NVIDIA Spectrum-XGS veut relier les data centers pour étendre l’IA

Les data centers dédiés à l’intelligence artificielle ne peuvent pas s’agrandir indéfiniment au même endroit. À mesure que les besoins de calcul progressent, une entreprise peut se heurter à des limites très concrètes : la surface disponible, la puissance électrique accessible et la capacité à évacuer la chaleur produite par les serveurs. Construire un nouveau site est une réponse possible, mais elle est longue, coûteuse et dépendante des contraintes locales.

C’est sur ce problème d’infrastructure que NVIDIA veut intervenir avec Spectrum-XGS Ethernet, présenté au 26 août 2025 comme une évolution de sa plateforme réseau Spectrum-X. L’idée est de connecter des centres de données éloignés pour qu’ils puissent contribuer à une même capacité de calcul destinée à l’IA. NVIDIA désigne cet ensemble comme une « super-usine IA giga-échelle » : une formule qui résume une ambition technique, faire coopérer plusieurs sites comme un système plus cohérent qu’une simple juxtaposition de bâtiments.

Pourquoi les data centers d’IA manquent-ils d’espace ?

L’intelligence artificielle moderne repose sur de vastes grappes de processeurs, notamment des GPU, qui exécutent des calculs en parallèle. Cette organisation concerne l’entraînement de grands modèles, mais aussi certains usages d’inférence, c’est-à-dire le moment où un modèle répond à une demande. Dans les deux cas, le calcul ne dépend pas seulement du nombre de puces : il suppose aussi des échanges de données rapides et réguliers entre les machines.

Or, la croissance d’un centre de données rencontre rapidement des contraintes physiques. Ajouter des serveurs signifie trouver des emplacements pour les installer, les alimenter et les refroidir. Ces trois facteurs sont étroitement liés : une capacité électrique limitée restreint le nombre de machines exploitables, tandis qu’une puissance informatique plus élevée accentue les besoins de refroidissement. Pour les acteurs qui souhaitent développer leurs infrastructures d’IA, le problème n’est donc pas uniquement informatique.

Les architectures traditionnelles sont souvent pensées autour d’un site principal, ou de plusieurs sites fonctionnant en grande partie séparément. Lorsque les calculs doivent être répartis entre des bâtiments éloignés, le réseau devient le point critique. Si les échanges sont irréguliers, ralentis ou congestionnés, des ressources de calcul pourtant coûteuses risquent d’attendre des données au lieu de travailler.

Scale-up, scale-out, scale-across : trois manières de grandir

Pour comprendre la proposition de NVIDIA, il faut distinguer trois approches complémentaires pour augmenter une infrastructure de calcul.

La première, appelée scale-up, consiste à renforcer un même système : davantage de processeurs, de mémoire ou de liaisons très rapides au sein d’une machine ou d’un ensemble étroitement intégré. Elle vise une grande proximité entre les composants, utile lorsque les échanges sont particulièrement intenses.

La deuxième, le scale-out, consiste à ajouter des serveurs ou des nœuds de calcul afin de former une grappe plus vaste. Cette méthode permet de croître par ajouts successifs, à condition que le réseau interne du site puisse absorber le volume de communications.

La troisième, mise en avant avec Spectrum-XGS, est le scale-across. Elle vise à étendre une infrastructure au-delà d’un seul site. Au lieu de considérer plusieurs data centers comme des îlots indépendants, elle cherche à les relier de manière à répartir les tâches et les ressources entre eux.

Cette troisième voie n’élimine pas les deux premières. Un site peut continuer à densifier ses machines et à ajouter des serveurs, tout en étant relié à d’autres installations. La promesse est de mieux utiliser des capacités déjà disponibles dans plusieurs lieux, plutôt que de concentrer toute la croissance dans un bâtiment qui ne peut plus suivre.

Ce que Spectrum-XGS Ethernet apporte au réseau

Spectrum-XGS Ethernet est conçu par NVIDIA pour relier des centres de données d’IA sur de grandes distances. La technologie s’inscrit dans la plateforme Spectrum-X, qui cible les besoins de réseau des infrastructures d’intelligence artificielle. Son objectif n’est pas de créer de la puissance de calcul supplémentaire à lui seul : elle vise à rendre plus exploitable une puissance déjà répartie entre plusieurs sites.

Le point central de l’annonce est l’utilisation d’algorithmes adaptatifs. Selon NVIDIA, ils ajustent le comportement du réseau en fonction de la distance physique séparant les installations. Cette capacité est associée à une gestion avancée de la congestion et à un contrôle plus précis de la latence.

Ces notions méritent d’être précisées. La latence désigne le délai entre l’envoi d’une information et sa réception. Dans un calcul distribué, elle compte particulièrement lorsque des machines doivent se synchroniser fréquemment. La congestion apparaît, elle, lorsque trop de données cherchent à emprunter simultanément une même partie du réseau : des files d’attente se créent, ce qui peut ralentir les échanges.

