Meta et Oracle misent sur Spectrum-X de NVIDIA pour relier leurs GPU

Les centres de données consacrés à l’intelligence artificielle ne se jouent plus seulement sur le nombre de GPU installés. Pour entraîner un grand modèle, ces puces doivent échanger sans interruption des quantités considérables de données. Si le réseau ralentit, les processeurs attendent, l’investissement matériel est moins bien utilisé et la durée de calcul s’allonge. C’est sur ce maillon, moins visible mais décisif, que Meta et Oracle annoncent renforcer leurs infrastructures avec Spectrum-X, la plateforme Ethernet de NVIDIA conçue pour l’IA.

Le choix des deux groupes illustre une mutation des centres de données. Ils ne sont plus seulement des lieux où sont stockées des applications ou des données. NVIDIA les décrit comme des « usines d’IA à échelle gigantesque », capables d’entraîner et d’exécuter des modèles sur des grappes de calcul de très grande taille. Dans cette configuration, le réseau devient aussi stratégique que les accélérateurs graphiques eux-mêmes.

Pourquoi le réseau est devenu le goulot d’étranglement de l’IA

L’entraînement d’un modèle d’IA distribue un même travail entre de nombreux GPU. À intervalles très fréquents, ces processeurs doivent partager leurs résultats intermédiaires afin que le calcul reste cohérent. Cette synchronisation implique des échanges simultanés et intensifs. Un ralentissement local, une congestion ou des flux de données mal répartis peuvent donc immobiliser une partie de la grappe.

C’est ce rôle que Jensen Huang, directeur général de NVIDIA, compare à un « système nerveux » : le réseau relie les GPU entre eux et permet d’orchestrer le travail de très grands ensembles de machines. L’enjeu ne se limite pas à l’entraînement. Lorsqu’un modèle est déployé pour répondre à des requêtes, ce que l’on appelle l’inférence, la régularité du réseau compte également pour préserver la réactivité du service.

L’Ethernet est déjà une technologie très répandue dans les centres de données. Mais les flux produits par l’IA diffèrent de nombreuses charges informatiques classiques : des milliers de machines peuvent devoir communiquer en même temps, selon des rythmes très synchronisés. NVIDIA avance que Spectrum-X a été conçu pour mieux gérer cette situation, grâce notamment au routage adaptatif et à un contrôle de congestion fondé sur la télémétrie du réseau.

Spectrum-X, une couche réseau pensée pour les grappes de GPU

Spectrum-X réunit des commutateurs Ethernet, qui orientent les flux de données au sein du centre de données, et des SuperNICs, des interfaces réseau destinées aux serveurs. NVIDIA présente l’ensemble comme le premier système Ethernet spécifiquement conçu pour les charges de travail d’IA.

La promesse mise en avant est une performance plus prévisible lorsque le trafic devient très dense. Là où un réseau classique peut connaître des points de congestion, Spectrum-X cherche à réorienter les communications vers des chemins moins chargés. NVIDIA indique atteindre jusqu’à 95 % de bande passante effective pour les charges d’IA, contre environ 60 % pour un Ethernet traditionnel dans ce type de scénarios. Il s’agit d’un indicateur avancé par le fabricant, et non d’une mesure indépendante des futurs déploiements de Meta ou d’Oracle.

Meta et Oracle poursuivent des objectifs distincts

Les deux entreprises ne décrivent pas exactement le même usage, mais elles répondent à une contrainte commune : faire évoluer des infrastructures destinées à des modèles de plus en plus volumineux.

Chez Oracle, Spectrum-X doit être employé dans l’architecture Vera Rubin. Mahesh Thiagarajan, vice-président d’Oracle Cloud Infrastructure, estime que cette configuration doit améliorer l’efficacité des interconnexions à l’échelle de millions de GPU et accélérer le déploiement de nouveaux modèles d’IA. Pour un fournisseur de cloud, cet enjeu est aussi commercial : la capacité à fournir des ressources de calcul rapidement et de manière stable devient un critère majeur pour les entreprises qui développent ou utilisent de l’IA générative.

Meta, de son côté, prévoit d’intégrer les commutateurs Spectrum-X à FBOSS, sa plateforme interne de gestion de réseau à grande échelle. Gaya Nagarajan, vice-présidente de l’ingénierie réseau chez Meta, insiste sur la nécessité d’un réseau à la fois ouvert et efficace. Le groupe doit soutenir des modèles toujours plus importants tout en fournissant ses services à des milliards d’utilisateurs.

L’ouverture évoquée par Meta ne signifie pas l’absence de composants spécialisés. Elle renvoie à la possibilité de faire fonctionner et administrer le réseau dans un environnement logiciel qui reste interopérable. Pour les opérateurs de très grands centres de données, cette souplesse est essentielle : leurs équipements ne sont pas remplacés en une seule fois et doivent cohabiter pendant plusieurs années.

MGX, la recherche d’une infrastructure plus modulaire

NVIDIA ne limite pas sa stratégie au réseau. Le fabricant met aussi en avant MGX, une architecture modulaire pour les systèmes de calcul accéléré. Son principe est de permettre aux partenaires de combiner, selon leurs besoins, des unités de calcul, du stockage et des composants réseau.

