents fabricants de puces IA. Au-delà de la hiérarchie, l’analyse révèle des dynamiques qui fragilisent progressivement la position d’Nvidia, tout en la consolidant à court terme.
Le TPU v7 améliore significativement l’efficacité économique, mais ces gains restent circonscrits à des environnements contrôlés. À l’inverse, Nvidia continue de dominer dans les déploiements multi-clients, hybrides et ouverts, où la standardisation logicielle reste déterminante.
Le moat CUDA : pourquoi le logiciel prime sur le silicium
Entre 4 et 6 millions de développeurs maîtrisent CUDA selon les analystes sectoriels. Ils savent optimiser du code pour l’architecture Nvidia, exploiter les bibliothèques matures (cuDNN, cuBLAS, TensorRT) et intégrer les bonnes pratiques accumulées au fil du temps.
Cette inertie logicielle constitue un avantage structurel majeur. Migrer vers une alternative matérielle implique non seulement un changement d’infrastructure, mais aussi un coût humain et organisationnel souvent sous-estimé.
Les premières fissures
Des outils comme Triton et JAX créent les premières vraies alternatives, permettant l’écriture de code GPU performant en pur Python sans connexion directe à CUDA et offrant une portabilité croissante entre architectures.
Ces initiatives ne remettent pas immédiatement en cause la domination de Nvidia, mais elles signalent un mouvement de fond : la volonté de réduire la dépendance à un écosystème propriétaire unique.
Conclusion
L’analyse de Goldman Sachs du 20 janvier 2026 repose sur des données solides. Nvidia reste leader en coût-performance IA et contrôle 80 à 92 % du marché selon le segment. Sur le court terme, ces chiffres justifient une préférence rationnelle.
Mais aucune domination technologique n’est permanente — surtout pas sur un marché qui se restructure aussi rapidement.
Leave a Reply