L’Ethernet utilisé dans des configurations traditionnelles n’est pas, par nature, inutilisable pour l’IA. Mais le transport de charges de travail très synchronisées entre des sites éloignés pose des problèmes plus exigeants que la communication au sein d’un seul bâtiment. NVIDIA cherche précisément à adapter la gestion du réseau à cette situation, où la distance et les variations de trafic pèsent davantage sur les performances.

La formule de « super-usines IA giga-échelle » employée par l’entreprise ne désigne donc pas un type de bâtiment inédit. Elle décrit une architecture dans laquelle plusieurs centres de données, reliés par le réseau, peuvent être mobilisés comme un ensemble de ressources de calcul à grande échelle.

Les limites physiques ne disparaissent pas

La proposition répond à une difficulté réelle, mais elle ne transforme pas plusieurs data centers distants en une seule salle informatique. La transmission de données sur une longue distance ajoute nécessairement un délai. Aucun logiciel de contrôle du réseau ne peut abolir cette contrainte physique.

L’efficacité de l’ensemble dépendra aussi de la qualité des infrastructures de liaison entre les sites. Une architecture distribuée nécessite des connexions suffisamment fiables et performantes, ainsi qu’une exploitation rigoureuse des flux de données. Si un lien devient saturé ou instable, il peut dégrader le fonctionnement de tâches qui dépendent d’échanges constants entre machines.

La gestion opérationnelle se complexifie également. Répartir le calcul entre plusieurs emplacements suppose de synchroniser les données, de coordonner les équipes et de maintenir une visibilité sur l’état des ressources. Les entreprises doivent en outre tenir compte des règles applicables à la localisation, à la circulation et à la protection des données selon les territoires concernés.

Toutes les charges de travail d’IA n’ont pas non plus les mêmes exigences. Certaines peuvent se répartir plus facilement, tandis que d’autres imposent des échanges très fréquents et sensibles au délai. L’intérêt concret du scale-across dépendra donc du type de calcul, de la distance entre les installations et de la qualité de leur interconnexion.

CoreWeave, un premier déploiement à suivre

L’entreprise d’infrastructure cloud CoreWeave prévoit de mettre à profit Spectrum-XGS dans ses opérations. Son cofondateur et directeur technique, Peter Salanki, estime que cette technologie peut contribuer à créer un superordinateur unifié et soutenir des avancées dans différents secteurs.

Ce projet est important, car les déploiements réels permettent de confronter les promesses d’architecture aux contraintes quotidiennes : volumes de trafic variables, distances entre les sites, besoins de synchronisation et qualité effective des liaisons. À la date de publication, il s’agit d’une perspective de mise en œuvre et non d’un bilan de performances publié.

L’enjeu dépasse donc la seule démonstration technologique. Pour convaincre les opérateurs de centres de données, une solution de ce type devra montrer qu’elle améliore suffisamment l’utilisation des ressources existantes pour justifier le coût et la complexité d’une infrastructure inter-sites plus ambitieuse.

Disponibilité : ce que NVIDIA annonce, et ce qui reste inconnu

NVIDIA indique que Spectrum-XGS Ethernet est disponible dans le cadre de Spectrum-X. L’annonce ne précise toutefois ni les tarifs, ni un calendrier détaillé de déploiement, ni les configurations exactes qui seront retenues par les clients.

Cette absence de détails est importante. Dans les data centers, l’adoption d’une technologie réseau ne se décide pas uniquement sur ses promesses de performance. Elle doit être évaluée avec le coût des équipements, des liaisons entre sites, de l’exploitation quotidienne et des adaptations nécessaires aux systèmes existants.

Pour les entreprises confrontées au manque d’espace, l’intérêt potentiel est clair : valoriser plusieurs implantations au lieu de dépendre d’une extension immédiate sur un site unique. Mais cette possibilité ne remplace pas automatiquement les investissements en énergie, en refroidissement ou en nouveaux bâtiments. Elle ajoute une option d’architecture, dont la pertinence devra être mesurée au cas par cas.

Ce qu’il faut surveiller

Les prochains déploiements diront si le scale-across peut devenir une composante courante des infrastructures d’IA, au-delà des environnements les plus vastes. Plusieurs éléments devront être observés : la capacité de Spectrum-XGS à maintenir des communications efficaces sur de longues distances, sa compatibilité avec les besoins des différentes charges de travail et son coût global d’exploitation.

Il faudra aussi vérifier comment les opérateurs répondent aux difficultés de synchronisation, de disponibilité des liaisons et de conformité entre régions. La réponse de NVIDIA est avant tout une réponse de réseau à une contrainte de capacité. Elle peut aider à répartir le calcul, mais elle ne dispense pas l’industrie de résoudre les autres équations matérielles de l’IA : l’électricité, le refroidissement, l’espace et la construction de nouvelles infrastructures.

À court terme, Spectrum-XGS illustre surtout une évolution de fond : face à des data centers qui atteignent leurs limites locales, l’IA pourrait devoir apprendre à fonctionner à l’échelle de plusieurs sites, avec un réseau suffisamment sophistiqué pour que cette dispersion ne devienne pas un frein.