Nvidia Doctolib : le roi des puces entre dans la santé française

Mardi 13 octobre, Jensen Huang était à Paris. Pas pour une keynote en blouson de cuir devant 3 000 développeurs : pour annoncer que Nvidia entrait au capital de Doctolib et de trois autres jeunes pousses françaises de l'intelligence artificielle. Depuis, Nvidia Doctolib tourne en boucle dans les fils tech et santé. Et la question que tout le monde pose est la même : qu'est-ce que le fabricant de puces le plus riche de la planète vient chercher dans une plateforme de prise de rendez-vous médicaux ?

Quatre sociétés, zéro montant communiqué

Le paquet annoncé comprend Doctolib, mais pas seulement. Nvidia prend aussi des parts dans :

• Genesis AI, start-up franco-américaine qui développe des modèles d'IA pour la robotique ;
• Pigment, éditeur français de logiciels de planification d'entreprise dopés à l'IA ;
• Entalpic, qui applique l'IA générative à la découverte de matériaux pour la chimie.

Aucun montant n'a été dévoilé. Aucun pourcentage de capital non plus. Stanislas Niox-Château, PDG et cofondateur de Doctolib, a tenu à préciser le cadre : Nvidia entre comme actionnaire minoritaire, sans siège au conseil d'administration. Les données de santé, elles, restent hébergées en Europe, et selon l'entreprise aucun investisseur ni partenaire n'y a accès.

Dans la journée, Huang a été reçu à l'Élysée. Au menu de la conversation avec Emmanuel Macron : les investissements dans l'écosystème français de l'IA, l'open source et la sûreté des modèles. Le même jour, un autre géant faisait les yeux doux au continent : Google annonçait à Dublin l'ouverture de ses modèles les plus avancés — AlphaFold 3, AlphaGenome, WeatherNext — à 200 chercheurs européens sélectionnés par la Commission dans le cadre du programme RAISE. Coïncidence de calendrier, peut-être. Même logique de séduction, sûrement.

Les chiffres qui donnent l'échelle

• Doctolib était valorisée 3,6 milliards d'euros au printemps 2026.
• Nvidia a investi au moins 8 milliards de dollars en Europe l'an dernier, et annonce environ 2 milliards de plus cette année.
• En septembre 2026, le groupe a racheté Hugging Face pour 12,9 milliards de dollars.
• Doctolib s'appuie sur les technologies Nvidia depuis à peu près un an pour entraîner ses propres modèles.

Mettez ces nombres côte à côte et la prise de participation dans Doctolib ressemble, pour Nvidia, à de la monnaie de poche. C'est précisément ce qui rend le silence sur le montant intéressant : quand une somme est assez petite pour être négligeable, on la communique volontiers. Quand on ne la communique pas, c'est souvent qu'elle raconte quelque chose.

Le vendeur de pelles finance les chercheurs d'or

Nvidia ne vend pas de l'IA. Il vend le matériel sans lequel l'IA n'existe pas. Son problème n'est donc pas la demande d'aujourd'hui — elle est colossale — mais celle de 2029. D'où une stratégie devenue systématique : investir dans les entreprises qui achèteront ses GPU, soutenir celles qui créent des usages, et verrouiller les écosystèmes régionaux avant que quelqu'un d'autre ne le fasse.

Ce mécanisme a un nom dans les notes d'analystes : le financement circulaire. Un fournisseur met de l'argent chez ses clients, ses clients lui achètent du matériel, le chiffre d'affaires du fournisseur grimpe. Rien d'illégal, rien de caché, mais une boucle qui rend les chiffres de croissance plus difficiles à lire qu'ils n'en ont l'air.

La santé, dans ce tableau, est un terrain à part. Les modèles médicaux exigent des données cliniques réelles, annotées, légalement exploitables. Ce sont les plus rares et les plus chères du marché. Doctolib en est assise sur un volume qu'aucun laboratoire californien ne peut dupliquer — ni toucher, d'ailleurs, puisque l'hébergement reste européen.

L'ambition de Doctolib : ne plus dépendre d'OpenAI

Le point le plus concret de l'annonce tient en une phrase du PDG : l'argent servira à accélérer les recrutements et le développement de modèles d'IA propriétaires, c'est-à-dire des modèles qui ne dépendent ni d'OpenAI ni d'Anthropic.

Concrètement, Doctolib pousse depuis des mois des agents destinés aux soignants : préparation de consultation, rédaction assistée de comptes rendus, tri des messages patients, aide à la coordination. Chacun de ces usages a la même contrainte : une erreur n'est pas un désagrément, c'est un risque clinique. Un modèle généraliste qui hallucine une posologie dans un compte rendu n'est pas un bug amusant.

Passer par une API américaine pour ce genre de tâche pose trois problèmes à la fois. Le coût, qui évolue au gré des grilles tarifaires d'un tiers. La conformité, parce que la donnée de santé française relève de l'hébergement HDS et du RGPD. Et la dépendance stratégique : si votre produit cœur repose sur le modèle d'un concurrent potentiel, vous louez votre avenir au mois.

Ce que l'opération ne dit pas

Il y a des trous dans ce dossier, et ils comptent.

On ignore le poids réel de Nvidia. « Minoritaire » couvre tout l'espace entre 0,5 % et 30 %. Sans chiffre, impossible de juger.

Pas de siège au conseil ne veut pas dire pas d'influence. Quand un actionnaire fournit aussi le matériel sur lequel tourne toute votre R&D, et qu'il arbitre les files d'attente d'allocation de GPU en période de pénurie, le levier n'a pas besoin de passer par un conseil d'administration.

La souveraineté est un mot élastique. Entendons-nous : héberger les données en Europe et entraîner ses propres modèles, c'est du vrai travail de souveraineté technique. Mais financer cette souveraineté avec le capital d'une entreprise américaine, en s'appuyant sur ses puces, relève plutôt d'une autonomie sous conditions. Les deux ne sont pas incompatibles. Ils ne sont pas identiques non plus.

Rien n'a été publié sur la performance clinique. L'entreprise revendique un standard élevé de précision médicale pour ses modèles. Très bien. Reste à voir une évaluation indépendante, avec protocole et comparateur, plutôt qu'une affirmation marketing.

Et maintenant, qu'est-ce qu'on surveille

Trois signaux diront si cette annonce était un tournant ou un coup de communication réussi.

Le premier : la publication, ou non, de résultats d'évaluation des agents Doctolib dans des revues ou des rapports auditables. Un modèle médical qui ne se laisse pas mesurer est un modèle dont on ne sait rien.

Le deuxième : où tournent physiquement les calculs. Entraîner en Europe sur du matériel américain, c'est une chose. Entraîner sur des capacités cloud américaines, c'en est une autre, et cela viderait une bonne partie du discours.

Le troisième : la vitesse des recrutements. Une équipe de recherche médicale sérieuse ne s'improvise pas avec dix offres d'emploi. Si l'on voit arriver des cliniciens-chercheurs et des biostatisticiens, le projet est réel. Si l'on ne voit que des profils produit, c'est une couche d'IA sur un logiciel existant.

Pendant que ces questions se règlent dans les bureaux, le travail quotidien, lui, ne bouge pas : les professionnels de santé continuent de remplir des questionnaires, de rédiger des plans de prévention et de courir après le temps administratif. C'est là, très prosaïquement, que l'IA en santé se jugera — pas dans les communiqués d'investissement.