Jensen Huang ne parle plus seulement de salaires, d’actions ou de bonus. Il pose une autre monnaie dans le débat, un budget de calcul assez vaste pour changer la valeur perçue d’un poste.
À partir d’un certain volume, la promesse ne relève plus du gadget. Avec des crédits d’inférence accordés d’avance, la productivité des ingénieurs cesse d’être une simple ligne de discours, elle devient un avantage tangible, un signal envoyé aux candidats comme aux équipes déjà en place, sans autre forme. Rideau.
Un budget de calcul qui ressemble à un second salaire
Jensen Huang veut que chaque salarié de NVIDIA dispose d’un budget personnel de 250 000 jetons d’IA. L’idée frappe parce qu’elle ressemble moins à un simple avantage qu’à une allocation annuelle directement rattachée au poste et à ses objectifs.
Vue ainsi, la réserve ne sert pas à décorer une fiche de paie. Elle s’ajoute au salaire de base, prend la forme de crédits de calcul et devient une enveloppe par employé capable de peser presque autant qu’un complément de rémunération.
Quand les jetons deviennent un argument d’embauche
À l’embauche, la question ne porte plus seulement sur le fixe, les bonus ou les actions. Dans le recrutement en Silicon Valley, disposer d’un vrai budget d’IA commence à compter autant que le matériel ou l’équipe promise.
Pour un candidat, la vitesse d’essai, de test et de livraison devient un vrai sujet. C’est là que l’accès au calcul pèse, et que la négociation salariale intègre ces jetons au même rang que la rémunération variable et les stock-options.
Pourquoi cette réserve de jetons change le travail des ingénieurs
Avec une réserve déjà affectée, un ingénieur peut lancer un agent, partir sur d’autres dossiers, puis revenir sur le résultat. Ce cadre favorise les tâches de recherche, l’exécution d’outils et les essais longs sans demander une validation à chaque requête.
Le changement vient de là. Des agents autonomes peuvent itérer seuls, comparer des pistes et conduire des expériences nocturnes. Dans un circuit d’autorisation classique, ce rythme se casse vite, car chaque dépense doit être justifiée avant usage.
I can very easily imagine every engineer in our company having an annual token budget, and I’m probably going to give them half their salary in token budget so they can become 10x.
Jensen Huang
Derrière la promesse de productivité, des coûts difficiles à cadrer
Sur le papier, le système paraît fluide, mais la facture ne suit pas une ligne fixe. Le coût varie avec le modèle choisi, la longueur des requêtes et le prix selon le fournisseur, ce qui complique l’anticipation du volume d’usage.
Quand plusieurs équipes lancent des agents en parallèle, la dépense peut grimper en peu de temps. Une surconsommation de jetons apparaît vite, et sans gouvernance interne, entre plafonds, alertes et règles de validation, l’entreprise perd de vue la facture réelle.
Le calcul au cœur des intérêts de NVIDIA
Cette vision colle parfaitement aux intérêts de NVIDIA. Plus les équipes utilisent des modèles, plus la demande grimpe pour les serveurs, les logiciels et les puces qui soutiennent l’IA, ce qui nourrit les revenus des centres de données du groupe.
Le raisonnement va plus loin que les seuls outils internes. Une hausse durable des usages alimente les ventes de GPU et justifie l’expansion d’une infrastructure de puces que NVIDIA vend, finance et place au centre de son récit industriel.
