NVIDIA pousse l’efficacité des usines à IA : plus de calculs, moins d’électricité
← Retour aux actualitésJusqu’à 40 % de capacité GPU supplémentaire dans une même enveloppe énergétique, grâce à DSX MaxLPS. Jusqu’à 35 % de tokens en plus par mégawatt, sans avoir besoin de tirer de nouveaux câbles électriques. Des coûts divisés par 45 pour certains modèles d’inférence, selon les benchmarks de SemiAnalysis.
📑 Sommaire
💡 En 3 points clés
- Jusqu’à 40 % de capacité GPU supplémentaire dans une même enveloppe énergétique, grâce à DSX MaxLPS.
- Jusqu’à 35 % de tokens en plus par mégawatt, sans avoir besoin de tirer de nouveaux câbles électriques.
- Des coûts divisés par 45 pour certains modèles d’inférence, selon les benchmarks de SemiAnalysis.
Des usines à IA qui consomment moins, mais calculent plus
Imaginez une usine où chaque watt compte. Pas pour éclairer ou chauffer, mais pour faire tourner des milliers de serveurs qui, à leur tour, alimentent des modèles d’intelligence artificielle. Ces usines à IA — aussi appelées AI factories — sont devenues le cœur battant de l’économie numérique. Pourtant, leur talon d’Achille reste leur appétit énergétique : plus elles tournent, plus la facture d’électricité explose.
NVIDIA a justement choisi le AI Infra Summit 2026 à Santa Clara pour dévoiler comment ses nouvelles technologies permettent de faire plus avec moins. Avec plus de 8 000 participants cette année (contre 3 500 en 2025), l’événement ressemble de plus en plus à un festival de l’infrastructure high-tech. Et cette fois, le sujet phare n’était pas la puissance brute, mais l’efficacité énergétique.
Des watts mieux utilisés : le pari de NVIDIA Vera Rubin et DSX
Jusqu’ici, les usines à IA fonctionnaient comme une voiture qui roulerait toujours à plein régime, même à l’arrêt : les serveurs consommaient la même énergie, que les calculs soient prioritaires ou non. NVIDIA change la donne avec deux innovations clés :
1. NVIDIA DSX MaxLPS : un logiciel qui surveille en temps réel la consommation de chaque serveur et de chaque rack. Il redistribue automatiquement l’électricité là où elle est nécessaire, évitant le gaspillage. Résultat ? Lambda, un fournisseur cloud, a réussi à faire tourner 19 nœuds de calcul avec la même énergie que 16 nœuds en pleine puissance. Cela représente 24 % de tokens supplémentaires produits par seconde, pour une amélioration de 23 % de l’efficacité énergétique.
2. NVIDIA DSX Flex : une solution qui permet aux usines à IA de s’adapter aux besoins du réseau électrique. Grâce à un partenariat avec Silicon Valley Power, Emerald AI a démontré qu’une usine pouvait réduire sa consommation de 4 mégawatts à 3 mégawatts en quelques secondes, sans interrompre les calculs prioritaires. L’usine devient ainsi un acteur flexible du réseau, capable de soulager la pression sur le grid en cas de pic de demande.
Des chiffres qui parlent d’eux-mêmes
Les performances annoncées par NVIDIA sont impressionnantes, mais c’est leur traduction concrète qui compte :
Pour les entreprises qui exploitent ces usines, l’enjeu est double : réduire leurs coûts énergétiques et augmenter leur capacité de calcul sans investir dans de nouvelles infrastructures. Une équation gagnante dans un contexte où l’électricité devient une ressource de plus en plus rare et chère.
Et demain ?
NVIDIA ne compte pas s’arrêter là. Ses plateformes Vera Rubin et Blackwell sont déjà en production, et les optimisations logicielles continuent. Avec des technologies comme Groq 3 LPX, qui réduit la latence des calculs, l’entreprise promet des gains supplémentaires en efficacité.
L’objectif final ? Transformer les usines à IA en acteurs responsables du réseau électrique, tout en maintenant leur productivité. Une avancée qui pourrait bien redéfinir les règles du jeu pour l’industrie de l’IA.
Source : [blogs.nvidia.com](https://blogs.nvidia.com/blog/ai-infra-summit-vera-rubin-dsx-energy-efficiencies-tokens-per-watt-ai-factories/), [blogs.nvidia.com](https://blogs.nvidia.com/blog/from-megawatts-to-tokens-how-nvidia-maximizes-ai-factory-production/)