🚨 MON DIEU. JENSEN HUANG VIENT DE TENIR UN PÉTAFLOP DE PUISSANCE IA DANS UNE MAIN. Et la comparaison qu’il a faite est absolument folle. En 2016, Jensen Huang a livré un système NVIDIA DGX 1 à une petite entreprise appelée OpenAI. C’était une machine énorme conçue spécifiquement pour le calcul IA. Elle offrait une performance d’un petaflop et disposait de 128 Go de mémoire. Et Jensen a rappelé à tous un détail. Il fallait deux personnes pour porter cette machine à l’étage. Maintenant, dix ans plus tard, il tient dans une main un ordinateur IA compact et affiche les mêmes chiffres phares. Un petaflop. 128 Go de mémoire. Laissez cela résonner un instant. La nouvelle gamme RTX Spark a été développée au cours de quatre ans de collaboration avec Microsoft et l’industrie du PC dans son ensemble. Selon Jensen, ce projet impliquait une nouvelle puce appelée N1X et une toute nouvelle famille d’ordinateurs, incluant des ordinateurs de bureau, des ordinateurs portables et des postes de travail. L’objectif est de porter une puissance de calcul IA sérieuse dans un format beaucoup plus compact. Et c’est là que les choses deviennent intéressantes. Pendant des années, accéder à du matériel IA puissant signifiait compter sur une infrastructure cloud coûteuse ou sur des machines spécialisées bien au-delà des moyens de la plupart des développeurs individuels. Des systèmes compacts comme celui-ci pointent vers une approche différente. Imaginez développer des agents IA, expérimenter avec des modèles et exécuter des charges de travail IA exigeantes directement sur votre bureau. Moins de dépendance à l’infrastructure distante. Plus de contrôle sur votre environnement de développement. Et potentiellement moins de coûts cloud récurrents pour les charges de travail pouvant être exécutées localement. Bien sûr, il existe une distinction importante. Égaler la même puissance maximale en petaflops ne signifie pas automatiquement que deux machines offrent des performances identiques dans le monde réel. La précision utilisée, l’architecture mémoire et la charge de travail comptent toutes. Mais la transformation physique reste remarquable. En 2016, cette classe de calcul IA se présentait sous la forme d’une machine nécessitant deux personnes pour la déplacer. Maintenant, Jensen Huang peut tenir dans une main un système avec des spécifications comparables en chiffres phares. C’est ce qui fait de cela bien plus qu’un simple lancement d’ordinateur. Le matériel IA ne devient pas seulement plus puissant. Il devient nettement plus accessible. Et la prochaine génération de développeurs IA n’aura peut-être pas besoin d’une salle serveurs pour commencer.