Joe DeLaere, responsable du portefeuille de solutions de calcul accéléré chez NVIDIA, présente cette modularité comme un moyen de gagner en flexibilité. Au lieu de concevoir chaque serveur comme un ensemble entièrement figé, les intégrateurs peuvent adapter la configuration à différents usages : entraînement de modèles, inférence, stockage des données ou échanges réseau à grande échelle.

Cette approche vise également à préserver une forme de continuité entre les générations de matériel. Les infrastructures d’IA évoluent très vite, mais un centre de données ne peut pas être reconstruit à chaque sortie de puce. Une architecture homogène aide donc les opérateurs à introduire de nouveaux composants sans revoir l’intégralité de leurs installations.

MGX doit aussi faciliter deux formes d’extension. NVLink est destiné au passage à l’échelle vertical, c’est-à-dire à l’augmentation des capacités au sein d’un système de calcul étroitement intégré. Spectrum-X Ethernet répond à une extension horizontale, où l’on ajoute davantage de serveurs, de grappes et potentiellement de sites. Gilad Shainer, vice-président senior de l’ingénierie réseau chez NVIDIA, indique que cette combinaison peut relier plusieurs centres de données dans un système intégré.

L’énergie, l’autre limite des usines d’IA

Multiplier les GPU et les équipements réseau pose immédiatement la question de l’alimentation électrique. À haute densité, une part de l’énergie est perdue sous forme de chaleur lors des différentes conversions et du transport du courant. Cette énergie doit ensuite être évacuée par des systèmes de refroidissement, ce qui accroît encore les besoins du site.

NVIDIA travaille sur une transition vers une alimentation en courant continu de 800 volts. Selon l’entreprise, cette évolution doit limiter les pertes thermiques et améliorer l’efficacité énergétique des infrastructures d’IA. Le dispositif de gestion de l’alimentation vise également à lisser les appels de puissance, afin d’éviter des pics trop importants sur le réseau électrique.

NVIDIA avance que cette approche pourrait réduire les besoins de puissance maximum jusqu’à 30 %, tout en libérant davantage de capacité pour le calcul. Le conditionnel est important : le gain dépendra des équipements, de l’architecture du site et de son exploitation. Mais l’orientation est claire. À mesure que les grappes de calcul grandissent, le défi ne consiste plus seulement à acheter des GPU, il faut aussi alimenter, refroidir et raccorder ces machines de façon soutenable.

Pour cette transition, NVIDIA indique coopérer avec des partenaires couvrant plusieurs couches de l’infrastructure électrique, dont Onsemi, Infineon, Delta et Schneider Electric. L’objectif est d’assurer la compatibilité des composants, depuis les puces de puissance jusqu’aux systèmes d’alimentation du centre de données.

Matériel, logiciel et distance entre les centres de données

L’efficacité recherchée ne repose pas uniquement sur les composants physiques. NVIDIA souligne aussi le rôle des logiciels et des méthodes de calcul. L’entreprise cite notamment Dynamo, TensorRT-LLM et le décodage spéculatif, des outils ou techniques destinés à améliorer le rendement de l’inférence et les performances des modèles.

Le principe est complémentaire : un matériel rapide ne suffit pas si les logiciels l’utilisent mal, tandis qu’un logiciel optimisé reste limité par une infrastructure saturée. Pour les opérateurs de cloud et les grandes plateformes, l’objectif est donc de coordonner processeurs, réseau, alimentation et logiciels afin d’obtenir davantage de résultats avec les mêmes ressources de calcul.

NVIDIA évoque également Spectrum-X et XGS, qui reposent sur une architecture matérielle similaire mais utilisent des algorithmes différents selon les distances à couvrir. Cette distinction répond à un changement d’échelle : l’IA ne se limite plus forcément à une seule salle de serveurs. Certaines organisations ont besoin de répartir leurs opérations entre plusieurs bâtiments ou plusieurs centres de données, tout en gardant une communication suffisamment efficace pour les charges de calcul distribuées.

Ce qu’il faut surveiller d’ici à 2026

L’annonce de Meta et Oracle confirme que le réseau devient un terrain de concurrence majeur dans l’infrastructure d’IA. Le principal indicateur à observer sera la traduction de ces promesses dans les déploiements réels : efficacité des GPU, stabilité des performances, rapidité de mise en service et consommation électrique.

La prochaine étape annoncée par NVIDIA est l’arrivée commerciale de l’architecture Vera Rubin au second semestre 2026. Les produits associés, dont Rubin CPX, doivent fonctionner avec Spectrum-X et MGX pour équiper une nouvelle génération d’usines d’IA. La capacité des opérateurs à intégrer ces éléments sans créer de nouveaux goulets d’étranglement sera déterminante.

Pour Meta, Oracle et les autres exploitants de très grandes infrastructures, la course ne porte donc plus uniquement sur la quantité de puissance de calcul disponible. Elle concerne la capacité à relier efficacement cette puissance, à l’étendre entre plusieurs sites et à maîtriser l’énergie nécessaire pour la faire fonctionner. Spectrum-X est l’une des réponses proposées par NVIDIA à cette équation, dont l’ampleur conditionnera la vitesse de développement des futurs services d’IA.