Huawei veut ouvrir sa pile d’IA pour faire progresser l’écosystème Ascend

Huawei veut faire évoluer Ascend d’une plateforme matérielle et logicielle largement contrôlée par son concepteur vers un écosystème où les développeurs peuvent davantage inspecter, adapter et améliorer les outils. Lors de Huawei Connect 2025, le groupe chinois a présenté une feuille de route qui place l’open source au centre de cette ambition, avec une échéance très précise : le 31 décembre 2025.

L’annonce ne porte pas seulement sur des modèles d’IA. Elle englobe les logiciels qui permettent de programmer les accélérateurs Ascend, les kits destinés à bâtir des applications, des briques de système d’exploitation et les modèles fondamentaux openPangu. Pour les organisations qui envisagent Ascend comme alternative pour leurs charges de travail d’intelligence artificielle, la promesse est importante. Mais, au 30 septembre 2025, plusieurs éléments concrets, dont les licences, les données d’entraînement et les mécanismes de contribution, restent à préciser.

Une feuille de route pour réduire les frictions autour d’Ascend

Le point de départ de Huawei est clair : l’adoption d’un matériel d’IA ne dépend pas de ses seules caractéristiques techniques. Les équipes ont aussi besoin de bibliothèques fiables, d’outils de débogage, de documentation, de compatibilité avec leurs frameworks habituels et d’une communauté capable de résoudre les problèmes rencontrés en production.

Huawei a indiqué vouloir rendre publique l’intégralité de sa pile logicielle d’IA d’ici à la fin de 2025. Cette formule recouvre plusieurs couches très différentes : le logiciel proche du matériel, les outils utilisés pour construire et déployer des applications, ainsi que les modèles de base. L’entreprise a toutefois décrit une approche à plusieurs niveaux, dans laquelle certains composants bénéficient d’une ouverture complète tandis que d’autres peuvent conserver des éléments propriétaires.

Cette nuance est essentielle. Un projet peut avoir des interfaces ouvertes, qui permettent à des outils externes de communiquer avec lui, sans que toutes ses implémentations internes soient publiées. Inversement, publier le code ne suffit pas à créer un véritable projet communautaire : il faut aussi des règles de gouvernance, des procédures pour examiner les contributions et une documentation exploitable.

Huawei reconnaît les difficultés vécues par les développeurs

L’un des aspects les plus notables de la présentation réside dans la franchise affichée par Eric Xu à propos des difficultés associées à Ascend. Le dirigeant a évoqué les attentes et les préoccupations exprimées par les clients de la plateforme.

« Nos clients ont exprimé de nombreuses préoccupations et attentes concernant Ascend. »

Cette reconnaissance intervient dans un contexte de forte accélération du marché des modèles de raisonnement. La sortie de DeepSeek-R1, en début d’année 2025, a fait émerger de nouveaux besoins, notamment pour l’inférence. Ce terme désigne la phase où un modèle déjà entraîné répond à des requêtes, par opposition à l’entraînement initial du modèle, beaucoup plus lourd en données et en calcul.

Entre janvier et la fin avril 2025, les équipes de recherche et développement de Huawei ont travaillé à l’alignement des capacités d’inférence des puces Ascend 910B et Ascend 910C avec les besoins de leurs clients. Cette période illustre une réalité souvent sous-estimée : lorsqu’un nouveau modèle ou un nouveau type de charge de travail devient populaire, le matériel ne suffit pas. Les compilateurs, bibliothèques et outils d’exécution doivent eux aussi être adaptés afin de fournir les performances attendues.

Pour un développeur, les frictions peuvent prendre de nombreuses formes : un modèle difficile à convertir, une opération non optimisée, des messages d’erreur peu explicites, une documentation incomplète ou une incompatibilité avec une bibliothèque déjà présente dans un projet. La feuille de route open source de Huawei vise précisément à donner davantage de visibilité sur ces couches logicielles et à permettre leur amélioration.

