Huang Ren-Hsuan est Satoshi Nakamoto

Auteur : Luo Yihang

En janvier 2009, un anonymes a inventé quelque chose appelé “token” : vous investissez en puissance de calcul, vous obtenez des tokens, qui circulent, sont évalués et échangés dans un réseau de consensus. Toute l’économie cryptographique est née de cela. Plus de dix ans ont passé, et les gens débattent encore de la valeur réelle de ces tokens.

En mars 2025, un homme en cuir redéfinit une autre sorte de token : vous investissez en puissance de calcul, produisez des tokens, qui sont immédiatement consommés lors d’un processus d’inférence et de raisonnement en IA : réflexion, déduction, écriture de code, prise de décision. L’économie de l’IA s’accélère ainsi. Personne ne discute de la valeur de ce type de token, car ce matin-là, vous en avez déjà utilisé des millions.

Deux types de tokens, même nom, même structure sous-jacente : puissance de calcul investie, valeur produite.

En mars 2026, je suis assis dans la salle du NVIDIA GTC, écoutant un discours presque sans promotion de Jensen Huang. Oui, il a présenté Vera Rubin, un produit combinant CPU et GPU. Mais cette fois, il n’a pas parlé de paramètres de puces ni de processus de fabrication, il a exposé une économie complète autour de la production, de la tarification et de la consommation de tokens :

Quel modèle correspond à quelle vitesse de token ; quelle vitesse de token correspond à quelle fourchette de prix ; pour cette fourchette, quel matériel est nécessaire pour supporter.

Il a même préparé pour les PDG et décideurs, détenteurs de chèques d’entreprise, un plan de répartition des capacités de centres de données : 25 % pour le niveau gratuit, 25 % pour le milieu de gamme, 25 % pour le haut de gamme, 25 % pour le segment à forte prime.

Oui, il n’a pas vendu de GPU spécifique cette fois, comme avec Blackwell il y a deux ans. Mais cette fois, il vend quelque chose de plus grand. Après deux heures, je pense que la phrase qu’il voulait surtout faire passer est : Welcome to consume tokens, and only Nvidia’s factory could produce.

À cet instant, j’ai compris que cet homme, et celui qui, il y a 17 ans, a extrait le premier token en tant qu’anonyme, font la même chose, structurellement.

Même ensemble de règles de transformation

L’anonyme sous le pseudonyme de “Satoshi Nakamoto” a écrit en 2008 un livre blanc de neuf pages, élaborant un ensemble de règles : investir en puissance de calcul, prouver un travail (Proof of Work), obtenir en récompense un crypto token.

Ce qui est brillant dans cette règle, c’est qu’elle ne nécessite la confiance en personne : tant que vous acceptez ces règles, vous devenez automatiquement participant de cette économie. La règle est juste, car elle rassemble des personnes peu scrupuleuses.

Et Jensen Huang, sur la scène du GTC 2026, a fait quelque chose de structurellement identique.

Il a montré un graphique illustrant la relation et la tension entre efficacité de raisonnement et consommation de tokens : l’axe Y représente le débit (combien de tokens produits par mégawatt), l’axe X, l’interactivité (la vitesse perçue par chaque utilisateur). Sous l’axe X, il a marqué cinq niveaux de tarification : Free avec Qwen 3, 0$/million de tokens ; Medium avec Kimi K2.5, 3$/million ; High avec GPT MoE, 6$/million ; Premium avec GPT MoE 400K contexte, 45$/million ; Ultra, 150$/million.

Ce graphique pourrait presque faire la couverture du livre blanc de l’“économie des tokens” de Huang.

Satoshi Nakamoto a défini ce qu’est un calcul “valable” — réaliser une collision SHA-256 est précieux. Huang définit ce qu’est une inférence “valable” — produire des tokens à une vitesse spécifique dans un contexte donné, sous une contrainte de consommation, est précieux.

Ni Satoshi ni Huang ne produisent directement des tokens : ils définissent tous deux les règles de production et de tarification.

Une phrase prononcée par Huang sur scène pourrait presque résumer le livre blanc de l’économie des tokens :

Tokens are the new commodity, and like all commodities, once it reaches an inflection, once it becomes mature, it will segment into different parts.

Les tokens sont la nouvelle matière première. Lorsqu’elle mûrit, elle se stratifiera naturellement. Il ne s’agit pas d’une simple description de l’état actuel, mais d’une prévision de la structure du marché, et il aligne ses produits hardware précisément sur chaque couche de cette structure.

La production de ces deux types de tokens possède même une symétrie sémantique : le minage s’appelle mining, l’inférence, inference.

L’essence du minage et de l’inférence est la même : transformer l’électricité en argent. Les mineurs dépensent de l’électricité pour extraire des crypto tokens, qu’ils vendent ; les modèles d’inférence et agents IA dépensent de l’électricité pour produire des tokens IA, qu’ils vendent à des développeurs à prix au million. La différence réside dans la étape intermédiaire, mais les deux extrémités sont identiques : à gauche, le compteur électrique, à droite, le revenu.

