Firmus récompensée pour ses centres de données d’IA plus sobres à Singapour

L’intelligence artificielle ne se résume pas aux modèles et aux applications visibles du grand public. Elle repose aussi sur une infrastructure physique considérable : des milliers de puces de calcul, des serveurs très denses, des réseaux rapides et, surtout, des systèmes capables d’évacuer la chaleur qu’ils produisent. C’est sur ce terrain que Firmus Technologies, entreprise basée à Singapour, vient d’être distinguée pour son projet d’AI Factory.

L’entreprise a reçu le prix Asia Pacific Data Centre Project of the Year, une reconnaissance qui met en avant son ambition de concilier les besoins croissants de calcul liés à l’IA avec une exploitation plus sobre des centres de données. Firmus présente son installation comme une réponse aux contraintes particulièrement fortes de Singapour, où le foncier est rare, le climat humide et les besoins en informatique avancée en hausse.

Au cœur de cette stratégie se trouvent des infrastructures équipées de GPU, les processeurs particulièrement adaptés à l’entraînement et à l’exécution des modèles d’intelligence artificielle, ainsi qu’un système de refroidissement immersif. Firmus affirme obtenir une efficacité de calcul améliorée et des coûts d’exploitation réduits par rapport à d’autres architectures de centres de données.

Pourquoi l’IA change-t-elle la conception des centres de données ?

Un centre de données traditionnel héberge une grande variété de services : stockage en ligne, messagerie, applications d’entreprise, sites web ou bases de données. Les machines qu’il abrite n’ont pas toutes la même consommation électrique ni la même intensité de calcul. L’essor de l’IA modifie cette logique.

L’entraînement d’un modèle et son utilisation à grande échelle nécessitent des grappes de GPU. Ces processeurs peuvent réaliser en parallèle un très grand nombre d’opérations mathématiques, ce qui les rend précieux pour manipuler les matrices de données utilisées en apprentissage automatique. Mais cette capacité de calcul se paie par une consommation énergétique élevée et une importante production de chaleur.

Dans une salle informatique, la chaleur doit être retirée en continu. Si elle s’accumule, les composants ralentissent, s’usent prématurément ou risquent de s’arrêter afin d’éviter une surchauffe. La question du refroidissement est donc devenue un élément déterminant du coût, de la performance et de l’empreinte environnementale d’une infrastructure d’IA.

Firmus cherche précisément à adapter des centres de données existants à ces nouvelles charges de travail. Son projet consiste à les transformer en plateformes de calcul alimentées par GPU, avec une architecture conçue dès le départ pour les usages d’intelligence artificielle à haute densité.

Une AI Factory conçue pour densifier le calcul

L’expression « AI Factory », ou usine à IA, désigne ici une infrastructure dont la vocation principale est de produire de la capacité de calcul pour l’intelligence artificielle. L’idée rappelle celle d’une usine : des ressources matérielles, de l’énergie, du refroidissement et des logiciels d’exploitation sont réunis pour délivrer un service de calcul de manière industrielle.

Selon Firmus, son AI Factory de Singapour s’appuie sur du matériel avancé et des systèmes de refroidissement optimisés. L’objectif n’est pas seulement d’ajouter des GPU à un centre existant. Il s’agit de revoir l’ensemble du design, depuis l’intégration des serveurs jusqu’à leur exploitation quotidienne.

Cette philosophie est résumée par le mantra de l’entreprise, « Rethink data centre design », soit repenser la conception des centres de données. Pour Firmus, l’infrastructure doit être pensée en fonction de la réalité des charges d’IA, plutôt que d’appliquer des méthodes conçues pour des serveurs moins puissants et moins concentrés.

Le choix de Singapour donne un relief particulier au projet. La cité-État fait face à des contraintes d’espace et à une forte humidité. Déployer des infrastructures de calcul intensif dans un tel environnement oblige à optimiser la surface disponible, la circulation thermique et la consommation énergétique. Firmus estime que la mise en œuvre de son modèle dans ces conditions constitue une démonstration de sa faisabilité à plus grande échelle.