CANN, la couche technique au cœur de l’ouverture annoncée

CANN, pour Compute Architecture for Neural Networks, est l’une des briques les plus stratégiques de l’annonce. Il s’agit de l’environnement logiciel qui fait le lien entre les frameworks d’IA utilisés par les développeurs et le matériel Ascend. Concrètement, il aide à traduire les opérations demandées par un modèle, par exemple des multiplications de matrices ou des mécanismes d’attention, en instructions exploitables par les processeurs concernés.

Huawei a annoncé l’ouverture des interfaces du compilateur et du jeu d’instructions virtuel de CANN. Un compilateur transforme un programme écrit dans une forme compréhensible par les développeurs en une forme adaptée à l’exécution sur une machine. Dans l’IA, son rôle est particulièrement sensible : une bonne compilation peut améliorer la vitesse de calcul, l’usage de la mémoire ou la latence, c’est-à-dire le délai avant l’obtention d’une réponse.

Le jeu d’instructions virtuel constitue, lui, une représentation intermédiaire. En le rendant accessible, Huawei cherche à offrir aux développeurs une meilleure compréhension de la manière dont les calculs peuvent être optimisés pour Ascend. Cela peut intéresser les équipes qui conçoivent des outils de compilation, portent des modèles existants ou cherchent à réduire les délais d’inférence dans des applications où chaque fraction de seconde compte.

Huawei a fixé au 31 décembre 2025 l’objectif d’un CANN accessible en open source. L’enjeu ne sera pas uniquement la disponibilité du code. La qualité des exemples fournis, la clarté des guides de portage et la facilité avec laquelle un problème pourra être reproduit puis corrigé compteront tout autant pour les utilisateurs.

La série Mind doit rendre le développement plus praticable

L’ouverture de CANN s’accompagne de celle de la série Mind. Cette catégorie rassemble les éléments plus directement utilisés par les équipes applicatives : des kits de développement logiciel, ou SDK, des bibliothèques, des outils de débogage, des utilitaires et des chaînes d’outils.

L’intérêt est très concret. Une entreprise ne déploie pas un modèle d’IA à l’aide d’un compilateur seul. Elle a besoin d’outils pour préparer les données, tester le comportement d’un modèle, mesurer ses performances, identifier une erreur et intégrer le résultat dans une application ou un service. En promettant de rendre ces ressources open source d’ici à la fin de l’année, Huawei souhaite permettre aux développeurs de les examiner et de les adapter à leurs propres cas d’usage.

Cette ouverture pourrait aussi réduire la dépendance à une feuille de route décidée uniquement par le fournisseur. Lorsqu’un outil est ouvert et que les règles de contribution sont claires, une communauté peut proposer des correctifs, développer une intégration attendue ou documenter des scénarios délaissés par l’éditeur. C’est la mécanique que Huawei cherche à encourager, même si ses modalités précises n’ont pas encore été détaillées.

OpenPangu : l’ouverture annoncée des modèles fondamentaux

Huawei a également annoncé que ses modèles fondamentaux openPangu seraient entièrement open source. Un modèle fondamental est un système entraîné sur de vastes ensembles de données, qui peut ensuite servir de base à de multiples applications : génération de texte, analyse, assistance ou adaptation à un domaine plus précis.

Pour les développeurs, disposer d’un modèle de base ouvert peut éviter de repartir de zéro. L’entraînement complet d’un grand modèle nécessite en effet des moyens informatiques considérables. Un modèle existant peut être évalué, adapté et intégré à une application spécifique, sous réserve que sa licence et ses caractéristiques techniques répondent au besoin.

Huawei place ainsi openPangu dans un paysage où les modèles ouverts occupent une place croissante, aux côtés notamment de Llama de Meta et des initiatives de Mistral AI. Toutefois, les informations rendues publiques lors de Huawei Connect 2025 ne détaillent pas les capacités exactes des modèles openPangu, leurs données d’entraînement ni les conditions de licence. Ces éléments seront déterminants pour les chercheurs, les entreprises et les développeurs qui voudront mesurer le degré réel d’ouverture et de réutilisation autorisé.

