Jensen Huang : qui est le fondateur de Nvidia

Pour comprendre l’industrie de l’IA, il faut comprendre Nvidia, et donc l’homme qui la dirige. Jensen Huang pilote depuis 1993 l’entreprise qu’il a cofondée, une longévité rare dans un secteur où les patrons changent souvent. Sous sa direction, Nvidia est passée des cartes graphiques pour joueurs au rang d’entreprise la plus valorisée au monde. Elle fournit aujourd’hui une grande partie de la puissance de calcul qui entraîne et fait tourner les modèles d’IA. Ce succès repose sur un pari pris des années avant la vague de l’IA générative. Pour le portrait complet de l’entreprise, lisez aussi notre article sur Nvidia, le géant qui fait tourner toute l’IA mondiale.

Parcours de Jensen Huang : de Taïwan à la fondation de Nvidia

Jen-Hsun Huang naît le 17 février 1963 à Tainan, dans le sud de Taïwan. Sa famille part d’abord en Thaïlande, puis l’envoie aux États-Unis quand il a neuf ans. Passionné de mathématiques, il étudie le génie électrique à l’Oregon State University, puis obtient un master à Stanford. Avant de se lancer, il travaille comme ingénieur chez AMD, puis chez LSI Logic, un concepteur de circuits intégrés.

En 1993, Huang cofonde Nvidia avec deux ingénieurs, Chris Malachowsky et Curtis Priem. L’entreprise se spécialise dans les processeurs graphiques (GPU), des puces conçues pour effectuer un très grand nombre de calculs en parallèle. Pendant une vingtaine d’années, son marché principal reste le jeu vidéo, où la gamme GeForce devient une référence pour les graphismes 3D. Nvidia est alors rentable et respectée, mais elle reste un acteur spécialisé dans le paysage technologique mondial.

Le pari CUDA : du jeu vidéo à l’intelligence artificielle

Le tournant se dessine au début des années 2010. Des chercheurs en deep learning constatent que les GPU, pensés pour le calcul massivement parallèle des graphismes, conviennent aussi très bien à l’entraînement des réseaux de neurones. Jensen Huang saisit cette opportunité plus tôt que ses concurrents Intel et AMD.

Deux décisions se révèlent déterminantes. D’abord, Nvidia investit massivement dans CUDA, une plateforme logicielle lancée en 2006 qui permet de programmer les GPU pour des tâches non graphiques comme le calcul scientifique, la simulation puis l’IA. Ensuite, Huang réoriente progressivement l’entreprise vers les data centers et le calcul haute performance, sans abandonner le jeu vidéo. Au moment où il engage ce pari, le marché commercial de l’IA reste encore embryonnaire.

Le résultat apparaît avec l’essor de l’IA générative à partir de 2022-2023. Les grands modèles comme GPT, Claude, Gemini, Llama ou ceux de Mistral AI ont été entraînés en grande partie sur des grappes de GPU Nvidia. L’entreprise se retrouve ainsi en position dominante sur le segment le plus stratégique de l’économie technologique.

Les chiffres de Nvidia : une croissance hors norme

L’exercice fiscal de Nvidia est décalé par rapport au calendrier civil. L’exercice 2026 a couru de fin janvier 2025 à fin janvier 2026. Sur cette période, le chiffre d’affaires a atteint 215,9 milliards de dollars, en hausse de 65 % sur un an, pour un bénéfice net de 120,1 milliards. La marge brute annuelle s’est établie à 71,1 %, puis elle est remontée à 75 % au dernier trimestre.

Le segment data centers, qui regroupe les puces et les systèmes pour l’IA, a pesé 193,7 milliards de dollars sur l’exercice, soit près de 90 % du total. La croissance s’est ensuite accélérée. Au premier trimestre de l’exercice 2027 (février à avril 2026), Nvidia a réalisé 81,6 milliards de chiffre d’affaires, au-delà des 78 milliards qu’elle avait annoncés. Le deuxième trimestre, publié le 26 août 2026, a atteint 96,2 milliards, dont 89 milliards pour les data centers. L’entreprise vise 108 milliards pour le trimestre suivant.

