SMART TECH - Microprocesseur : comment avance le projet de HPC européen ?
0% des microprocesseurs qui équipent les supercalculateurs en Europe sont européens. C’est pour renverser ce constat que Philippe Notton a créé SiPearl en 2019. La start-up qui porte l’ambition de souveraineté de l’Europe, développe le premier microprocesseur basse consommation au monde dédié au calcul haute performance. L’objectif à terme ? Déployer en Europe un écosystème d’envergure mondiale pour le supercalcul et fournir des avancées majeures dans la recherche médicale, l'intelligence artificielle générative, la sécurité, tout en réduisant l’impact environnemental.
Transcript
00:00 [Générique]
00:04 Alors comment avance ce projet de microprocesseur haute performance européen et puis surtout basse consommation ?
00:11 C'est ça qui en fait un projet absolument unique en son genre.
00:15 Ce processeur espère être embarqué dans les prochains supercalculateurs mondiaux.
00:20 On en parle avec Philippe Noton. Bonjour Philippe.
00:23 Bonjour Delphine.
00:23 Ravi de vous recevoir à nouveau dans Smartech. Vous êtes le cofondateur de Cyperl.
00:27 Donc il porte ce projet qui est hyper stratégique parce que remettre l'industrie du microprocesseur sur les terres européennes,
00:35 c'est un sacré enjeu, même géopolitique aujourd'hui.
00:39 C'est évidemment un projet soutenu par l'Union Européenne.
00:43 Alors ce HPC, ce microprocesseur européen, je l'y disais, il a vocation à équiper les supercalculateurs,
00:50 d'abord en Europe mais plus largement partout dans le monde.
00:53 Mais je voulais savoir déjà en Europe, on se positionne comment par rapport aux supercalculateurs ?
00:57 On en a combien ?
00:59 Alors ça va de mieux en mieux.
01:01 Ça c'est l'effort européen des G-Connect et EuroHPC depuis quelques années.
01:06 Il y a un classement international qui s'appelle le Top 500.
01:10 Vous allez voir que maintenant dans le Top 10, il y a plusieurs machines européennes.
01:13 Il y a une machine en Finlande, il y a une machine en Italie, le Leonardo,
01:16 il y a la machine allemande, le Jupiter, dont on va faire partie, qui va être allumée en 2025,
01:21 qui sera probablement la plus grosse machine européenne à ce moment-là.
01:24 Donc oui, l'effort européen.
01:25 On dit aussi que chez Scalway, qui travaille avec le laboratoire Kyutai,
01:29 annoncé en grande pompe en novembre à Paris,
01:32 il y a un supercalculateur équivalent d'un Top 10 aussi.
01:36 Alors il y en a beaucoup d'autres, oui, qui font un Canvideur,
01:38 qui se sont annoncés il y a quelques mois tout à fait,
01:40 une valeur de 200 millions d'euros, quelque chose comme ça.
01:42 Alors je ne sais pas s'il va apparaître exactement dans le même classement,
01:44 mais c'est effectivement très très visible.
01:46 Donc ça pousse dans le bon sens, les efforts européens commencent à payer.
01:49 Mais vous nous dites 0% aujourd'hui des microprocesseurs qui équipent
01:53 les supercalculateurs en Europe sont européens.
01:55 Alors ça c'était avant.
01:56 Ah, avant quoi ?
01:57 Ce qui change.
01:58 Avant votre annonce ?
01:59 Avant qu'on arrive, avant l'Europe, etc.
02:00 Effectivement, après nos annonces en fanfare d'une des plus grosses séries à France en avril,
02:05 on a annoncé, c'était en septembre, qu'on était sélectionnés
02:09 pour la partie calcul intensive de cette machine allemande, le Jupiter.
02:13 C'était technologie Cyper, donc sur base européenne,
02:16 en phase de technologie américaine, il faut le dire pour ça.
02:19 On a gagné, on a le plaisir d'avoir été sélectionnés
02:22 pour être le moteur de calcul de la partie CPU de ce supercalculateur
02:27 qui en 2025 sera la plus grosse machine européenne.
02:29 Donc cette fois-ci, on pourra dire, il commence à y avoir vraiment de la techno
02:33 au niveau puce électronique, donc microprocesseur, sur base européenne
02:36 et sur base Cyper dans notre cas.
02:37 Alors pour bien comprendre ce que vous faites, parce que vous parlez de CPU,
02:40 donc c'est ce qu'on appelle le plus communément l'unité centrale,
02:43 on va dire pour ce coin d'ordinateur.
