À Taïwan, Nvidia et Foxconn préparent un supercalculateur IA de 90 exaflops

Le calcul destiné à l’intelligence artificielle ne se joue plus seulement dans la conception d’une puce. Il se joue désormais à l’échelle d’ensembles entiers de serveurs, de réseaux très rapides et de sites industriels capables de les assembler. C’est dans cette course à l’infrastructure que Nvidia et Foxconn, aussi connu sous le nom de Hon Hai, ont dévoilé le 8 octobre 2024 un projet commun de supercalculateur à Taïwan.

L’ambition chiffrée est spectaculaire : la machine doit atteindre 90 exaflops de performances pour l’IA grâce à 64 racks GB200 NVL72. En parallèle, Foxconn prévoit une installation de production présentée comme la plus grande au monde pour les « superpuces » GB200. Les deux volets sont indissociables : disposer de processeurs puissants est une chose, savoir transformer ces composants en systèmes complets, prêts à être installés dans des centres de données, en est une autre.

Un supercalculateur de 64 racks pour l’intelligence artificielle

Le cœur du projet repose sur le système GB200 NVL72 de Nvidia. Il ne s’agit pas d’une puce isolée que l’on installerait dans un ordinateur classique, mais d’une architecture conçue pour faire travailler ensemble un grand nombre de processeurs graphiques, ou GPU. Ces GPU sont devenus essentiels à l’IA générative, car ils peuvent exécuter en parallèle les très nombreux calculs nécessaires à l’entraînement et à l’utilisation des grands modèles.

Dans sa configuration NVL72, un rack relie 72 GPU Blackwell de Nvidia à des processeurs Grace. Les composants communiquent au moyen d’interconnexions à haut débit, pensées pour éviter qu’une partie de la machine ne reste inactive en attendant les données calculées par une autre. La configuration annoncée par Nvidia et Foxconn représente donc, par simple multiplication, 4 608 GPU Blackwell répartis sur 64 racks.

Le terme « exaflops » désigne une puissance exprimée en opérations à virgule flottante par seconde. Un exaflop correspond à un milliard de milliards d’opérations par seconde. À 90 exaflops, le système annoncé se place donc dans une catégorie de calcul extrême. Mais ce chiffre doit être lu avec précision : dans le domaine de l’IA, il correspond à certains formats de calcul, souvent moins précis que ceux utilisés dans les simulations scientifiques traditionnelles, mais beaucoup plus efficaces pour manipuler les matrices de données employées par les réseaux de neurones.

Que contient un système GB200 NVL72 ?

La dénomination de Nvidia peut paraître opaque, mais elle décrit une logique simple : concentrer dans un même rack les éléments nécessaires aux modèles d’IA les plus exigeants. Le GB200 associe un processeur Grace, conçu pour les tâches générales, et deux GPU Blackwell, spécialisés dans le calcul massivement parallèle. Le suffixe NVL72 renvoie à l’interconnexion de 72 GPU Blackwell au sein d’un système unifié.

Cette organisation répond à un problème concret. Entraîner un modèle d’IA de grande taille consiste à lui faire traiter d’immenses ensembles de textes, d’images, de sons ou d’autres données, puis à ajuster progressivement ses paramètres. Aucun processeur ne peut accomplir seul ce travail dans des délais raisonnables. Les calculs sont distribués entre de très nombreux GPU, qui doivent échanger continuellement des résultats intermédiaires.

Un rack GB200 NVL72 cherche précisément à réduire les goulots d’étranglement entre ces GPU. Pour les exploitants de centres de données, l’enjeu est de pouvoir construire des « usines à IA » où matériel, logiciel, réseau et alimentation électrique sont pensés comme un tout. Le supercalculateur prévu à Taïwan servira à illustrer cette approche à très grande échelle.

Les usages potentiels couvrent les domaines généralement associés au calcul intensif : apprentissage automatique, analyse de grands volumes de données, recherche scientifique, applications industrielles et développement de solutions de conduite autonome. Il faut toutefois distinguer la capacité de l’infrastructure des services qui seront effectivement proposés. L’annonce ne détaille ni les organisations qui pourront utiliser la machine, ni la répartition précise de ses ressources.

Foxconn veut industrialiser les superpuces GB200

Le partenariat ne porte pas uniquement sur le déploiement d’un supercalculateur. Foxconn annonce aussi son intention de construire la plus grande installation mondiale dédiée à la fabrication de « superpuces » GB200. Cette expression mérite une clarification : elle ne désigne pas nécessairement une nouvelle fonderie de silicium comparable aux sites de production de wafers, les disques de silicium sur lesquels les puces sont gravées.

Dans la chaîne industrielle des semi-conducteurs, les rôles sont répartis. Nvidia conçoit ses architectures de processeurs et de systèmes. Des fondeurs comme TSMC assurent la fabrication des puces. Foxconn apporte pour sa part une expertise majeure dans l’industrialisation et l’assemblage de produits électroniques complexes. Dans le cas de systèmes tels que le GB200, cette étape consiste notamment à intégrer les composants de calcul, les cartes, le réseau, l’alimentation et le refroidissement dans des équipements destinés aux centres de données.

La formulation employée par Foxconn souligne donc une ambition de capacité industrielle : produire à très grande échelle les ensembles GB200 requis par les infrastructures d’IA. Ni le volume de production prévu, ni l’investissement engagé, ni le calendrier précis de cette installation n’ont été communiqués dans l’annonce.

