Nvidia DIGITS : un supercalculateur de bureau pour l’IA sans cloud

Nvidia veut faire descendre une partie de la puissance de calcul habituellement réservée aux grands centres de données jusque sur le bureau des professionnels de l’intelligence artificielle. Lors de sa conférence d’ouverture du CES 2025, le groupe a présenté Project DIGITS, un boîtier compact conçu pour exécuter localement des modèles de langage et d’autres modèles d’IA de très grande taille.

L’ambition est claire : permettre à un développeur, un chercheur ou un étudiant de travailler sur des modèles comptant jusqu’à 200 milliards de paramètres sans devoir louer en continu des ressources de calcul dans le cloud. Cette promesse ne signifie pas que le cloud disparaît des usages de l’IA, mais elle dessine une autre répartition possible entre l’ordinateur personnel et les infrastructures distantes.

Project DIGITS, un ordinateur conçu pour les charges de travail d’IA

Project DIGITS prend la forme d’une station de travail autonome dédiée à l’intelligence artificielle. Nvidia la présente comme une solution pour créer, tester et faire fonctionner localement des modèles, en particulier des modèles de langage. Elle s’adresse donc moins au grand public cherchant un ordinateur polyvalent qu’aux personnes qui manipulent des jeux de données, développent des applications d’IA ou expérimentent des modèles.

Le nom de projet souligne le positionnement de la machine : il s’agit de rapprocher des ressources de calcul jusqu’ici accessibles principalement via des serveurs spécialisés ou des fournisseurs de cloud. Jensen Huang, le PDG de Nvidia, a résumé cette approche en comparant le boîtier à un « cloud IA privé » installé sur le bureau de son utilisateur.

Le point important est l’autonomie de calcul. Lorsqu’un modèle et les données nécessaires à son exécution sont placés sur la machine, les calculs peuvent être réalisés sur place. Pour certains professionnels, cela peut simplifier les phases de prototypage et d’essai, sans attendre l’allocation de ressources distantes ni additionner les heures de calcul facturées par un prestataire.

Project DIGITS s’appuie sur DGX OS, une version personnalisée de Linux destinée aux systèmes Nvidia pour l’IA. L’environnement doit également faciliter l’utilisation de la pile logicielle du groupe, qui comprend ses outils de développement et ses services liés à DGX Cloud.

Que représentent 200 milliards de paramètres ?

Le chiffre de 200 milliards de paramètres est central dans l’annonce de Nvidia, mais il mérite d’être expliqué. Dans un modèle d’IA, les paramètres sont les valeurs numériques ajustées pendant la phase d’apprentissage. Ils permettent notamment à un modèle de reconnaître des régularités dans des textes, des images ou d’autres données.

Un nombre élevé de paramètres donne une indication sur l’échelle d’un modèle, pas une garantie automatique de qualité. Les performances réelles dépendent aussi des données utilisées pour l’entraînement, de l’architecture du modèle, de son réglage, de sa spécialisation et de la tâche demandée. Un modèle plus petit et bien ciblé peut être plus pertinent qu’un très grand modèle pour certaines applications précises.

La capacité à exécuter localement un modèle de cette taille ne veut pas non plus dire qu’une machine de bureau peut nécessairement l’entraîner intégralement depuis zéro. L’annonce de Nvidia porte sur la possibilité de faire tourner ces modèles, ainsi que de les créer et de les tester dans un cadre de développement. L’entraînement initial des modèles les plus imposants reste, dans la pratique, une tâche très exigeante en données, en énergie et en puissance de calcul.

L’intérêt de DIGITS se situe ainsi dans le travail quotidien autour des modèles : expérimenter, adapter une application, vérifier le comportement d’un système ou réaliser des essais localement avant, si nécessaire, de déployer un service à plus grande échelle.

La puce GB10 au cœur de la machine

Sur le plan matériel, Project DIGITS intègre une nouvelle puce baptisée GB10, développée par Nvidia en collaboration avec MediaTek. Cette puce s’inscrit dans l’architecture Grace Blackwell, qui réunit les composants de calcul destinés aux charges de travail d’intelligence artificielle.

Nvidia annonce des performances allant jusqu’à 1 pétaflops. Un pétaflops correspond à mille milliards d’opérations en virgule flottante par seconde. Cette mesure fournit un ordre de grandeur de la capacité de calcul théorique, même si les résultats obtenus dans un usage concret varient selon le logiciel, le modèle et la précision de calcul retenue.

La configuration annoncée comprend aussi 128 Go de mémoire vive et 4 To de stockage flash. La mémoire est un élément particulièrement déterminant pour les modèles d’IA : elle doit accueillir les données et les éléments du modèle au moment de l’exécution. Le stockage, lui, permet de conserver les modèles, les jeux de données et les environnements de développement sur la station.

Le boîtier prévoit plusieurs options de connexion : quatre ports USB-C, un port Ethernet, un port HDMI et deux ports SFP28. Cette connectique permet de relier écran, périphériques, réseau et, surtout, d’envisager l’extension de la puissance disponible avec d’autres machines.

Deux boîtiers pour aller jusqu’à 405 milliards de paramètres

Nvidia ne limite pas son projet à une seule unité. Deux systèmes DIGITS peuvent être interconnectés par ConnectX afin de traiter des modèles allant jusqu’à 405 milliards de paramètres. Cette possibilité vise les utilisateurs dont les besoins dépassent la capacité annoncée pour un boîtier unique.

