NVIDIA se tourne vers le marché des PME avant OpenAI
Le 17 mars 2026, Jensen Huang est monté sur scène lors de la GTC à San José et a déclaré quelque chose d’inattendu pour les analystes de l’industrie des semi-conducteurs : "Chaque entreprise dans le monde a besoin d'une stratégie OpenClaw". Il n’a pas comparé cela à un modèle de langage ou à un GPU, mais à HTML et Linux. Cette déclaration ne relève pas de la rhétorique, mais du positionnement stratégique directement lié à la façon dont NVIDIA prévoit de monétiser la prochaine décennie.
Ce qu'Huang a présenté sous le nom NemoClaw est, opérationnellement, la plateforme d'agents autonomes OpenClaw — créée par le développeur autrichien Peter Steinberger en janvier 2026 — dotée de contrôles de sécurité, d’un environnement de test via OpenShell, de modèles Nemotron et d’une compatibilité avec le matériel propre et tiers. En d'autres termes : NVIDIA a transformé un projet open-source à adoption rapide, mais présentant des risques de sécurité documentés, en un produit destiné aux entreprises, avant que quiconque d'autre ne le fasse.
Cette stratégie repose sur une logique financière très précise.
L’arithmétique derrière le conditionnement aux entreprises
NVIDIA signale une croissance des revenus d'environ 77 % par rapport à l'année précédente pour le trimestre actuel, avec une projection d'environ 78 milliards de dollars. Elle a dépassé le seuil de 55 % de croissance pendant onze trimestres consécutifs. Ces résultats ne proviennent pas de la vente de GPU aux mêmes clients réguliers. Ils se maintiennent en élargissant le réseau de ceux qui doivent acheter.
C’est là que se trouve la mécanique invisible de NemoClaw : il ne s'agit pas d'une ligne de revenus directe aujourd'hui, mais d'un mécanisme d'attraction pour les sources de revenus de demain. Chaque entreprise adoptant la plateforme d'agents avec les modèles Nemotron et l'exécution OpenShell devient un client potentiel de la pipeline matérielle que NVIDIA construit — Blackwell, Vera Rubin, le rack LPX avec 256 unités de traitement Groq, le rack Kyber pour Vera Rubin Ultra en 2027. Huang a projeté un trillion de dollars en commandes pour ces systèmes jusqu'en 2027, soit le double de l'estimation précédente.
Le lien entre NemoClaw et ce trillion de dollars n’est pas anodin. Les agents autonomes consomment des jetons de manière massivement supérieure aux chatbots. Plus d'entreprises adoptent des architectures agéniques, plus la demande d'inférence augmente. Une demande d'inférence plus forte signifie plus de puces, plus de racks, plus de services. NVIDIA ne vend pas une sécurité pour les entreprises : elle vend le socle sur lequel se construira son prochain cycle d'expansion.
Cela change la façon de comprendre NemoClaw dans le portefeuille de NVIDIA. Ce n'est pas le cœur de métier — cela reste la vente d'infrastructure de calcul. NemoClaw opère à un niveau d'incubation stratégique : sa fonction est d'accélérer l'adoption sur le marché des PME assez rapidement pour que la demande pour cette infrastructure se concrétise plus tôt et avec un volume supérieur à ce qu'elle serait de manière organique.
La pression qu'OpenAI a créée sans le vouloir
Le contexte concurrentiel explique la rapidité du mouvement. Steinberger a lancé OpenClaw en janvier 2026. En février, OpenAI l'a engagé. En mars, NVIDIA a annoncé NemoClaw. Trois mois de fenêtre pour se positionner avant que le créateur du projet ne l’oriente vers les intérêts d'une entreprise avec un modèle économique différent de celui de NVIDIA.
OpenAI a des incitations pour que les agents fonctionnent dans le cloud, sur ses modèles, avec son infrastructure. NVIDIA a des incitations pour que les agents fonctionnent sur du matériel distribué — RTX PRO, station DGX, DGX Spark — avec ses environnements d'exécution et ses modèles Nemotron. Ce sont deux visions architecturales distinctes, et le marché des PME n’a pas encore décidé laquelle adopter.
Les incidents de sécurité documentés dans OpenClaw — redirections malveillantes dans ClawHub ciblant des utilisateurs de cryptomonnaies, jusqu'à des cas où des agents ont supprimé des e-mails personnels contre des instructions explicites — ont donné à NVIDIA l'argument de vente dont elle avait besoin. Les entreprises avec des données sensibles, des exigences réglementaires et des équipes juridiques n'adoptent pas des plateformes avec de tels antécédents sans une couche de contrôle institutionnelle. NemoClaw est cette couche.