Deux façons d’écrire la rareté

La décision la plus importante prise par Satoshi Nakamoto n’est pas Proof of Work, mais la limite de 21 millions de bitcoins. Il a créé une rareté artificielle par code — peu importe le nombre de mineurs, la quantité totale de bitcoins ne dépassera jamais 21 millions. Cette rareté constitue l’ancrage de valeur de toute l’économie cryptographique.

Huang, lui, a créé une rareté naturelle par lois physiques. Il dit :

“You still have to build a gigawatt data center. You still have to build a gigawatt factory, and that one gigawatt factory for 15 years amortized… is about $40 billion even when you put nothing on it. It’s $40 billion. You better make for darn sure you put the best computer system on that thing so that you can have the best token cost.”

Un centre de données de 1 GW ne deviendra jamais 2 GW. Ce n’est pas une limite de code, mais une loi physique.

Terre, électricité, dissipation thermique — chaque limite physique existe. Le coût de construction d’une usine de 400 millions de dollars, avec une durée de vie de 15 ans, dépend entièrement de l’architecture de calcul qu’on y met.

La rareté de Satoshi peut être forkée : si vous n’aimez pas la limite de 21 millions, vous pouvez forker une nouvelle chaîne, la doubler à 200 millions, l’appeler Ether ou autre, et publier un white paper. Et c’est ce que certains ont fait, avec enthousiasme.

Mais la rareté créée par Huang ne peut pas être forkée : on ne peut pas forker la deuxième loi de la thermodynamique, ni la capacité électrique d’une ville, ni la superficie physique d’un terrain.

Mais, que ce soit Satoshi ou Huang, leur création de rareté mène au même résultat : la course à l’armement hardware.

L’histoire du minage : CPU → GPU → FPGA → ASIC. Chaque génération de matériel spécialisé rend obsolète la précédente. L’histoire de l’entraînement et de l’inférence en IA suit un schéma similaire : Hopper → Blackwell → Vera Rubin → Groq LPU. Du hardware généraliste au hardware spécialisé. Le Groq LPU présenté cette année par Huang, après l’acquisition de Groq, est un processeur de flux de données déterministe. Compilation statique, ordonnancement par compilateur, absence d’ordonnancement dynamique, 500 Mo de SRAM sur puce — sa philosophie architecturale est celle d’un ASIC pour l’inférence. Une seule tâche, mais à l’extrême.

Ce qui est intéressant, c’est que le GPU a joué un rôle clé dans ces deux vagues.

Avant 2013, les mineurs ont découvert que le GPU était plus adapté que le CPU pour miner des crypto tokens, et les cartes graphiques Nvidia ont été rapidement en rupture de stock. Dix ans plus tard, les chercheurs ont compris que le GPU était l’outil optimal pour entraîner et inférer des modèles IA, et les cartes Nvidia pour centres de données ont de nouveau été en rupture. En tant que processeur, le GPU a servi deux générations d’économies de tokens.

Et la différence, c’est qu’en premier lieu, Nvidia a été un bénéficiaire passif, sans en tirer profit. La deuxième fois, quand la consommation de puissance IA est passée de pré-entraînement à inférence, Nvidia a rapidement saisi l’opportunité, conçu tout le jeu, et est devenue la règle du jeu en IA.

Le plus grand fournisseur de pelles du monde

Dans la ruée vers l’or, ce n’est pas l’orpailleur qui gagne le plus, mais Levi Strauss qui vend des pelles. Dans la ruée minière, ce ne sont pas les mineurs, mais Bitmain et Wu Jihan qui vendent les machines. Dans la vague IA de pré-entraînement et d’inférence, ce ne sont pas les modèles de base ou agents, mais Nvidia qui gagne le plus.

Mais soyons honnêtes : le rôle de Bitmain et Nvidia dans leur secteur respectif n’est pas comparable.

Bitmain ne vend que des machines de minage, et Nvidia a été fournisseur de Bitmain. Acheter une machine, miner une crypto, rejoindre une pool, vendre à un prix donné, cela n’a rien à voir avec Bitmain. C’est un fournisseur hardware pur, qui gagne sur la vente unique d’équipements.

Nvidia, lui, ne vend pas seulement du hardware. Depuis 2025, avec l’explosion de l’IA en inférence, Nvidia a profondément défini ce qu’il faut miner avec cette GPU, comment tarifer les tokens, à qui les vendre, comment répartir la capacité dans les data centers… Tout cela est dans la présentation de Huang : il divise le marché en cinq niveaux, chaque niveau correspondant à un modèle, une longueur de contexte, une vitesse d’interaction et un prix… Nvidia a standardisé, formaté le marché futur de l’IA inférence qui entraînera tout.

