Les trois réinventions de NVIDIA : du graphisme pour jeux vidéo à l’IA moderne

NVIDIA est née d’une ambition ciblée : améliorer les graphismes en trois dimensions pour les jeux vidéo et le multimédia. Sous la direction au long cours de son cofondateur Jensen Huang, l’entreprise a cependant trouvé, à plusieurs reprises, des applications plus vastes à ce même socle technologique. Son évolution, des puces graphiques au calcul scientifique puis à l’intelligence artificielle, s’articule autour de trois avancées décisives : GeForce 256, CUDA et AlexNet.

Poser les fondations dans le graphisme

En 1993, Huang fonde NVIDIA avec Chris Malachowsky et Curtis Priem. L’entreprise se concentre sur les graphismes 3D avancés, à une époque où l’enrichissement des expériences visuelles exige une puissance de calcul considérable. Cette spécialisation initiale lui apporte à la fois un marché bien défini et un défi technique exigeant : traiter assez rapidement de nombreuses opérations graphiques pour produire des images toujours plus réalistes.

En 1999, NVIDIA lance GeForce 256, présenté par le Computer History Museum comme le premier processeur graphique, ou GPU, au monde. En réunissant des fonctions de transformation, d’éclairage et de rendu, cette puce marque une avancée majeure dans les performances 3D. Au début des années 2000, des améliorations continues permettent ensuite à NVIDIA de s’imposer parmi les principaux fournisseurs de solutions graphiques destinées aux passionnés de jeux vidéo comme aux professionnels.

Transformer un processeur graphique en plateforme de calcul

Le virage suivant intervient lorsque NVIDIA comprend que les capacités de traitement parallèle conçues pour le graphisme peuvent également servir la recherche scientifique et les travaux de calcul intensif. Des universités et des laboratoires nationaux commencent à employer ses puces dans certains des supercalculateurs les plus rapides au monde. Leur intérêt ne se limite désormais plus à l’affichage de pixels : elles peuvent aussi accélérer des calculs composés d’un grand nombre d’opérations exécutables en parallèle.

Lancé en 2006, CUDA rend cette possibilité plus accessible. Cette plateforme et ce modèle de programmation permettent aux développeurs d’exploiter les GPU de NVIDIA pour des tâches de calcul généraliste. À mesure que CUDA est adopté puis intégré à des frameworks d’IA répandus, l’expertise graphique de NVIDIA s’inscrit dans un écosystème plus large de logiciels et de développeurs. L’entreprise redéfinit ainsi son produit central comme un moteur de calcul programmable.

AlexNet, un tournant pour l’IA

Un troisième tournant survient en 2012, lorsque des GPU NVIDIA alimentent AlexNet, le réseau neuronal associé à une percée dans la reconnaissance d’images. NVIDIA réoriente alors sa stratégie de calcul accéléré vers l’essor de l’IA moderne. Sa technologie est ensuite largement utilisée pour entraîner et faire fonctionner des systèmes allant des grands modèles de langage aux applications dans la conduite autonome, les sciences et la santé.

La leçon de la réinterprétation

L’histoire de NVIDIA suggère que l’adaptabilité stratégique n’impose pas toujours d’abandonner l’expertise d’origine d’une entreprise. Ses grandes transitions se sont appuyées sur des compétences acquises grâce au graphisme : processeurs spécialisés, calcul parallèle, outils pour développeurs et amélioration continue des performances. La leçon éditoriale n’est pas que chaque startup devrait se lancer sur tout nouveau marché. Elle est qu’un avantage technique durable peut trouver des applications très éloignées du problème pour lequel il a été créé, à condition que les dirigeants restent disposés à reconsidérer ce que leur technologie peut devenir.

Image de couverture : illustration générée par IA ; ce n’est pas une photographie documentaire.

Source: Jensen Huang