Une adresse spéciale centrée sur l’intégration
Le NVIDIA SC26 Special Address n’était pas seulement une succession d’annonces matérielles. Ian Buck, vice-président hyperscale et calcul haute performance chez NVIDIA, a présenté l’avenir du calcul scientifique comme une combinaison de simulation, d’IA, d’agents et de technologies quantiques, chaque couche renforçant les autres au lieu de rester dans un silo séparé . Cette lecture rejoint le résumé de l’événement publié par HelloBro.ai: NVIDIA y a positionné l’IA, la simulation, le calcul quantique et les systèmes à l’échelle du bureau comme une pile scientifique unifiée, destinée à accélérer des domaines allant de la biologie du cancer à l’imagerie des trous noirs .
Le contexte est essentiel. SC26 est un événement de supercalcul, pas une conférence grand public sur l’IA. Le message s’adresse donc aux laboratoires, centres nationaux de calcul, équipes d’ingénierie et développeurs de logiciels scientifiques qui gèrent déjà des workflows complexes. NVIDIA leur propose une évolution: rendre ces workflows plus interactifs, avec des agents capables de planifier des expériences, générer du code, appeler des outils, lancer des simulations et vérifier des résultats, tandis que les chercheurs conservent la responsabilité de l’hypothèse et de l’interprétation .
CUDA comme socle de vingt ans
Le fil historique de l’adresse était CUDA. NVIDIA est revenu à SC06, lorsque CUDA a apporté aux GPU un modèle de programmation de haut niveau en C et a contribué à sortir le GPU de son rôle graphique pour l’installer dans la science et la simulation . Vingt ans plus tard, l’entreprise affirme que plus de 11 millions de développeurs utilisent CUDA et que l’écosystème CUDA-X compte désormais plus de 1 000 bibliothèques couvrant notamment la médecine, les systèmes autonomes, la finance, les usines et le calcul quantique .
Cette mise en perspective n’est pas anodine. NVIDIA ne présente pas la pile SC26 comme une rupture soudaine, mais comme une étape supplémentaire d’un écosystème né avec la programmation générale des GPU. Le GPU n’est plus seulement un accélérateur placé derrière un code de simulation. Il devient un élément d’une boucle scientifique plus large: modéliser, simuler, analyser, affiner, recommencer.
Les agents arrivent dans le laboratoire
L’annonce logicielle la plus structurante est Nemotron for Science. NVIDIA le décrit comme un ensemble associant Nemotron 3.5 Super VL, des évaluations scientifiques, un nouveau jeu de données ouvert en chimie et des recettes de post-entraînement pour aider les chercheurs à créer des agents scientifiques spécialisés . Le jeu de données LitmusBench v0.2 comprend près de 50 000 questions de raisonnement en chimie pour l’entraînement et l’évaluation, et NVIDIA indique que le modèle ainsi que le jeu de données sont disponibles sur Hugging Face, avec une optimisation de Nemotron 3.5 Super VL pour une exécution locale sur un système DGX Spark de 128GB .
Les cas d’usage donnent le ton. NVIDIA indique qu’Argonne National Laboratory intègre Nemotron dans StructBioReasoner, un système multi-agent destiné à concevoir et évaluer des candidats thérapeutiques à base de protéines contre le cancer et d’autres maladies . KTH Royal Institute of Technology a construit un agent capable de réparer des configurations GROMACS défectueuses pour la dynamique moléculaire, avec 81% des cas de test corrigés en une nuit sur un seul DGX Spark lorsque le raisonnement était activé . NVIDIA cite aussi des entreprises des sciences de la vie qui utilisent ou personnalisent Nemotron pour l’extraction de connaissances chimiques, la planification d’expériences, la conception thérapeutique et les protocoles de laboratoire .
La conclusion n’est pas que l’agent remplace le scientifique. L’idée plus solide est que l’agent devient une nouvelle interface avec le calcul scientifique: il transforme une consigne en appels d’outils, en code, en simulations et en contrôles. C’est pourquoi Buck a constamment relié les agents aux autres éléments de la pile, en particulier aux bibliothèques CUDA-X et aux systèmes locaux .
DGX Spark rapproche le supercalcul du bureau
NVIDIA a aussi profité de SC26 pour rapprocher une partie du workflow de supercalcul du bureau du chercheur. Le DGX Spark HPC Developer Kit est un cluster à quatre nœuds composé de systèmes DGX Spark reliés en anneau via NVIDIA ConnectX-7, sans commutateur réseau séparé . En configuration quatre nœuds, NVIDIA annonce 512GB de mémoire combinée et 16TB de stockage NVMe, afin de permettre le développement et le débogage de charges multi-nœuds avant le passage à de plus grands systèmes .
C’est l’une des annonces les plus concrètes. Les files d’attente sont une contrainte réelle en calcul scientifique: il faut souvent attendre un créneau sur un cluster partagé simplement pour tester du code, ajuster un modèle ou diagnostiquer un comportement distribué. NVIDIA indique que le kit prend en charge des workloads comme LAMMPS avec Kokkos pour la simulation de matériaux, NAMD pour la dynamique moléculaire, GROMACS, OpenFOAM, WRF pour la météo et des microservices NIM comme OpenFold3 et Boltz-2 . Dans un exemple de génomique, le Rubin Lab de l’Université de Californie à Berkeley a utilisé DGX Spark avec le modèle Evo 2 pour prédire des traits bactériens à partir de séquences génomiques et a obtenu des résultats 15 fois plus vite en évitant 11 heures d’attente sur cluster .