Le refroidissement immersif, une solution pour la chaleur des GPU

La technologie mise en avant par Firmus est le refroidissement immersif. Son principe consiste à placer des composants informatiques dans un liquide diélectrique, c’est-à-dire un fluide qui ne conduit pas l’électricité. La chaleur est transférée du matériel vers ce liquide, puis évacuée par un circuit de refroidissement.

Cette approche diffère du refroidissement par air, longtemps dominant dans les salles informatiques. Dans une installation refroidie par air, les ventilateurs déplacent de grands volumes d’air au travers des équipements, tandis que des systèmes de climatisation maintiennent l’ensemble de la salle à une température acceptable. Cette méthode est éprouvée, mais elle devient plus difficile à mettre en œuvre lorsque la puissance concentrée dans chaque serveur augmente fortement.

Le refroidissement direct, autre méthode utilisée dans les infrastructures récentes, conduit quant à lui un liquide au plus près de certaines sources de chaleur, notamment les processeurs. Firmus compare ses résultats à cette catégorie de plateformes sur le plan des coûts d’exploitation.

L’entreprise indique que sa solution de refroidissement immersif, associée à ses services de conception et d’exploitation, permet d’atteindre 45 % de FLOP par picojoule en plus que des centres de données traditionnels. Un FLOP correspond à une opération en virgule flottante, une mesure courante de puissance de calcul. Le picojoule est une unité extrêmement petite d’énergie. Le ratio FLOP par picojoule évalue donc la quantité de calcul produite pour une quantité donnée d’énergie : plus il est élevé, plus le système est efficace dans cet indicateur.

Firmus annonce également des coûts d’exploitation jusqu’à 30 % inférieurs à ceux de plateformes utilisant le refroidissement direct. Ces chiffres sont des résultats communiqués par l’entreprise. Ils dépendent nécessairement de la configuration matérielle, du type de charge de travail, du prix local de l’électricité et des modalités d’exploitation retenues. Ils illustrent toutefois l’enjeu poursuivi : faire progresser ensemble la densité de calcul et l’efficacité énergétique.

Ce que la distinction reçue par Firmus met en lumière

Le prix Asia Pacific Data Centre Project of the Year récompense le projet d’AI Factory de Firmus. Au-delà de la reconnaissance de l’entreprise, cette distinction signale l’importance prise par l’infrastructure dans la compétition autour de l’IA.

Pendant plusieurs années, le débat public s’est principalement concentré sur les algorithmes, les données et les nouveaux services numériques. Avec les modèles génératifs, les contraintes matérielles sont devenues tout aussi visibles : disponibilité des GPU, capacité des réseaux électriques, implantation des centres de données, accès à l’eau selon les technologies employées et maîtrise de la chaleur.

L’intérêt de la démarche de Firmus tient à son approche intégrée. L’entreprise ne présente pas le refroidissement comme un simple équipement ajouté en bout de chaîne. Elle l’associe au matériel, à la conception des sites et aux services d’exploitation. Dans un centre de données, les gains ne reposent en effet pas sur une seule pièce technique : ils dépendent du fonctionnement de l’ensemble.

Sustainable Metal Cloud et données de performance

L’AI Factory s’inscrit dans les initiatives plus larges de Firmus autour du Sustainable Metal Cloud, ou SMC. Ce programme vise à améliorer l’efficacité des infrastructures destinées à l’IA. Le terme « metal » renvoie généralement au matériel physique, par opposition aux services purement logiciels : l’enjeu est ici de piloter et d’optimiser des ressources de calcul très concrètes.

Firmus a notamment publié des données relatives à la consommation énergétique de ses systèmes en lien avec les benchmarks de formation MLPerf. MLPerf est une série d’évaluations connue dans l’industrie pour comparer les performances de matériels et de systèmes sur des tâches d’apprentissage automatique. Ces benchmarks permettent de situer des équipements dans des scénarios communs, même si leurs résultats doivent toujours être lus à la lumière du test concerné, de la précision de calcul choisie et de la configuration complète du système.

