Le matin que j’ai passé avec trois fondateurs de startups d’IA le mois dernier dans le District de Découverte MaRS à Toronto a révélé quelque chose de particulier : chacun d’eux possédait le même composant rectangulaire dans leurs laboratoires de développement. Il ne s’agissait pas de n’importe quels composants, mais des unités de traitement graphique H100 de Nvidia—chacune coûtant plus de 30 000 $ et formant collectivement l’épine dorsale de leurs ambitions en intelligence artificielle.
« Sans ces machines, » a admis Sanjay Mitthal, dont la startup de vision par ordinateur a levé 17 millions de dollars, « nous serions essentiellement bloqués en phase de recherche pour une autre année. »
Cette scène n’est pas unique au Canada. À travers le paysage technologique mondial, un modèle frappant a émergé : Nvidia s’est transformé d’un fabricant de matériel de jeu en fournisseur d’infrastructure essentiel alimentant un écosystème de startups d’IA évalué à 306 milliards de dollars.
Les chiffres racontent une histoire convaincante. Depuis qu’OpenAI a lancé ChatGPT fin 2022, le capital-risque a afflué vers les startups d’IA à un rythme sans précédent. Selon les données de PitchBook, les startups d’IA ont levé plus de 68 milliards de dollars en 2023 seulement—avec 42 milliards supplémentaires au premier semestre 2024. Mais contrairement aux booms technologiques précédents où le logiciel dominait, la révolution actuelle de l’IA repose sur une base résolument dépendante du matériel.
« La relation entre les startups d’IA et Nvidia n’est pas seulement importante—elle est existentielle, » explique Ming Zhao, partenaire chez Radical Ventures lors d’une entrevue. « Lorsque nous évaluons des investissements potentiels, l’accès aux ressources informatiques figure désormais parmi nos trois principaux critères, aux côtés de la qualité de l’équipe et des opportunités de marché. »
La dépendance est profonde. Anthropic, une entreprise de recherche en IA qui concurrence OpenAI, dépenserait environ 500 000 $ par jour en ressources informatiques—une grande partie allant aux services cloud propulsés par Nvidia. Claude, leur assistant IA phare, a nécessité environ 5 000 GPU Nvidia pour son entraînement, selon les estimations de l’industrie.
Pour les startups sans rondes de financement de plusieurs milliards, cela crée à la fois des opportunités et des vulnérabilités. L’accès à la puissance de calcul est devenu l’équivalent moderne d’un emplacement privilégié à l’époque de la ruée vers l’or.
L’Office d’investissement du Régime de pensions du Canada, qui gère plus de 570 milliards de dollars d’actifs, a remarqué ce changement. « Nous voyons émerger une couche d’infrastructure autour du calcul d’IA, » note Leon Pedersen, directeur général des investissements en capital-risque à l’OIRPC. « Les startups qui peuvent utiliser efficacement ces ressources ont un avantage inhérent sur ce marché. »
Cette dynamique a créé plusieurs effets d’entraînement intéressants dans l’écosystème d’innovation :
Les géants du cloud computing comme AWS, Google Cloud et Microsoft Azure ont renforcé leurs offres de GPU Nvidia, souvent avec des forfaits spécialisés pour les startups d’IA. L’investissement de Microsoft dans OpenAI a donné à la startup un accès privilégié à l’infrastructure Azure propulsée par Nvidia.
Un marché secondaire pour les ressources informatiques a émergé. Des startups comme Lambda Labs et CoreWeave ont bâti des entreprises uniquement autour de l’accès au matériel Nvidia, cette dernière atteignant une valorisation de 7 milliards de dollars principalement en étant plus agile que les grands fournisseurs cloud dans le déploiement des puces Nvidia.
Les sociétés de capital-risque offrent de plus en plus des crédits GPU avec leurs financements. Sequoia Capital, Andreessen Horowitz et d’autres fournissent maintenant à leurs entreprises en portefeuille des millions en crédits informatiques—reconnaissant que le code seul ne suffit plus.
L’analyse de la Banque du Canada sur les modèles d’investissement technologique montre que l’infrastructure informatique représente maintenant entre 18 et 24 % des taux de combustion des jeunes entreprises d’IA—une augmentation spectaculaire par rapport à seulement 6 % en 2019.
