Oracle prépare 50 000 GPU AMD MI450 pour son supercluster d’IA en 2026

Ce n’est pas un nouveau modèle d’intelligence artificielle, mais l’infrastructure qui doit permettre de les entraîner et de les exploiter qui est au cœur de l’annonce. Le 15 octobre 2025, Oracle a détaillé son intention de déployer 50 000 GPU AMD Instinct MI450 dans son cloud Oracle Cloud Infrastructure, ou OCI, à partir du troisième trimestre 2026. À cette échelle, le projet illustre surtout la course engagée entre fournisseurs de cloud pour mettre à disposition des capacités de calcul capables de suivre l’essor de l’IA générative.

Pour les entreprises, laboratoires et éditeurs qui conçoivent ou utilisent de grands modèles de langage, l’accès à des milliers d’accélérateurs connectés ne relève plus seulement de la performance brute. Il conditionne le délai d’entraînement d’un modèle, le nombre de requêtes qu’il peut servir, ainsi que la possibilité de réserver ces ressources sans devoir construire son propre datacenter. Oracle entend ici renforcer son offre cloud avec AMD, face à un marché où le matériel, le réseau et le logiciel doivent fonctionner comme un seul ensemble.

Ce qu’Oracle prévoit de mettre en service

Le projet annoncé par Oracle porte sur un supercluster, c’est-à-dire un très grand nombre de serveurs et de GPU reliés pour travailler sur une même charge de calcul. Les 50 000 GPU Instinct MI450 ne sont donc pas destinés à équiper autant de machines isolées. Ils doivent former une capacité mutualisée dans OCI, utilisable par des clients ayant besoin de calcul intensif pour l’intelligence artificielle et le calcul haute performance.

Le calendrier communiqué distingue plusieurs étapes. Oracle et AMD travaillent déjà ensemble depuis 2024 autour d’instances cloud basées sur les GPU Instinct MI300X. La prochaine montée en puissance doit passer, en 2026, par les MI355X, puis par les MI450 à partir du troisième trimestre.

L’annonce a été présentée dans le cadre d’Oracle AI World et s’inscrit dans un partenariat renforcé entre Oracle et AMD. Le groupe américain du cloud prévoit d’associer les accélérateurs graphiques d’AMD aux processeurs EPYC de nouvelle génération, connus sous le nom de code Venice.

Pourquoi la mémoire des MI450 est déterminante pour l’IA

Un GPU est un processeur spécialisé dans l’exécution simultanée d’un très grand nombre d’opérations. Cette aptitude est particulièrement adaptée aux calculs matriciels qui sont au cœur de l’apprentissage automatique. Pour les grands modèles de langage, la puissance de calcul ne suffit toutefois pas : les puces doivent aussi accéder très vite aux paramètres du modèle, aux données et aux résultats intermédiaires.

C’est le rôle de la mémoire à haute bande passante, ou HBM. Oracle met en avant pour chaque AMD Instinct MI450 jusqu’à 432 Go de mémoire HBM4, ainsi qu’une bande passante pouvant atteindre 20 To/s. En clair, la capacité mémoire indique le volume d’informations qu’un GPU peut conserver près de ses unités de calcul. La bande passante mesure, elle, la vitesse à laquelle ces informations peuvent être lues ou écrites.

Ces deux caractéristiques importent particulièrement lorsque les modèles deviennent trop vastes pour tenir sur un seul accélérateur. Il faut alors les répartir entre plusieurs GPU, une opération appelée partitionnement. Cette répartition est indispensable pour les systèmes les plus grands, mais elle crée des échanges de données supplémentaires entre machines. Une mémoire plus généreuse et plus rapide peut réduire la pression sur ces échanges et faciliter le traitement de charges complexes.

Il faut néanmoins distinguer les spécifications annoncées de la performance constatée dans un cas réel. Les résultats dépendront aussi de l’architecture du modèle, du logiciel employé, de l’interconnexion entre les GPU et de la manière dont les données sont organisées. Aucun chiffre de performance applicative précis n’a été communiqué dans l’annonce pour comparer ce futur supercluster à d’autres infrastructures.

Entraînement et inférence, deux besoins différents

Les GPU d’un cloud IA peuvent répondre à deux usages principaux :

• L’entraînement, qui consiste à ajuster les paramètres d’un modèle à partir de très grands volumes de données. C’est la phase la plus lourde en calcul et en échanges entre accélérateurs.
• L’inférence, qui correspond à l’utilisation d’un modèle déjà entraîné pour générer du texte, analyser une image, produire une recommandation ou répondre à une requête.

Une même infrastructure peut servir ces deux fonctions, mais les contraintes ne sont pas exactement les mêmes. L’entraînement demande surtout de pouvoir mobiliser énormément de ressources en parallèle. L’inférence exige aussi une réponse rapide, prévisible et économiquement soutenable lorsque les requêtes se multiplient. Oracle présente son projet comme une base pour le développement, l’entraînement et l’inférence de modèles avancés.

Des racks Helios conçus pour concentrer les accélérateurs

Pour accueillir cette densité de calcul, Oracle prévoit de s’appuyer sur les racks AMD Helios. Un rack est une armoire technique qui regroupe des serveurs, des accélérateurs, des éléments réseau et des systèmes d’alimentation. Dans cette configuration, un rack Helios peut intégrer jusqu’à 72 GPU.

