Depuis plusieurs années, les chercheurs chinois et russes travaillent sur des processeurs capables de rivaliser avec les puces d’Intel, AMD et NVIDIA. Confrontés aux restrictions américaines, Pékin et Moscou développent des architectures indépendantes, reposant notamment sur RISC-V, ARM et des solutions propriétaires.
Des CPU optimisés pour l’IA
Les avancées récentes sont spectaculaires. Des ingénieurs sino-russes ont conçu de nouvelles méthodes d’optimisation logicielle et matérielle, permettant une augmentation de puissance de calcul de 10 à 20 fois sur certaines tâches d’intelligence artificielle. Ces innovations portent notamment sur la gestion avancée de la mémoire, l’amélioration du traitement en parallèle et la réduction des goulets d’étranglement lors de l’exécution des algorithmes IA.
Le CPU (Central Processing Unit), ou processeur central, est l’unité de calcul principale d’un ordinateur. Contrairement aux GPU (Graphical Processing Unit), optimisés pour le traitement parallèle, les CPU sont conçus pour gérer des tâches plus générales, avec une grande flexibilité. Dans l’IA, ils sont traditionnellement utilisés pour les phases de prétraitement des données et l’exécution des modèles. Mais les récentes innovations chinoises et russes pourraient modifier cet équilibre en rendant les CPU aussi efficaces que les GPU pour les calculs d’apprentissage automatique.
La Chine, à travers ses entreprises Loongson et Phytium, et la Russie, avec les processeurs Elbrus et Baïkal, ambitionnent ainsi de contourner les interdictions américaines et de créer une nouvelle génération de CPU capables d’exécuter des tâches complexes en IA sans recourir aux GPU occidentaux.
Jusqu’ici, l’intelligence artificielle reposait principalement sur des GPU ultra-puissants, comme ceux de NVIDIA et AMD, spécialisés dans le calcul parallèle. Mais si les CPU sino-russes atteignent des performances comparables, ils pourraient remettre en cause la suprématie des GPU dans l’entraînement des modèles IA.
Les impacts seraient considérables. D’abord, ces avancées pourraient rendre l’IA plus accessible. Contrairement aux GPU, qui sont rares et coûteux, ces CPU optimisés pourraient être produits en grande quantité et à moindre coût, ouvrant ainsi la porte à une démocratisation du calcul haute performance. Ensuite, la réduction de la consommation énergétique de ces processeurs permettrait d’alléger les coûts liés à l’entraînement des modèles d’IA, un enjeu majeur pour les entreprises et les laboratoires de recherche, souvent confrontés à des infrastructures énergivores. Enfin, ces innovations offrent à la Chine et à la Russie un levier stratégique : en développant des CPU capables de rivaliser avec les solutions occidentales, ces deux pays pourraient renforcer leur souveraineté technologique et réduire leur dépendance aux géants américains du secteur.
À terme, ces évolutions pourraient transformer la manière dont les centres de données et les infrastructures IA sont conçus, en favorisant une diversification des solutions matérielles et en brisant l’hégémonie des grandes entreprises occidentales du secteur.
Les GPU sont spécialement conçus pour exécuter des tâches en parallèle, ce qui les rend idéaux pour l’entraînement des modèles d’intelligence artificielle. Les CPU, eux, sont plus adaptés aux tâches séquentielles et complexes, mais leur recentrage sur l’optimisation des flux de données pourrait les rendre aussi compétitifs que les GPU dans certains domaines du calcul haute performance.
Des chercheurs sino-russes affirment avoir réussi à multiplier par 800 la puissance d’un GPU NVIDIA en optimisant son fonctionnement. Grâce à une meilleure gestion des calculs et de la mémoire, ils ont transformé une carte graphique classique en un outil de calcul scientifique ultra-performant. Si ces avancées sont appliquées à grande échelle, elles pourraient réduire la dépendance aux GPU ultra haut de gamme et permettre à des acteurs plus modestes d’accéder à des capacités de calcul jusqu’ici réservées aux plus grandes infrastructures. Cette découverte pourrait bouleverser plusieurs domaines, notamment l’intelligence artificielle et la recherche, en rendant la puissance de calcul plus accessible et moins coûteuse.