Pourtant, la domination de Nvidia crée une vulnérabilité. Lorsque les produits d’une seule entreprise deviennent si essentiels à toute une industrie, des défis surgissent inévitablement. Les résultats trimestriels récents ont montré que Nvidia capture environ 80 % du marché des puces d’IA, avec des concurrents comme AMD et Intel qui peinent à gagner du terrain significatif.
« Le risque de concentration est réel, » prévient Patricia Thaine, co-fondatrice de Private AI, dont la technologie de confidentialité des données repose sur l’architecture informatique de Nvidia. « Quand nous avons fait face à des retards de puces l’année dernière, nous avons dû reporter un lancement majeur de produit de trois mois. Il n’y avait tout simplement pas d’alternatives viables. »
Les contraintes de la chaîne d’approvisionnement se sont quelque peu assouplies en 2024, mais la dépendance fondamentale demeure. Nvidia a tiré parti de cette position pour créer un écosystème en expansion de logiciels, d’outils et de plateformes. Leur framework de programmation CUDA est devenu la norme de facto pour le développement d’IA—renforçant davantage leur position.
L’impact économique s’étend au-delà des startups. Invest Ontario rapporte que les régions offrant un accès fiable à l’infrastructure informatique d’IA gagnent la bataille pour les investissements technologiques. Le corridor d’innovation de Toronto a connu une augmentation de 38 % des créations d’entreprises d’IA dans les zones disposant d’installations de calcul haute performance dédiées.
« Il ne s’agit pas seulement des puces, » explique Rohan Nair, qui dirige la stratégie d’IA à la Banque Royale du Canada. « C’est toute la pile technologique que Nvidia a construite. Les environnements de développement, les outils d’optimisation, les modèles préentraînés—tout cela crée de puissants effets de réseau difficiles à reproduire. »
Cette relation entre Nvidia et l’écosystème des startups d’IA représente une fascinante symbiose économique. Le fabricant de puces a déclaré 26 milliards de dollars de revenus de centres de données au dernier trimestre seulement, largement tirés par les applications d’IA. Pendant ce temps, les startups dépendantes de ces puces ont collectivement levé des centaines de milliards en financement de capital-risque.
Pour les investisseurs et les fondateurs, comprendre cette dynamique est crucial. Les startups d’IA les plus performantes ne se contentent pas de développer de nouveaux algorithmes—elles maîtrisent l’utilisation efficace des ressources informatiques. Des entreprises comme Cohere et Stability AI se sont distinguées en obtenant des résultats impressionnants avec des budgets informatiques relativement modestes.
L’écosystème canadien de l’IA s’est adapté en développant une expertise spécialisée dans l’efficacité computationnelle. L’Institut Vector à Toronto a lancé des programmes spécifiquement axés sur l’aide aux startups pour optimiser leurs charges de travail d’IA pour le matériel Nvidia.
Pour l’avenir, plusieurs forces pourraient remodeler ce paysage. De nouveaux designs de puces de concurrents, des accélérateurs d’IA spécialisés, et même l’informatique quantique se profilent à l’horizon comme perturbateurs potentiels. Les startups explorant des approches alternatives d’apprentissage automatique nécessitant moins de puissance de calcul attirent de plus en plus l’attention.
« Les entreprises les plus intéressantes que nous voyons aujourd’hui trouvent des moyens de fournir de la valeur en IA sans nécessiter d’énormes grappes de GPU, » remarque Michelle Scarborough du Fonds de capital de risque pour les femmes en technologie de BDC Capital. « Elles utilisent des techniques comme les données synthétiques, l’apprentissage par transfert et l’informatique de périphérie pour contourner certaines dépendances matérielles. »
La question à 306 milliards de dollars à laquelle l’industrie de l’IA est confrontée est de savoir si le rôle central de Nvidia représente une phase transitoire ou une structure économique durable. La réponse façonnera non seulement le développement technologique, mais aussi les modèles d’investissement dans l’économie de l’innovation pour les années à venir.
Pour l’instant, ces processeurs rectangulaires qui bourdonnent dans les laboratoires de startups à travers Toronto et au-delà restent le cœur battant d’une révolution de l’IA encore à ses débuts. La ruée vers l’or continue—avec Nvidia qui vend les pioches et les pelles dont tout le monde semble avoir besoin.
