Un supernœud présenté, mais encore à l’essai
Huawei a dévoilé le 17 septembre à Shanghai l’Atlas 960E SuperPoD, un supernœud destiné à l’entraînement et à l’exécution de très grands modèles d’intelligence artificielle. Selon les caractéristiques annoncées, un système pourra réunir jusqu’à 4 096 processeurs neuronaux Ascend 960, offrir une puissance de 8 exaflops en précision FP8 et intégrer jusqu’à un pétaoctet de mémoire HBM. Il faut toutefois distinguer l’annonce commerciale du déploiement observé. Huawei indique que le système Ascend 960 fondé sur l’optique rapprochée, ou NPO, est actuellement en phase d’essai. Les puces Ascend 960DT doivent devenir disponibles au premier trimestre de 2027, puis les Ascend 960PR au troisième trimestre. Le fabricant affirme en parallèle que plus de 1 000 supernœuds Atlas 900 A3 ont déjà été déployés et que l’Atlas 950 est utilisé commercialement à grande échelle. Ces deux derniers éléments concernent des générations antérieures.
Pourquoi déplacer l’optique près des processeurs
Dans une grande grappe d’IA, ajouter des processeurs ne suffit pas. Ceux-ci doivent continuellement échanger des paramètres, des résultats intermédiaires et des données en mémoire. Huawei estime que, dans les architectures traditionnelles, les communications peuvent occuper plus de 40 % du temps d’entraînement d’un modèle. Le réseau interne devient alors un goulot d’étranglement. L’Atlas 960E emploie donc 5 500 moteurs optiques Hi-ONE placés près des composants électroniques. Chaque moteur offrirait une capacité de transmission de 7,2 térabits par seconde. D’après Huawei, cette conception remplace les 48 000 modules optiques de 800 gigabits qui auraient autrement été nécessaires. L’entreprise revendique une réduction de puissance de plus de 550 kilowatts, une durée moyenne de fonctionnement sans panne doublée et une disponibilité de 99,8 %. Ces chiffres proviennent du fabricant et n’ont pas encore été confirmés par des essais indépendants. Ils illustrent néanmoins un enjeu concret : à cette échelle, la consommation et la fiabilité des connexions peuvent compter autant que la performance individuelle des puces.
Le million de processeurs désigne une architecture complète
Le chiffre d’un million ne correspond pas à un seul supernœud Ascend 960E. Huawei l’associe plutôt à Peerium, une architecture qui combine plusieurs supernœuds, des systèmes de calcul général, du stockage et des mémoires spécialisées au moyen de son interconnexion UnifiedBus. Une topologie à deux niveaux annoncée par Huawei pourrait relier 512 000 processeurs neuronaux. L’ajout de plusieurs chemins parallèles porterait cette capacité théorique jusqu’à un million d’unités. L’objectif est de présenter cet ensemble comme un seul ordinateur logique, grâce à un adressage unifié de la mémoire et à des connexions directes entre composants. Huawei indique qu’une grappe Atlas 950 de 256 000 cartes est déjà en cours de déploiement. En revanche, la grappe d’un million de processeurs demeure une capacité annoncée, pas un système dont l’exploitation complète a été démontrée publiquement. Cette nuance est importante : construire une telle installation exige aussi de l’électricité, du refroidissement, des logiciels adaptés et une tolérance aux pannes à une échelle inhabituelle.
Une stratégie pour contourner les limites d’une seule puce
Cette approche montre comment Huawei tente de compenser les contraintes qui pèsent sur l’accès chinois aux semi-conducteurs et aux équipements de fabrication les plus avancés. L’Associated Press souligne que les restrictions dirigées par les États-Unis ont accéléré la recherche d’une autonomie technologique en Chine, même si plusieurs activités d’IA du pays utilisent encore du matériel américain. Plutôt que de miser uniquement sur la performance d’un accélérateur isolé, Huawei cherche à faire travailler un très grand nombre de puces comme une seule machine. C’est une stratégie d’ingénierie de système : améliorer le réseau, partager la mémoire et réduire les conversions entre protocoles afin d’obtenir davantage de rendement à l’échelle de la grappe. Le défi se déplace alors vers le logiciel. Les outils doivent répartir efficacement les calculs, reprendre une tâche après une panne et exploiter une mémoire distribuée sans multiplier les délais. Huawei affirme avoir ouvert davantage sa plateforme CANN et obtenu une prise en charge officielle comme moteur d’accélération dans PyTorch, mais la facilité de migration devra être évaluée par les développeurs.
Ce que le Québec peut retenir de l’annonce
Peu d’organisations québécoises achèteront directement une grappe de centaines de milliers de processeurs. L’annonce demeure pertinente parce qu’elle montre où se déplacent les coûts de l’IA : vers les interconnexions optiques, la mémoire, le refroidissement, les logiciels d’orchestration et l’électricité nécessaire pour maintenir l’ensemble disponible. Une économie annoncée de 550 kilowatts équivaut à 4,8 millions de kilowattheures sur une année de fonctionnement continu. Il ne s’agit pas de la consommation totale du système, mais seulement de la réduction revendiquée pour son réseau optique. Pour un exploitant de centre de données, cette différence peut influencer la capacité électrique requise, le refroidissement et les coûts d’exploitation. Pour les équipes québécoises qui évaluent une infrastructure d’IA, la leçon pratique est de comparer plus que le nombre de puces. Le débit entre accélérateurs, la disponibilité mesurée, la compatibilité logicielle, les conditions d’approvisionnement et la consommation réelle par tâche doivent entrer dans le calcul. Huawei annonce une architecture ambitieuse, mais ses performances devront encore être vérifiées dans des déploiements complets et reproductibles.