Vers 2018, la puissance de calcul mondiale était concentrée dans quelques grands pools — F2Pool, Antpool, BTC.com — qui se faisaient concurrence pour la part de marché, mais la source des machines était très concentrée chez Bitmain.

Comme aujourd’hui Nvidia, dont 60 % des revenus proviennent de “hyperscalers” concurrents — AWS, Azure, GCP, Oracle, CoreWeave — et 40 % de clients diversifiés : IA natives, projets souverains, entreprises. Les “gros pools” apportent la majorité des revenus, les “petits mineurs” offrent résilience et diversification.

Les deux écosystèmes ont une structure identique. Mais Bitmain a rencontré ses concurrents — Shima Mining, Canaan, Innosilicon — qui grignotent ses parts. Les ASIC de minage sont relativement simples, et les concurrents ont une chance de rattraper. En revanche, faire plier Nvidia semble de plus en plus difficile : 20 ans d’écosystème CUDA, des centaines de millions de GPU installés, la technologie NVLink de sixième génération, l’architecture dé-couplée de inference de Groq après acquisition — la complexité technologique et les barrières écologiques de Nvidia rendent la plupart des outils concurrents inefficaces.

Cela pourrait durer encore 20 ans.

La bifurcation fondamentale entre deux types de tokens

Ce qui différencie fondamentalement la cryptomonnaie et l’IA en termes de tokens, c’est la motivation et la psychologie des utilisateurs.

La demande pour les crypto tokens est spéculative. Personne ne “besoin” de Bitcoin pour faire un travail. Toutes les white papers affirmant que la blockchain peut résoudre des problèmes sont écrites par des escrocs. Vous détenez des crypto parce que vous croyez qu’un jour, quelqu’un vous l’achètera à un prix plus élevé. La valeur du Bitcoin repose sur une prophétie auto-réalisatrice : si suffisamment de gens croient en sa valeur, elle a de la valeur. C’est une économie de la foi.

En revanche, la demande pour les tokens IA est liée à la productivité. Nestlé a besoin de tokens pour la gestion de sa chaîne d’approvisionnement — ses données de supply chain, qui se rafraîchissent toutes les 15 minutes, passent à 3 minutes, réduisant les coûts de 83 %, cette valeur peut être directement intégrée dans le P&L. Tous les ingénieurs de Nvidia utilisent des tokens pour coder, pas à la main ; les équipes de recherche en ont besoin pour faire avancer la science. Vous n’avez pas besoin de croire en la valeur du token, il suffit de l’utiliser, et sa valeur se prouve dans l’usage.

C’est la différence essentielle entre ces deux tokens : le crypto token est produit pour être détenu et échangé — sa valeur réside dans le fait de ne pas l’utiliser. Le token IA est produit pour être consommé immédiatement — sa valeur réside dans son usage instantané.

L’un est de l’or numérique, plus on en accumule, plus ça vaut ; l’autre, c’est de l’électricité numérique, qui brûle dès sa production.

Cette différence explique pourquoi l’économie des tokens IA ne sera pas sujette à la même bulle que celle des crypto tokens. Le Bitcoin connaît des montagnes russes parce que son prix spéculatif est piloté par l’émotion. Mais le prix des tokens est déterminé par leur usage et leur coût de production : tant que l’IA reste utile — tant que l’on continue à coder avec Claude Code, rédiger avec ChatGPT, faire tourner des agents — la demande de tokens ne s’effondrera pas. Elle ne repose pas sur la foi, mais sur l’indispensabilité.

En 2008, le livre blanc de Bitcoin devait démontrer pourquoi un système de cash électronique décentralisé a de la valeur. Seize ans plus tard, la controverse continue.

En 2026, l’économie des tokens n’a pas suscité de débat, elle est même devenue un consensus sans besoin de justification. Quand Huang, sur scène au GTC, a dit “tokens are the new commodity”, personne n’a contesté. Parce que tous ceux dans la salle, ce matin, ont consommé des millions de tokens avec Claude Code ou ChatGPT. Ils n’ont pas besoin d’être convaincus de leur valeur — leur facture de carte bancaire le prouve déjà.

Dans ce sens, Huang est vraiment le clone de Satoshi Nakamoto : celui qui, en laissant la production de machines de minage monopolistique, en définissant les usages et règles des tokens, et en organisant chaque année un show au SAP Center de San Jose pour présenter la prochaine génération de “machines” pour l’IA, a laissé une empreinte.

Satoshi Nakamoto a une fascination pour la prudence dans la conception : il établit des règles, les confie au code, puis disparaît. C’est le romantisme du cypherpunk. Huang, lui, ressemble à un homme d’affaires plus qu’à un scientifique : il conçoit, maintient, améliore, construit sa forteresse.

Le token que vous voyez aujourd’hui, sans y croire, est celui que vous verrez demain. Il est le successeur de Watt, Ampère, et Bitcoin.