02:44 Pour faire du calcul générique, très rapide, ça calcule tout.
02:48 C'est pas spécialisé, mais c'est capable de...
02:49 Mais vous ne parlez pas de GPU,
02:50 parce qu'aujourd'hui dans le monde de l'intelligence artificielle,
02:53 on n'entend plus parler que de ça quand même.
02:54 Des cartes GPU de Nvidia en particulier,
02:58 - Encore une !
02:59 nécessaires à faire tourner ces grands algorithmes
03:02 et ces grands modèles de langage d'intelligence artificielle.
03:06 Il y a effectivement deux, on va dire, c'est pas deux stratégies,
03:09 c'est deux types de composants.
03:10 CPU pour tout calculer, ce qui est aujourd'hui notre spécialité,
03:14 et des GPU qui sont arrivées historiquement par le monde des cartes graphiques.
03:17 - Du jeu vidéo, oui.
03:17 - Pour que les gamers accélèrent, il y a beaucoup plus d'images par seconde,
03:20 il fallait qu'ils mettent des cartes graphiques.
03:22 C'est ce qui a lancé Nvidia, c'est ce qui a lancé AMD avec Radeon, etc.
03:27 Donc ça c'est normal.
03:28 Si ce n'est que ça a permis, à force de faire grossir la puissance du calcul
03:32 apportée par les cartes graphiques,
03:34 d'avoir vraiment des moteurs pour faire des très gros GPU,
03:37 typiquement des machines d'escalo-heliade,
03:40 qui se prêtent très bien à du machine learning,
03:41 donc de l'intelligence artificielle.
03:43 Il se trouve que ce qui va cohabiter, c'est des accélérateurs.
03:46 Pour l'instant, ce sont des GPU pour toutes ces parties machine learning,
03:49 du CPU pour du calcul générique.
03:52 - Donc on a besoin des deux aujourd'hui.
03:54 - Il y a besoin des deux.
03:55 - On parle que des GPU parce qu'on oublie le CPU ?
03:57 - Parce qu'il y a tout l'effet monté,
03:59 enfin en partie hype, mais qui va quand même durer
04:01 parce que les marchés deviennent colossaux sur la partie hype.
04:04 Parce que maintenant, il y a des moyens de calcul pour le faire.
04:06 Il y a effectivement des résultats qui sont visibles avec OpenAI,
04:09 chez LGBT, ce qui va se passer avec Mistral.
04:12 Tout ça c'est très bien.
04:13 Il y a également un troisième groupe qui arrive,
04:17 qui va être fondamental.
04:18 Pour l'IA, il y a le machine learning qui permet de préparer les modèles.
04:22 Donc ça, ça demande de très grosses puissances
04:23 et de fédérer énormément de données.
04:25 Alors données qui viennent de sources différentes,
04:27 c'est un autre sujet.
04:28 Mais après, une fois que le modèle est fait,
04:30 il faut pouvoir faire ce qu'on appelle de l'inférence.
04:31 C'est-à-dire que quand vous êtes devant un chat de LGBT
04:33 et que vous posez votre petite question, le prompt,
04:35 il faut bien qu'il y ait un système qui calcule derrière,
04:37 qui calcule le plus vite possible
04:39 et qui consomme le moins par calcul.
04:40 - Donc ça, c'est après l'entraînement finalement ?
04:42 - C'est après l'entraînement.
04:43 Il faut mettre ça sur d'autres types de composants.
04:45 Enfin, d'autres types de composants,
04:46 si vous voulez optimiser, que ça consomme le moins.
04:48 Et là, ce que nos équipes travaillent depuis pas mal de temps,
04:51 c'est que le premier processeur, le premier CPU
04:53 qui a été calibré pour cette machine allemande
04:56 va faire partie des premiers systèmes sur le marché
04:59 complètement calibrés, dimensionnés,
05:01 pour faire également de l'inférence.
05:02 Et là, on sera sur la base de, encore une fois, de techno-recon.
05:05 - Donc vous allez être aussi porté par cette vague de l'intelligence artificielle.
05:09 - Alors, je ne peux pas cacher qu'on a révisé nos forecasts à la hausse.
05:12 Parce que chez nous, le marché data center AI monte.
05:15 Les chiffres sont là.
05:16 En plus de ça, le marché du semi-conducteur est en train de complètement exposer.
05:20 Tous les chiffres qui étaient prévus,
05:21 on parlait d'un marché de 1000 milliards en 2030.