Cette concentration pose un défi physique immédiat : plus les composants calculent, plus ils dégagent de chaleur. Le projet prévoit donc un refroidissement par liquide. Contrairement au refroidissement par air, qui repose principalement sur des ventilateurs, cette technique conduit la chaleur vers un liquide circulant près des composants. Elle est devenue un élément central des datacenters d’IA, où la densité de puissance par rack augmente fortement.

Le refroidissement liquide ne fait pas disparaître la consommation électrique d’un supercluster. Il aide en revanche à évacuer la chaleur produite par des équipements très concentrés et à maintenir leurs conditions de fonctionnement. L’annonce ne fournit pas de données de consommation énergétique, de puissance électrique ou de bilan environnemental pour l’ensemble du déploiement. Ces éléments seront essentiels pour mesurer l’impact concret de l’infrastructure lorsqu’elle sera disponible.

Les racks doivent aussi combiner les GPU avec les processeurs EPYC Venice et une mise en réseau évolutive. Dans un système de cette taille, la vitesse des puces ne suffit pas si les données circulent trop lentement entre les nœuds. Une interconnexion adaptée permet aux GPU de coopérer efficacement sur un même entraînement ou sur un grand volume de requêtes.

Le logiciel et le réseau, conditions indispensables à l’échelle

Le projet ne repose pas uniquement sur le matériel. Oracle prévoit notamment une mise en réseau convergée accélérée par des DPU, ainsi que la pile logicielle ROCm d’AMD. Un DPU est un processeur spécialisé qui peut prendre en charge certaines opérations liées au déplacement et au traitement des données, afin de soulager les processeurs centraux et de fluidifier les communications au sein de l’infrastructure.

ROCm désigne l’environnement logiciel qui permet aux développeurs et aux outils d’IA d’utiliser les GPU AMD. Pour un client cloud, cet aspect est déterminant : disposer de milliers de GPU est utile seulement si les cadres de développement, les bibliothèques de calcul et les modèles peuvent être déployés sans réécriture excessive. L’adoption d’une plateforme d’accélération dépend donc autant de son écosystème logiciel que de ses spécifications matérielles.

Oracle évoque également un partitionnement avancé des GPU afin d’allouer les ressources en fonction des besoins. Cette capacité est importante dans un cloud public, où différents clients peuvent exécuter des charges très différentes. Certains auront besoin d’un petit nombre de GPU pendant quelques heures, d’autres voudront réserver un très grand ensemble de machines pour une campagne d’entraînement. L’orchestration doit permettre de répartir les ressources sans bloquer inutilement la capacité disponible.

Quelle place pour Oracle face aux autres infrastructures d’IA ?

Avec ce déploiement, Oracle cherche à renforcer OCI dans la compétition des infrastructures d’IA. Le secteur est déjà marqué par les offres des grands acteurs du cloud et du calcul accéléré. L’article de référence cite notamment les DGX SuperPOD de Nvidia et les TPU Pods de Google, deux exemples d’architectures pensées pour assembler à grande échelle des accélérateurs dédiés à l’intelligence artificielle.

Le choix d’AMD donne à Oracle une voie complémentaire à celles fondées sur d’autres fournisseurs de GPU. Pour les entreprises, cette diversification peut représenter une option supplémentaire pour accéder à des ressources de calcul, selon leurs outils, leurs contraintes techniques et la disponibilité des capacités cloud. Elle ne signifie pas automatiquement que toutes les charges d’IA fonctionneront mieux ou moins cher : ces arbitrages dépendent du modèle utilisé, du niveau d’optimisation logicielle et des conditions commerciales proposées.

Oracle évoque aussi une infrastructure à l’échelle du zettaoctet. Le zettaoctet est une unité correspondant à 10 puissance 21 octets. Cette expression reflète l’ambition de très grande échelle associée au projet. Elle ne doit pas être comprise, à elle seule, comme l’indication d’une capacité de stockage précise pour le supercluster, qui dépendrait d’informations techniques supplémentaires.

Ce qu’il faudra surveiller d’ici à 2026

Le premier point à suivre sera le respect du calendrier. Les MI450 doivent être déployés dans OCI à partir du troisième trimestre 2026, ce qui suppose que la production des GPU, la livraison des racks, le réseau et les datacenters soient prêts à fonctionner ensemble à grande échelle. La disponibilité effective pour les clients, région par région, constituera un indicateur plus concret que l’annonce du volume total de puces.

Il faudra ensuite examiner les performances mesurées sur des usages réels. Les caractéristiques de mémoire des MI450 sont ambitieuses, mais les entreprises auront besoin de savoir comment elles se traduisent pour l’entraînement de modèles, la vitesse de réponse en inférence, la stabilité des déploiements et le coût d’utilisation dans le cloud.

Enfin, l’énergie deviendra un sujet central. Les superclusters d’IA réclament une alimentation électrique, un refroidissement et des réseaux à la hauteur de leur densité de calcul. La capacité d’Oracle à proposer ces ressources tout en maintenant une exploitation fiable et efficace déterminera la portée du projet. L’accord avec AMD montre que la bataille de l’IA générative se joue désormais autant dans les datacenters que dans les modèles eux-mêmes.