Les nouveaux GPU changent de métier : ils ne servent plus seulement à jouer

Pendant longtemps, acheter une carte graphique signifiait surtout une chose : améliorer ses performances dans les jeux vidéo.

Aujourd’hui, cette époque est en train de changer.

Les nouveaux GPU sont devenus des machines de calcul capables de faire tourner de l’intelligence artificielle, de générer des images et des vidéos, d’exécuter des modèles de langage et d’accélérer des calculs scientifiques complexes.

Et derrière cette évolution se joue une bataille industrielle majeure entre NVIDIA, AMD et Intel.

Le GPU est devenu le moteur de l’intelligence artificielle

Un GPU, ou processeur graphique, a été conçu à l’origine pour effectuer énormément de calculs en parallèle. Cette caractéristique est parfaitement adaptée aux besoins de l’intelligence artificielle.

Lorsqu’une IA doit analyser des millions ou des milliards de paramètres, elle doit effectuer une quantité gigantesque d’opérations mathématiques.

C’est précisément là que les GPU excellent.

Cette évolution explique en grande partie pourquoi NVIDIA est devenu l’un des acteurs les plus importants de l’industrie technologique. Ses processeurs ne servent plus uniquement à afficher des images : ils alimentent désormais une partie considérable des data centers dédiés à l’IA.

Et cette transformation ne concerne plus uniquement les serveurs.

NVIDIA prépare déjà la prochaine génération

NVIDIA pousse actuellement sa nouvelle génération de plateformes autour de l’architecture Vera Rubin, conçue spécifiquement pour les infrastructures d’intelligence artificielle.

L’objectif est de pouvoir traiter des modèles toujours plus importants et surtout de répondre à l’arrivée des agents IA, capables d’enchaîner plusieurs tâches et d’utiliser différents outils de manière autonome.

NVIDIA présente notamment Vera Rubin comme une plateforme destinée aux « AI factories », autrement dit des infrastructures capables de produire en permanence des services et des applications basés sur l’IA.

Cette évolution nécessite des GPU beaucoup plus puissants, mais aussi davantage de mémoire, de bande passante et des systèmes de refroidissement capables d’évacuer une quantité considérable de chaleur.

C’est d’ailleurs l’une des raisons pour lesquelles les nouveaux data centers ressemblent de moins en moins aux salles informatiques traditionnelles.

AMD veut prendre une partie du marché

NVIDIA n’est évidemment pas seul.

AMD développe également ses propres accélérateurs pour l’intelligence artificielle avec sa gamme Instinct.

Sa nouvelle architecture CDNA 5, associée notamment à de la mémoire HBM4, vise directement les infrastructures d’IA et le calcul haute performance.

L’enjeu est énorme : les entreprises qui construisent des modèles d’IA ont besoin de milliers, voire de centaines de milliers de GPU.

Pour AMD, réussir à prendre une partie de ce marché représente donc une opportunité considérable.

Cette concurrence pourrait également être bénéfique pour les clients des data centers, car plusieurs fournisseurs capables de proposer des solutions performantes peuvent limiter la dépendance à un seul fabricant.

Intel revient dans la bataille

Intel cherche également à se positionner sur ce nouveau marché.

L’entreprise développe notamment Crescent Island, une architecture GPU orientée vers l’inférence IA.

L’inférence correspond à la phase pendant laquelle un modèle d’intelligence artificielle déjà entraîné est utilisé pour produire une réponse.

C’est particulièrement important avec l’explosion des assistants IA.

Chaque fois qu’un utilisateur pose une question à une IA, génère une image ou demande à un agent autonome d’effectuer une tâche, des ressources informatiques sont nécessaires pour produire le résultat.

Intel cherche donc à proposer des puces capables d’effectuer ces calculs efficacement, avec une attention particulière portée à la consommation énergétique et au refroidissement.

Et bientôt, l’IA directement dans votre ordinateur

C’est probablement la partie la plus intéressante pour le grand public.