Nvidia redistribue aussi une partie de ces profits. Elle a reversé 41,1 milliards de dollars à ses actionnaires sur l’exercice 2026, en rachats d’actions et en dividendes. En mai 2026, elle a porté son dividende trimestriel de 0,01 à 0,25 dollar par action.

Les chiffres du tableau suivent les normes comptables américaines (GAAP) publiées par Nvidia. Au premier trimestre 2027, le bénéfice net intègre près de 16 milliards de dollars de gains sur les participations de l’entreprise, ce qui le gonfle par rapport à l’activité courante.

La feuille de route de Jensen Huang : Blackwell, Vera Rubin et Feynman

Jensen Huang tient une feuille de route publique et régulière. Nvidia présente une nouvelle architecture de puces à un rythme proche d’une par an, et chacune porte le nom d’un scientifique.

Blackwell est l’architecture qui a porté les ventes depuis 2025. Nvidia la présente comme sa plateforme d’inférence la plus efficace de cette génération, et elle a remporté toutes les catégories du banc d’essai MLPerf Training 6.0.

Vera Rubin associe le GPU Rubin et le processeur Vera. Huang a dévoilé le nom Rubin dès le Computex de juin 2024, puis il a détaillé la plateforme au GTC de mars 2025. Au CES de janvier 2026, il a annoncé que les puces étaient entrées en pleine production. Le GTC 2026, tenu à San José du 16 au 19 mars 2026, a présenté la plateforme complète, qui compte sept puces et cinq systèmes à l’échelle du rack. Les livraisons ont commencé au deuxième trimestre de l’exercice 2027, auprès de clients comme CoreWeave, Google Cloud, Microsoft Azure, Oracle et Nebius. Nvidia prévoit que Vera Rubin représente environ 20 % de son chiffre d’affaires data centers au troisième trimestre.

Feynman est la génération suivante, annoncée au GTC 2026 avec un nouveau processeur baptisé Rosa, en hommage à Rosalind Franklin. Lors du même discours, Huang a déclaré voir au moins 1 000 milliards de dollars de commandes pour Blackwell et Vera Rubin jusqu’à fin 2027.

Au-delà du matériel, Huang pousse Nvidia vers le logiciel et l’inférence. En décembre 2025, l’entreprise a signé avec la startup Groq un accord de licence d’environ 20 milliards de dollars et a recruté ses dirigeants, ce qui a donné naissance à l’accélérateur d’inférence Groq 3 LPX. Nvidia publie aussi des modèles ouverts (la famille Nemotron) et des outils pour les agents IA, ces systèmes capables de planifier et d’agir de façon autonome. Le 3 septembre 2026, elle a annoncé le rachat de Hugging Face pour 12,93 milliards de dollars, une opération qui attend encore le feu vert des régulateurs.

Open models let startups, businesses, universities and public institutions build on advanced capabilities without training every model from scratch.

Les risques qui pourraient freiner Nvidia

Nvidia domine son marché, mais sa position comporte plusieurs fragilités.

Les puces maison et la concurrence d’AMD

Google, Amazon, Microsoft et Meta conçoivent leurs propres puces pour l’IA, souvent avec l’aide de Broadcom. Google a annoncé en avril 2026 qu’il livrerait ses TPU à certains clients dans leurs propres data centers, et Anthropic a signé un accord de plusieurs gigawatts sur ces puces. De son côté, AMD a lancé en juillet 2026 son rack Helios et revendique des engagements d’OpenAI, de Meta et d’Anthropic. Meta a pourtant signé en février 2026 un partenariat pluriannuel portant sur des millions de GPU Nvidia, ce qui montre que les géants du cloud multiplient les fournisseurs sans quitter Nvidia.

