Sujet
Tous les articles d’Actu.ai consacrés à GPU : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 83 articles
Au NVIDIA AI Summit Japan, le groupe américain a détaillé son rôle dans la stratégie technologique japonaise. Modèles adaptés à la langue locale, jumeaux numériques, centres de données et coopération avec SoftBank : l’enjeu est autant industriel que démographique pour un pays confronté au vieillissement de sa population.
Avant de devenir la technologie qui alimente les assistants génératifs et les outils de reconnaissance d’images, le deep learning a longtemps suscité le doute. Entre 2007 et 2012, ImageNet, AlexNet et les GPU ont fait converger données, algorithmes et puissance de calcul, changeant durablement la trajectoire de l’intelligence artificielle.
Derrière les réponses instantanées de ChatGPT ou Gemini se cache une dépense industrielle considérable. Calcul, puces, électricité, refroidissement et infrastructures font grimper le coût des modèles de pointe, qui dépasse désormais la centaine de millions de dollars selon plusieurs estimations. Une escalade qui interroge autant l’économie du secteur que son impact environnemental.
Des puces aux supercalculateurs, la quête de puissance est devenue le moteur de l’intelligence artificielle. Elle ouvre des perspectives concrètes en santé, en agriculture ou pour la recherche, mais concentre aussi les moyens entre quelques acteurs. Décryptage d’une course technologique qui pose autant de questions humaines que techniques.
ByteDance, maison mère de TikTok, a licencié un stagiaire accusé d’avoir interféré avec l’entraînement d’un modèle d’IA. Des chiffres spectaculaires ont circulé sur les GPU touchés et le coût de l’incident. Ils doivent être distingués des éléments confirmés publiquement par l’entreprise.
Bank of America a relevé son objectif de cours pour Nvidia de 165 à 190 dollars, un niveau qui suggérait alors un potentiel théorique de hausse proche de 40 %. Cette projection repose sur l’essor de l’IA et la demande de processeurs graphiques, tout en laissant entière la question des risques boursiers et concurrentiels.
Les GPU de Nvidia restent la référence de l’IA, mais Groq, Cerebras et Rivos défendent des architectures spécialisées. Leurs promesses de rapidité, de faible latence ou d’efficacité énergétique peuvent répondre à des besoins précis. Avant de changer d’infrastructure, les entreprises doivent toutefois évaluer logiciels, coûts réels et dépendance fournisseur.
L’entraînement d’un grand modèle d’intelligence artificielle ne se résume pas à lancer des milliers de puces pendant quelques jours. Données, puissance de calcul, tests de sécurité et déploiement déterminent un calendrier souvent long et difficile à prévoir. Voici les étapes qui expliquent ces délais, et les leviers pour les maîtriser.
Lancée le 11 octobre 1999, la GeForce 256 a fait entrer la carte graphique dans une nouvelle dimension en confiant davantage de calculs 3D à un processeur dédié. Vingt-cinq ans plus tard, son héritage se lit autant dans les jeux vidéo photoréalistes que dans les GPU devenus essentiels à l’informatique moderne.
Annoncé le 8 octobre 2024 à Taïwan, le projet réunit 64 racks GB200 NVL72 pour une puissance annoncée de 90 exaflops en IA. Nvidia et Foxconn veulent aussi accroître la fabrication des systèmes GB200, un maillon décisif pour les futurs centres de données.
Face aux restrictions américaines et à l’offensive industrielle de Pékin, Nvidia voit sa position se compliquer en Chine. Les entreprises locales sont poussées vers des accélérateurs nationaux, tandis que le groupe américain adapte son offre. Cette bataille dépasse les ventes de puces : elle concerne la maîtrise de toute la chaîne de l’IA.