Le message stratégique est clair: si le prototypage peut se faire localement, le centre de données redevient un moteur de production plutôt que le point de passage obligé de chaque expérience.
Rubin HPC et Vera ciblent les grandes simulations
Côté matériel, le nouveau GPU Rubin HPC vise la simulation et le traitement de données pour la science, l’ingénierie et l’analytique . NVIDIA annonce plus de 50 000 cœurs CUDA sur un seul GPU, une accélération des données éparses et une connectivité GPU-à-GPU via NVLink de septième génération, avec une disponibilité prévue en 2028 . L’idée technique centrale est l’équilibre: selon NVIDIA, les charges scientifiques dépendent autant du mouvement irrégulier des données que de la puissance arithmétique brute, et Rubin HPC doit donc maintenir les cœurs alimentés pour les matrices éparses, les calculs de stencil, le tri et les réductions .
La plateforme CPU Vera s’attaque à un autre goulot d’étranglement. NVIDIA a annoncé une plateforme HPC à l’échelle du rack combinant 192 CPU Vera interconnectés par Quantum-X800 InfiniBand, avec plus de 200TB/s de bande passante mémoire agrégée pour les workflows de simulation et d’IA . Chaque CPU Vera comporte 88 cœurs NVIDIA Olympus personnalisés et 176 threads, tandis que le rack associe environ 300TB de mémoire et 1PB de stockage dans un design MGX à refroidissement liquide . NVIDIA prévoit des racks Vera CPU chez Dell Technologies, HPE, Lenovo et Supermicro à partir du début 2027, tandis que le centre allemand DKRZ a choisi Vera pour son supercalculateur climatique HLRE-5 attendu début 2028 .
Rubin HPC et Vera dessinent donc deux versants du HPC moderne: l’accélération massive par GPU pour la simulation, et les charges CPU intensives en mémoire qui restent cruciales pour de nombreux codes de climat, météo et dynamique moléculaire.
CUDA-X transforme l’accélération en outils scientifiques
Les mises à jour CUDA-X ont fourni les exemples les plus parlants. NVIDIA affirme que cuPhoton.xBeam peut corréler en huit minutes des observations de trous noirs de l’Event Horizon Telescope, contre plus d’un mois auparavant . L’entreprise indique aussi que cuPotential peut accélérer des logiciels existants de simulation moléculaire jusqu’à 3x, tandis que Daviator peut fournir des calculs quantiques-mécaniques jusqu’à 22x plus rapides et jusqu’à 75% moins coûteux pour des workflows liés au Vienna Ab initio Simulation Package .
En biologie, cuSpa, désormais open source, cible les calculs de polygones cellulaires pour la biologie spatiale et les modèles de cancer, avec une accélération de 900x par rapport aux CPU rapportée par NVIDIA au Memorial Sloan Kettering Cancer Center . NVIDIA indique également que rapids-singlecell, codéveloppé avec scverse, est désormais livré dans un conteneur prêt pour les agents, et que Therna Biosciences a traité des données 200x plus vite pour la conception thérapeutique avec cet outil .
Ces bibliothèques sont le tissu conjonctif de l’adresse. Les agents ne sont utiles que s’ils peuvent appeler des outils fiables et optimisés. CUDA-X est la réponse de NVIDIA pour l’astronomie, la fusion, la découverte de médicaments, les matériaux et la biologie.
Le quantique rejoint le même workflow
L’annonce quantique prolonge la pile au-delà du supercalcul classique. NVIDIA indique collaborer avec IBM et Fermilab sur une plateforme de co-conception quantique-classique qui colocalise des systèmes DGX B200 avec des ordinateurs quantiques IBM, y compris des systèmes fondés sur IBM Quantum Nighthawk . La plateforme doit aider les chercheurs à évaluer des codes de correction d’erreurs, des algorithmes de décodage et des applications quantiques-classiques pour la physique des hautes énergies et la physique nucléaire .
NVIDIA a aussi présenté TCBP-JOBS, un algorithme de décodage intégré à CUDA-Q QEC 0.9.0, annoncé comme capable d’accélérer jusqu’à 13 000x la recherche en correction d’erreurs quantiques et de réduire un calcul de conception cité de 12 semaines à 45 minutes . L’entreprise étend en parallèle Slurm afin de permettre la planification de processeurs quantiques aux côtés des CPU et GPU dans les workflows de supercalcul, avec une intégration IBM via Quantum Resource Management Interface .
Ce qu’il faut retenir
Le SC26 Special Address portait avant tout sur l’intégration. NVIDIA veut que la base de développeurs CUDA, les bibliothèques scientifiques CUDA-X, les agents Nemotron, les postes DGX Spark, les racks CPU Vera, les GPU Rubin HPC et les workflows quantiques-classiques forment un continuum. Le test à court terme sera la capacité des chercheurs à transformer ces annonces en science reproductible, et pas seulement en démonstrations impressionnantes. Mais la direction est nette: NVIDIA présente le prochain superordinateur comme un environnement scientifique complet, où l’IA ne remplace pas la simulation, où la simulation n’ignore pas le quantique, et où les systèmes de bureau ne sont pas isolés des machines nationales.


Commentaires
Sois le premier à commenter.