Cette distinction est importante. La demande mondiale en matériel d’IA ne dépend pas seulement du nombre de GPU disponibles. Elle dépend aussi de la capacité à les regrouper dans des systèmes fiables, à les livrer, à les installer et à les exploiter avec une consommation électrique et un refroidissement maîtrisés.

Pourquoi Taïwan occupe une place centrale dans ce projet

Le choix de Taïwan s’inscrit dans la place singulière de l’île dans l’industrie technologique mondiale. Foxconn y a ses racines et TSMC est devenu un acteur incontournable de la fabrication avancée de semi-conducteurs. Autour de ces grandes entreprises s’est développé un réseau de fournisseurs, de spécialistes de l’électronique, d’intégrateurs et d’entreprises de composants.

Pour Nvidia, dont les processeurs sont fabriqués par des partenaires industriels, cet écosystème constitue un avantage stratégique. Construire des systèmes de calcul IA ne demande pas uniquement des GPU : il faut aussi des circuits imprimés sophistiqués, de la mémoire à haut débit, des équipements réseau, des alimentations, des solutions thermiques et des procédures de validation exigeantes. Chaque composant doit être disponible au bon moment pour éviter que l’assemblage final ne prenne du retard.

Le projet permet aussi à Foxconn de renforcer son rôle dans une phase de transformation de son marché historique. Longtemps surtout identifié à la fabrication d’électronique grand public, le groupe cherche à capter une part des dépenses grandissantes consacrées aux serveurs, aux infrastructures cloud et aux centres de données d’intelligence artificielle. Le partenariat avec Nvidia lui donne accès à une architecture de référence dans ce secteur.

Les 90 exaflops suffisent-ils à juger la machine ?

Le chiffre de 90 exaflops donne la mesure de l’ambition, mais il ne résume pas à lui seul l’utilité du futur supercalculateur. Les performances annoncées reposent sur des conditions précises, notamment le type d’opérations utilisées et la manière dont les GPU coopèrent. Or, les charges de travail réelles varient fortement selon qu’il s’agit d’entraîner un modèle de langage, de générer des images, de traiter des données scientifiques ou de faire fonctionner un service IA auprès de millions d’utilisateurs.

Pour un grand modèle, la quantité de mémoire disponible peut devenir aussi importante que la vitesse de calcul. Si les paramètres du modèle ou les données intermédiaires ne tiennent pas suffisamment près des GPU, le système doit multiplier les transferts, ce qui ralentit les opérations. C’est pourquoi l’interconnexion entre les processeurs est l’un des points clés de l’architecture GB200 NVL72.

Il faut également tenir compte du logiciel. Les développeurs doivent découper leur tâche entre des milliers de processeurs sans créer de temps d’attente. Les bibliothèques de calcul, les outils d’entraînement et les systèmes d’orchestration sont donc décisifs. Une machine très puissante sur le papier ne produit son plein effet que si ses utilisateurs savent adapter leurs programmes à son architecture.

Enfin, l’annonce ne permet pas encore de mesurer la disponibilité concrète de la puissance de calcul. Aucune date de mise en service n’est précisée, pas plus que le mode d’accès au système ou les projets qui y seront prioritairement exécutés. À ce stade, il s’agit d’une infrastructure annoncée, et non d’un service déjà ouvert aux entreprises ou au public.

Une alliance entre conception des puces et capacité d’assemblage

Nvidia consolide avec ce projet sa stratégie : ne pas se limiter à vendre des GPU, mais fournir des plateformes complètes pour les centres de données. Cette approche intègre les processeurs, les réseaux, les logiciels et les architectures de racks. Elle répond à des clients qui cherchent moins un composant isolé qu’une capacité de calcul immédiatement exploitable pour leurs propres projets d’IA.

Foxconn y trouve une occasion de se positionner sur la fabrication de ces plateformes à grande échelle. L’entreprise apporte une compétence industrielle qui devient particulièrement précieuse à mesure que les systèmes gagnent en taille et en complexité. Un supercalculateur composé de 64 racks ne se résume pas à l’addition de 64 armoires de serveurs : il faut coordonner les approvisionnements, les tests, le câblage, la dissipation thermique et l’intégration sur le site final.

Pour Taïwan, l’annonce met en lumière la continuité entre la production de composants avancés et les infrastructures qui en découlent. Les puces ne sont plus seulement destinées aux smartphones, aux ordinateurs personnels ou aux équipements réseau. Elles sont aussi au centre d’une compétition mondiale pour construire les capacités de calcul nécessaires à l’IA.

Ce qu’il faut surveiller

Les prochaines étapes seront d’abord industrielles. Nvidia et Foxconn devront préciser le calendrier de construction et de déploiement du supercalculateur, ainsi que la capacité effective de l’installation dédiée aux systèmes GB200. Ces données permettront de passer de l’annonce technologique à une évaluation concrète de l’ampleur du projet.

Il faudra ensuite observer les usages. Une machine de cette dimension peut soutenir la recherche, le développement de modèles génératifs ou des applications industrielles exigeantes. Son impact dépendra toutefois de la manière dont elle sera utilisée, des logiciels qui l’exploiteront et de l’accès qui sera accordé à l’écosystème local.

Enfin, cette annonce rappelle que la course à l’IA est aussi une course aux infrastructures. Les avancées des modèles reposent sur des capacités de calcul toujours plus concentrées, avec des besoins croissants en composants, en énergie et en refroidissement. L’alliance entre Nvidia et Foxconn illustre ce déplacement : l’innovation en IA se joue autant dans les centres de données et les chaînes d’assemblage que dans les algorithmes eux-mêmes.