Une intégration recherchée avec les outils déjà utilisés

Changer d’infrastructure ne doit pas obliger une équipe à reconstruire toute sa chaîne de développement. Huawei a donc fait de la compatibilité avec les communautés et les frameworks existants un axe de sa stratégie. Le groupe cite en particulier PyTorch, l’un des environnements les plus utilisés pour créer et entraîner des modèles d’apprentissage profond.

Le but est de faciliter l’expérimentation avec un code aussi standard que possible, sans imposer de réécriture majeure. Pour une organisation, ce point peut peser autant que le prix ou les performances d’un accélérateur : une migration longue et risquée mobilise des ingénieurs, ralentit les projets et complique la maintenance.

Huawei a aussi évoqué l’optimisation de l’inférence des grands modèles de langage avec vLLM, un outil dédié à leur exécution efficace. L’annonce signale que le groupe ne se limite pas à proposer son propre environnement fermé. Il cherche à s’insérer dans les habitudes logicielles déjà installées chez les développeurs d’IA.

Sur le volet système, Huawei a rendu open source l’intégralité du UB OS Component. Ce composant doit pouvoir être intégré à des communautés de systèmes d’exploitation open source telles qu’openEuler. Les organisations peuvent ainsi, selon leurs besoins, adopter tout ou partie du code plutôt que de migrer nécessairement vers un environnement intégralement spécifique à Huawei. Cette modularité est importante pour gérer les versions, les itérations et les contraintes d’exploitation déjà en place.

Ce que l’open source changera, ou non, pour les utilisateurs

Le terme « open source » est souvent employé comme un raccourci. Dans son sens le plus utile pour un développeur, il ne signifie pas seulement que du code est visible. Il suppose que le code puisse être étudié, modifié et redistribué selon une licence connue. Dans les projets d’IA, il faut aussi distinguer le code des outils, les poids d’un modèle, les données ayant servi à l’entraîner et la documentation qui permet de le déployer.

Pour les futurs utilisateurs d’Ascend, plusieurs questions pratiques resteront donc à examiner lorsque les livraisons annoncées seront disponibles :

• les licences autorisent-elles les usages commerciaux envisagés ?
• les outils sont-ils suffisamment documentés pour des équipes qui ne connaissent pas encore Ascend ?
• quelles versions de PyTorch et de vLLM sont effectivement prises en charge ?
• les contributions externes sont-elles acceptées, examinées et intégrées dans un calendrier prévisible ?
• les performances annoncées correspondent-elles aux modèles et aux contraintes de latence de chaque organisation ?

Ce qu’il faut surveiller d’ici au 31 décembre 2025

La date du 31 décembre 2025 donne à Huawei un calendrier resserré. Avant cette échéance, la qualité de la première publication sera décisive. Des dépôts bien structurés, des exemples reproductibles, des guides de migration et des outils de débogage matures peuvent accélérer l’adoption. À l’inverse, des composants difficiles à installer ou insuffisamment documentés pourraient limiter l’intérêt des contributeurs externes.

La gouvernance sera également un test. Une stratégie open source crédible implique de clarifier qui décide des évolutions, comment les failles ou les défauts sont signalés, dans quels délais les correctifs sont intégrés et quelle place est laissée aux partenaires. Ces éléments sont particulièrement importants pour les entreprises, qui doivent pouvoir planifier leurs déploiements sur plusieurs années.

Enfin, Huawei devra convaincre que cette ouverture produit des bénéfices mesurables : un portage plus simple des modèles, une inférence mieux optimisée sur les Ascend 910B et 910C, une compatibilité plus fluide avec les outils populaires et une communauté active. L’annonce de Huawei Connect 2025 fixe l’ambition. Les publications prévues d’ici à la fin de l’année diront si Ascend peut s’imposer comme une plateforme de développement plus accessible et collaborative.