Jusqu’à présent, beaucoup de services d’IA fonctionnent dans des data centers.

Vous envoyez une requête.

Elle est transmise vers des serveurs.

Les GPU effectuent les calculs.

Puis le résultat revient vers votre ordinateur ou votre smartphone.

Mais cette architecture pourrait progressivement évoluer.

Les nouveaux GPU permettent de faire fonctionner localement certains modèles d’intelligence artificielle.

NVIDIA pousse notamment cette approche avec ses ordinateurs RTX, capables d’exécuter certaines fonctions d’IA directement sur la machine.

L’intérêt est multiple : moins de données envoyées vers le cloud, davantage de confidentialité et parfois une réponse plus rapide.

Cela pourrait également réduire une partie de la pression exercée sur les data centers.

Des GPU de plus en plus spécialisés

Le terme « carte graphique » devient donc presque trompeur.

Les GPU modernes sont devenus des accélérateurs de calcul polyvalents.

Certains sont optimisés pour les jeux.

D’autres pour l’entraînement des modèles d’IA.

D’autres encore pour l’inférence, la simulation scientifique ou le calcul haute performance.

Les fabricants travaillent également sur des architectures capables de manipuler plus efficacement les nouveaux types de calcul utilisés par les modèles d’IA.

La mémoire joue notamment un rôle de plus en plus important.

Avec des modèles toujours plus volumineux, disposer d’une grande quantité de mémoire très rapide peut être aussi important que la puissance brute du processeur.

Le problème : la chaleur

Toute cette puissance a cependant un coût.

Plus un GPU effectue de calculs, plus il consomme d’électricité et plus il produit de chaleur.

Les infrastructures modernes doivent donc développer des solutions de refroidissement toujours plus sophistiquées.

Certains nouveaux data centers utilisent déjà le refroidissement liquide pour évacuer la chaleur directement au niveau des composants.

Cela crée un lien direct avec un autre sujet que nous avons récemment abordé sur AdrienTech : la récupération de chaleur produite par les infrastructures informatiques.

Dans certains cas, cette chaleur peut même être réutilisée pour chauffer des bâtiments ou de l’eau.

Le développement de l’IA est donc devenu autant un problème informatique qu’un problème énergétique.

Le prochain combat ne se jouera pas uniquement sur les performances

NVIDIA, AMD et Intel cherchent tous à fabriquer des GPU plus rapides.

Mais la véritable bataille pourrait se jouer ailleurs.

Qui arrivera à produire le plus de puissance de calcul avec le moins d’électricité et de chaleur ?

À mesure que l’IA se généralise, cette question devient essentielle.

Un modèle deux fois plus puissant n’est pas nécessairement intéressant s’il nécessite dix fois plus d’énergie pour fonctionner.

Les prochaines générations de GPU devront donc être plus rapides, mais aussi plus efficaces.

Du jeu vidéo aux assistants personnels

Le plus intéressant est finalement de constater à quel point la fonction du GPU a changé.

Il y a vingt ans, il servait principalement à afficher des mondes virtuels.

Aujourd’hui, il peut générer une image, traduire une conversation, analyser une vidéo, faire fonctionner un modèle d’IA ou accélérer une simulation scientifique.

Demain, il pourrait devenir l’un des composants centraux de nos ordinateurs personnels, capables d’exécuter localement des assistants IA autonomes.

Le GPU n’est donc plus simplement la pièce qui permet de jouer avec davantage de fluidité.

Il est en train de devenir le moteur informatique de l’ère de l’intelligence artificielle.

À propos de l’auteur

Adrien Hassler est le créateur d’AdrienTech, un média consacré à l’intelligence artificielle, aux nouvelles technologies, aux sciences, à l’astronomie et à la blockchain. Il s’intéresse aux innovations qui transforment progressivement notre environnement numérique et scientifique, avec une approche accessible et documentée.