05:23 Là, on parle maintenant d'un marché de 1100 milliards en 2027.
05:27 Et rien que la partie semi-conducteur pour l'AI
05:31 parle à présent de 400 milliards sur 2027.
05:34 C'est juste absolument colossal.
05:36 Et c'est quasiment la moitié du marché du semi-conducteur
05:38 qui va être pour ce type de composants.
05:39 Donc on est forcément très content d'être sur cette vague.
05:42 - 400 milliards, ça semble un chiffre incroyable, exceptionnel.
05:46 Mais alors, j'ai envie de dire, c'est rien à côté de cet autre chiffre que j'ai entendu.
05:50 7000 milliards de dollars qui récherchaient Sam Altman,
05:54 donc ce patron désormais indéboulonnable d'OpenAI,
05:58 qui récherchait pour développer cette industrie des microprocesseurs,
06:04 dont ont besoin énormément ces modèles de langage et ces intelligences artificielles.
06:10 Quelle est votre réaction quand vous entendez ça ?
06:12 Est-ce qu'il est venu vous voir par exemple, Sam Altman ?
06:15 - Alors, on discute plutôt pour l'instant avec ses concurrents européens.
06:17 Parce qu'il y a OpenAI côté US, mais il y a Mistral, il y a Alec sur la partie allemande.
06:22 Parce que l'idée, c'est quand même de fédérer un écosystème.
06:24 Et tous ces modèles d'intelligence artificielle
06:26 ne s'opposent pas qu'uniquement sur des systèmes Nvidia et des systèmes américains.
06:31 Donc il faut créer la concurrence.
06:33 Et ce qui est assez explosif sur le marché en ce moment,
06:35 c'est les composants qui pour l'instant sont uniques, qui font très bien, qui sont très chers.
06:38 C'est pour ça que toutes les courses sont énormes.
06:40 Et il y a un goulet d'étranglement en production.
06:42 Trop de chez MSMC à Taïwan, parce que c'est un système qui est pénurique.
06:47 On est sur des puces qui sont très grosses.
06:49 Donc il faut plus de temps, c'est très compliqué, il faut plus de temps pour les produire.
06:51 D'où son idée d'avoir beaucoup, beaucoup plus d'usines.
06:54 - Oui.
06:55 - Admettons que les 7000 milliards arrivent.
06:58 - Ce qui se sent déjà fou.
06:59 - Voilà, c'est fou mais admettons que ça arrive.
07:03 Maintenant pour faire des usines, il faut énormément de temps.
07:06 En fait il y a plusieurs dimensions.
07:07 Il y a l'émotion, bon, l'argent, admettons que ce soit réglé.
07:09 La dimension de temps, la dimension surface, une fonderie.
07:12 Ce n'est pas un terrain de football, c'est un aéroport.
07:14 Donc il faut trouver la surface, il faut énormément d'eau, il faut des terres rares.
07:18 Et il faut surtout, quelque chose qu'on n'a pas oublié,
07:20 c'est des techniciens, des ingénieurs pour les faire tourner.
07:23 Et dans le cadre des extensions de fonderie en ce moment
07:25 qui dérivent de tous les chips act, US chips act, etc.
07:28 Des grosses problématiques.
07:29 Ce n'est plus l'argent pour ça, c'est trouver des ingénieurs et des techniciens pour les faire.
07:33 Donc à un moment, il va y avoir une saturation.
07:37 Bon, ça reste assez mystérieux.
07:39 Mais il y a quand même pas mal de cases à cocher pour être capable de le faire.
07:42 - Bon, après même s'il n'a pas ces 7000 milliards, qu'il en a un petit peu moins,
07:45 ce sera déjà beaucoup j'imagine.
07:46 Est-ce que ça peut ruisseler jusqu'à votre activité ?
07:49 - Ah ben c'est parfait parce que nous ce qu'on cherche c'est des usines.
07:51 - Et bien voilà, et puis il y a un peu de dollars aussi.
07:53 - Et en plus il y avait des usines en Europe sur le type de techno qu'on utilise.
07:56 Ça sera encore mieux effectivement.
07:57 - Merci beaucoup Philippe.
07:58 - Merci de m'avoir invité.
07:59 - Nous allons continuer à répondre à mes questions.
08:00 Et on suit de près votre projet autour de Cyperl avec le HPC franco-européen.
08:06 - Merci.
08:07 - Allez, à suivre, on va recevoir de nouveaux visages de la tech
08:11 pour parler d'une nouvelle façon de lutter contre l'isolement et la précarité.