GPU : la puce qui fait tourner l'intelligence artificielle
Un GPU est une puce conçue pour effectuer un très grand nombre de calculs simples en même temps. Né pour afficher des images de jeux vidéo, il est devenu le moteur de l'entraînement et de l'utilisation des modèles d'IA.
Données au 22 octobre 2026
L'essentiel en chiffres
| Niveau | Avancé |
|---|---|
| Origine | 1999 |
| Introduit par | NVIDIA (selon sa chronologie officielle) |
Ce qu’est un GPU
Un GPU est une puce qui fait énormément de petits calculs en même temps, là où un processeur classique en fait peu, mais très vite.
Le processeur central d’un ordinateur (CPU) compte quelques cœurs puissants, pensés pour enchaîner des tâches variées. Le GPU (graphics processing unit) en aligne des milliers, plus simples, qui appliquent la même opération à de nombreuses données à la fois. Cette architecture a été conçue pour calculer la couleur de millions de pixels. Selon sa chronologie officielle, NVIDIA revendique l’invention du GPU en 1999, puis ouvre en 2006 ses puces au calcul scientifique avec l’architecture CUDA.
Or un réseau de neurones se résume surtout à des multiplications de grandes matrices : exactement le type de travail massivement parallèle où le GPU excelle.
Un exemple concret
Quand vous posez une question à un assistant, votre texte est découpé en tokens puis envoyé à un centre de données. Là, un ou plusieurs GPU chargent le modèle dans leur VRAM et calculent la réponse token par token : c’est l’inférence. Un grand modèle ne tient souvent pas sur une seule carte : la documentation de Hugging Face rappelle qu’un modèle de 70 milliards de paramètres demande environ 140 Go en 16 bits, quand les cartes de centre de données A100 et H100 qu’elle cite offrent 80 Go. Il faut alors répartir le modèle sur plusieurs GPU.
Pourquoi ça compte
Le GPU est la ressource rare de l’IA. Le calcul d’entraînement d’un modèle de pointe mobilise un grand nombre de puces pendant une longue période, ce qui explique les investissements massifs dans les centres de données. Côté utilisateur, le coût d’un abonnement ou d’une API reflète en grande partie le temps de GPU consommé. Pour l’IA locale, la carte graphique décide de ce que vous pouvez faire tourner, d’où l’intérêt de la quantification.
Idées reçues
- « Le plus important, c’est la puissance de calcul. » Pour générer du texte, la quantité de mémoire et sa bande passante limitent souvent avant la puissance brute.
- « Un GPU de jeu ne sert à rien pour l’IA. » Les cartes grand public font tourner beaucoup de modèles ouverts quantifiés.
- « Il n’existe que NVIDIA. » NVIDIA domine, notamment grâce à son écosystème logiciel, mais d’autres fabricants et des accélérateurs dédiés existent.
Termes voisins : VRAM, serveur d’inférence, calcul d’entraînement, apprentissage profond.
Termes liés
- VRAM (mémoire vidéo) · Mémoire intégrée à la carte graphique, où le modèle d'IA doit tenir pour tourner vite : c'est souvent elle qui limite ce que l'on peut faire en local.
- Calcul d'entraînement (FLOP) · Quantité totale d'opérations de calcul, mesurée en FLOP, nécessaire pour entraîner un modèle d'IA.
- Inférence · Moment où un modèle déjà entraîné est utilisé pour produire une réponse : chaque question posée à une IA déclenche une inférence.
- Serveur d'inférence · Logiciel qui charge un modèle d'IA en mémoire et répond aux requêtes via une API, en optimisant le débit et la mémoire du GPU.
- Apprentissage profond · Apprentissage automatique qui utilise des réseaux de neurones à nombreuses couches ; c'est la technique derrière les IA actuelles.
- Quantification · Technique qui stocke les poids d'un modèle avec moins de bits (8, 4, voire moins) pour qu'il occupe beaucoup moins de mémoire.
Tout le glossaire
Questions fréquentes
Faut-il un GPU pour utiliser ChatGPT ou Claude ?
Non. Ces assistants tournent sur les GPU des centres de données de leurs éditeurs ; votre téléphone ou votre ordinateur se contente d'envoyer la question et d'afficher la réponse. Un GPU personnel n'est utile que pour faire tourner un modèle en local.
Quelle caractéristique regarder pour faire de l'IA en local ?
D'abord la quantité de mémoire vidéo (VRAM), qui détermine la taille du modèle que la carte peut charger. Viennent ensuite la bande passante mémoire, qui influence la vitesse de génération, et la compatibilité logicielle.
Les GPU sont-ils les seules puces utilisées pour l'IA ?
Non. Il existe des accélérateurs spécialisés, comme les TPU de Google, et les processeurs classiques (CPU) peuvent faire tourner de petits modèles. La documentation de vLLM, par exemple, cite des GPU NVIDIA et AMD, des CPU et des TPU parmi les matériels pris en charge.
Sources des données
Données au 22 octobre 2026
Signaler une erreur
Un chiffre, une date ou une information vous semble faux ? Dites-le-nous : chaque signalement est vérifié.