La publication de mesures énergétiques est importante dans un secteur où les annonces de puissance brute sont nombreuses. Un système qui achève une tâche très vite peut être intéressant, mais la question de l’énergie dépensée pour y parvenir prend une importance croissante pour les opérateurs comme pour les pouvoirs publics.

Firmus a aussi participé à des discussions internationales, notamment lors de l’événement ATxSG24, avec des acteurs tels que NVIDIA et Alibaba Cloud. Ces échanges portent sur les arbitrages qui structurent l’industrie : comment fournir davantage de puissance de calcul, tout en réduisant les ressources nécessaires à cette croissance ?

Le rôle de Daniel Kearney dans la stratégie de Firmus

Firmus a récemment nommé le Dr Daniel Kearney au poste de directeur technique. Ancien responsable de la technologie d’AWS pour l’ASEAN, il doit piloter une équipe d’ingénieurs consacrée à l’optimisation d’une infrastructure d’IA durable.

Cette arrivée intervient alors que les opérateurs de centres de données doivent faire face à un changement d’échelle. Concevoir une infrastructure pour l’IA suppose de maîtriser simultanément les serveurs, le stockage, les réseaux, la distribution électrique, le refroidissement et les logiciels qui allouent la capacité de calcul aux clients ou aux équipes internes.

L’expérience de Daniel Kearney dans le cloud pour l’Asie du Sud-Est est cohérente avec la trajectoire de Firmus. L’entreprise veut déployer plusieurs Hypercubes, qu’elle présente comme une première flotte de Sustainable AI Factories dans différentes régions. À ce stade, l’ambition affichée est de reproduire un modèle d’infrastructure conçu pour concilier calcul intensif et sobriété opérationnelle.

Au-delà du matériel, un débat sur l’énergie et les politiques publiques

La multiplication des projets d’IA pose un défi qui dépasse les entreprises technologiques. Les réseaux électriques, les autorités locales, les fournisseurs d’énergie et les régulateurs sont eux aussi concernés par l’arrivée de centres de calcul plus puissants.

Firmus indique avoir engagé des discussions avec le Tony Blair Institute for Global Change afin de contribuer aux réflexions sur les politiques capables de gérer la demande énergétique croissante du secteur de l’IA. Ces débats sont essentiels car une infrastructure plus efficace ne supprime pas nécessairement l’augmentation globale de la consommation. Si le nombre de modèles, d’utilisateurs et de services progresse très rapidement, les gains techniques peuvent être absorbés par l’expansion des usages.

La question est donc double. Il faut améliorer l’efficacité de chaque unité de calcul, ce que cherchent à faire les technologies de refroidissement et les architectures matérielles spécialisées. Mais il faut aussi planifier l’implantation et l’alimentation de ces infrastructures à l’échelle des territoires.

Ce qu’il faut surveiller

La distinction reçue par Firmus met en lumière une tendance structurante de l’IA en 2025 : l’innovation ne se joue pas seulement dans les modèles, mais aussi dans les bâtiments, les systèmes thermiques et les équipements qui les font fonctionner.

Les prochains éléments à suivre seront la capacité de Firmus à déployer ses Hypercubes dans plusieurs régions, les résultats opérationnels de son Sustainable Metal Cloud et la manière dont ses indicateurs d’efficacité se confirmeront selon des charges de travail variées. Il faudra également observer l’évolution des besoins énergétiques de l’IA et la réponse des politiques publiques, particulièrement dans des territoires contraints comme Singapour.

Pour le grand public comme pour les entreprises, le message est clair : derrière chaque assistant conversationnel, outil de génération d’images ou service d’IA, il existe une chaîne matérielle énergivore. Les projets qui parviennent à la rendre plus efficace, mesurable et durable auront un rôle croissant dans la diffusion de l’intelligence artificielle.