L’interconnexion est un sujet essentiel dans le calcul pour l’IA. Lorsque plusieurs machines doivent travailler ensemble, elles doivent échanger de très grandes quantités de données rapidement. La qualité de cette liaison conditionne en partie l’efficacité de l’ensemble : un système très puissant peut perdre du temps si les échanges entre ses composants deviennent un goulot d’étranglement.

La solution à deux unités reste toutefois différente d’un centre de données complet. Elle augmente les ressources accessibles dans un bureau ou un laboratoire, mais elle ne prétend pas reproduire l’extension potentiellement massive des infrastructures de cloud. DIGITS se place plutôt entre le PC traditionnel et les serveurs très spécialisés exploités à distance.

Pourquoi travailler localement plutôt que dans le cloud ?

Le cloud a profondément facilité l’accès à l’intelligence artificielle. Une équipe peut louer des processeurs graphiques pour quelques heures, augmenter ses capacités en période de besoin, puis les réduire. Ce modèle évite l’achat immédiat d’un équipement coûteux et convient aux organisations dont les charges de travail sont irrégulières ou très importantes.

Mais ce confort a un coût. Pour un utilisateur qui multiplie les essais, les ajustements et les exécutions de modèles, la facture des ressources distantes peut s’accumuler. C’est précisément le problème auquel Nvidia entend répondre avec DIGITS. L’acquisition d’une station à partir de 3 000 dollars représente un investissement initial, mais peut apporter une disponibilité permanente de la machine à son propriétaire.

L’exécution locale peut aussi répondre à des impératifs de maîtrise technique. Certains travaux de recherche, certains prototypes ou certaines données de projet peuvent être plus simples à organiser lorsqu’ils restent dans l’environnement de l’utilisateur. Cela ne dispense pas d’appliquer des règles de sécurité informatique : une station locale doit être mise à jour, protégée et administrée avec soin.

L’annonce de Nvidia traduit donc une tendance plus large : les capacités d’IA ne sont plus pensées uniquement pour les grands centres de données. À mesure que les puces gagnent en puissance et que les logiciels optimisent l’usage de la mémoire, davantage de tâches peuvent revenir vers des machines installées dans les entreprises, les universités et les laboratoires.

Quels publics Nvidia vise-t-il avec DIGITS ?

Nvidia cible explicitement les développeurs, les chercheurs et les étudiants. Pour ces publics, la valeur d’une station dédiée réside dans la répétition des cycles de travail : charger un modèle, modifier une application, effectuer un test, analyser le résultat, puis recommencer. Une machine immédiatement disponible peut fluidifier ces itérations.

Les data scientists constituent un autre public naturel. Ils peuvent avoir besoin de manipuler des modèles de langage, de réaliser des expérimentations sur des données volumineuses ou de préparer une démonstration sans dépendre d’une connexion à un service distant. Les équipes plus petites, qui ne disposent pas de leur propre infrastructure de calcul, sont également susceptibles de regarder ce type de produit.

Pour autant, le prix et la technicité du système le placent dans une catégorie professionnelle ou académique. Un ordinateur de ce type suppose de savoir installer des outils, gérer des modèles et comprendre les contraintes de mémoire, de stockage et de réseau. Son intérêt dépendra donc fortement du volume réel de calcul effectué par son utilisateur.

Prix et disponibilité annoncés pour mai 2025

Nvidia prévoit de commercialiser les premières machines en mai 2025, à partir de 3 000 dollars. À ce niveau de prix, Project DIGITS ne se compare pas directement à un abonnement grand public à un assistant conversationnel. Il s’adresse à des personnes ou à des organisations qui ont besoin de disposer de ressources de calcul substantielles de façon régulière.

La comparaison économique avec le cloud dépendra du rythme d’utilisation. Pour une expérimentation ponctuelle, louer des ressources distantes peut rester plus rationnel. Pour des travaux intensifs et récurrents, l’achat d’un équipement local peut offrir davantage de prévisibilité, à condition de prendre en compte l’installation, l’électricité, la maintenance et l’évolution rapide du matériel.

Le succès du produit dépendra aussi de l’écosystème logiciel. Les développeurs auront besoin d’outils faciles à prendre en main, de modèles compatibles et de procédures claires pour déplacer leurs projets entre une station locale et les services cloud de Nvidia lorsque leurs besoins changent d’échelle.

Ce qu’il faut surveiller après l’annonce

Project DIGITS ouvre une nouvelle piste pour le marché des stations de travail dédiées à l’IA. La promesse de faire fonctionner jusqu’à 200 milliards de paramètres dans un boîtier de bureau, puis jusqu’à 405 milliards avec deux unités, pourrait intéresser des acteurs qui cherchent à conserver une part de leurs capacités de calcul hors du cloud.

Il faudra d’abord observer les conditions concrètes de la commercialisation prévue en mai 2025, puis les retours des premiers utilisateurs sur la facilité d’installation, le fonctionnement de DGX OS et la compatibilité avec les principaux outils de développement. Les performances mesurées dans des projets réels compteront davantage que le seul chiffre de 1 pétaflops.

La réaction des partenaires industriels et des concurrents sera également déterminante. Si l’approche de Nvidia trouve son public, elle pourrait encourager l’apparition de nouvelles machines hybrides : assez puissantes pour les tâches d’IA locales, mais conçues pour se connecter facilement à des infrastructures distantes lorsqu’un projet dépasse les capacités disponibles sur le bureau. C’est cette articulation entre autonomie locale et passage à l’échelle qui constitue l’enjeu central de DIGITS.