La dépendance à TSMC

Nvidia conçoit ses puces mais ne les fabrique pas. Le fondeur taïwanais TSMC s’en charge, ce qui expose l’entreprise aux tensions entre la Chine et les États-Unis autour de Taïwan.

La Chine et les restrictions à l’export

En avril 2025, Washington a imposé une licence pour le H20, une puce conçue pour respecter les règles d’exportation vers la Chine. En décembre 2025, l’administration Trump a autorisé les ventes de H200 à des clients chinois contrôlés, en échange de 25 % des revenus. Pékin a ensuite freiné ces achats pour favoriser ses propres puces, comme les Ascend de Huawei. Lors de ses résultats du 26 août 2026, Nvidia a indiqué n’avoir livré qu’une petite partie des volumes autorisés, et ses prévisions excluent tout revenu de calcul en Chine. Le modèle V4 de DeepSeek, sorti en avril 2026, a d’ailleurs été optimisé pour les puces Huawei.

Les financements circulaires

Nvidia investit dans ses propres clients. Elle s’est engagée en novembre 2025 à investir jusqu’à 10 milliards de dollars dans Anthropic, puis jusqu’à 30 milliards dans OpenAI en février 2026. Ce second investissement remplace une lettre d’intention de 100 milliards signée en 2025. Plusieurs analystes s’interrogent sur ces montages, car l’argent investi revient en partie à Nvidia sous forme d’achats de puces.

Jensen Huang, un dirigeant fondateur

Huang dirige Nvidia depuis sa création, soit plus de trente ans au même poste. Cette stabilité explique en partie la cohérence stratégique du groupe. Les paris de long terme, comme CUDA ou le virage vers l’IA, demandaient un dirigeant capable d’attendre plusieurs années avant d’en voir les fruits.

Sa fortune suit le cours de Nvidia, dont il détient environ 3 %. Forbes l’évaluait à 191 milliards de dollars au 1er septembre 2026, ce qui le plaçait au huitième rang mondial. Quelques jours plus tard, après l’annonce du rachat de Hugging Face, le magazine la voyait approcher les 200 milliards. Sa rémunération reste modeste au regard de cette fortune : elle s’est élevée à 36,3 millions de dollars pour l’exercice 2026, en baisse de 27 % selon Bloomberg.

Son style de management passe pour exigeant. Il défend une culture de l’urgence et répète que les épreuves forment le caractère, une conviction qu’il relie à son parcours d’immigrant. Son blouson de cuir noir, porté lors de chaque keynote, est devenu une signature aussi reconnaissable que le col roulé de Steve Jobs.

Nvidia dans l’écosystème IA : le rôle du fournisseur central

Nvidia ne vend pas d’assistant grand public concurrent de ChatGPT ou de Claude. Elle fournit plutôt le matériel et les logiciels sur lesquels ces services s’appuient, ce qui la place en amont de toute la chaîne de valeur. Même Apple Intelligence illustre la diversité des choix possibles, puisque Apple a entraîné ses modèles sur des TPU de Google et fait tourner ses serveurs sur ses propres puces.

Cette position a aussi une dimension politique. Nvidia accompagne des projets d’infrastructure nationale, comme Mistral Compute, lancé en juin 2025 avec Mistral AI et annoncé avec 18 000 puces Grace Blackwell. Jensen Huang rencontre désormais des chefs d’État autant que des directeurs techniques.

Ce qu’il faut retenir sur Jensen Huang

Jensen Huang a compris très tôt que le calcul parallèle deviendrait le goulot d’étranglement de l’IA. Il a construit l’écosystème matériel et logiciel pour y répondre, et Nvidia affiche désormais des résultats trimestriels proches de 100 milliards de dollars.

La question centrale porte maintenant sur la durée de cette avance, alors que ses propres clients développent des alternatives. Huang parie pour cela sur un rythme annuel de nouvelles puces, sur l’inférence avec Groq et sur les modèles ouverts avec Hugging Face. Sa capacité à anticiper la prochaine transition décidera de la suite, comme elle l’a fait depuis trente ans.