La question qui reste sans réponse à la GTC est de savoir si les partenaires que NVIDIA a approchés — Adobe, Cisco, CrowdStrike, Google, Salesforce — vont convertir cette conversation en adoption concrète. Aucun n’a confirmé de compromis. Et c’est là que réside le risque réel du mouvement : NVIDIA peut construire la plateforme la plus sécurisée et évolutive du marché, mais si les entreprises choisissent d'attendre que le standard de facto émerge de lui-même — comme cela a été le cas lors des premières années de l'informatique en cloud — alors le timing du conditionnement perd son avantage.
Le piège du monopole matériel appliqué au logiciel
Il est pertinent d’analyser un schéma historique avec une certaine objectivité. NVIDIA a construit sa domination dans l'IA à travers CUDA : un ensemble d'outils logiciels qui a facilité la programmation de ses GPU par rapport à ceux de la concurrence. Le résultat a été une dépendance technique qui a pris près d'une décennie à générer des alternatives viables. NemoClaw suit une logique similaire, mais appliquée à la couche des agents.
Si NemoClaw devient la référence pour les déploiements d'OpenClaw dans les entreprises, les équipes d'ingénierie qui mettent en œuvre ces agents apprendront les modèles Nemotron, l'environnement d'exécution OpenShell et l'architecture AI-Q. Passer ensuite à une autre solution entraîne un coût de migration réel, non parce que NVIDIA le force, mais parce que les équipes ont déjà construit sur cette base.
C'est ce que Huang appelle "le système d'exploitation de l'IA personnelle" : non pas une métaphore aspirante, mais une description technique de l'endroit où NVIDIA souhaite être dans la chaîne de valeur. Les systèmes d'exploitation génèrent des revenus récurrents, créent une dépendance technique légitime et permettent de saisir de la valeur à chaque couche qui s'exécute dessus. Si NemoClaw parvient à ce rôle, le trillion de dollars en matériel projeté jusqu'en 2027 ne serait que la partie visible du modèle.
Le risque structurel est qu'OpenClaw est open-source. Toute entreprise ayant une capacité technique suffisante peut saisir la plateforme et créer son propre conditionnement sans les modèles de NVIDIA, sans l'environnement d'exécution de NVIDIA, sans la dépendance envers NVIDIA. Le véritable fossé concurrentiel ne réside pas dans le logiciel : il se trouve dans l'intégration verticale entre ce logiciel et le matériel sur lequel il fonctionne le plus efficacement. Vera Rubin promet dix fois plus de performances par watt que Grace Blackwell. Si cette différence de performance est suffisamment importante, la neutralité des puces de NemoClaw devient un argument marketing, pas une réalité opérationnelle pour les clients qui doivent évoluer.
Le portefeuille de NVIDIA n'est plus seulement constitué de puces
Ce que la GTC 2026 a révélé n'est pas un nouveau produit, mais une reconfiguration complète du portefeuille de NVIDIA vers une entreprise d'infrastructure d'agents. Les puces demeurent le moteur des revenus d'aujourd'hui — et avec 78 milliards projetés pour le trimestre, ce moteur fonctionne. Mais NemoClaw, les modèles Nemotron, l'Agent Toolkit, l'architecture AI-Q et les partenariats avec les flottes autonomes d'Uber pour 28 villes en 2028 sont la couche d'exploration qui déterminera si NVIDIA reste pertinent lorsque le marché des GPU se consolide.
L'acquisition d'actifs de Groq pour 20 milliards de dollars et le développement du rack LPX avec des unités de traitement de langage de 256 puces pointent dans la même direction : NVIDIA construit une infrastructure spécifique pour l'inférence agentique, pas seulement pour l'entraînement. Cela implique des cycles d'achats distincts, des clients différents et des métriques de valeur différentes. Une équipe informatique d'entreprise qui évalue le coût par tâche accomplie d'un agent autonome prendra des décisions d'achat différentes d'un chercheur en ML qui évalue la performance d'entraînement d'un modèle fondamental.
NVIDIA gère cette dualité simultanément, et pour l’instant, les chiffres suggèrent que l'exécution est solide. Le risque latent réside dans la rapidité de confirmation de l'adoption des entreprises : si les partenaires annoncés lors de la GTC ne concrétisent pas leurs engagements avant l'entrée sur le marché de Vera Rubin à la fin de 2026, la narrative du "système d'exploitation de l'IA personnelle" restera sans validation sur le marché au moment où elle en a le plus besoin.
