Cerebras CS-4 : 30x plus rapide que les GPU pour l'inférence, livraisons dès ce trimestre
Cerebras a présenté le 19 août son accélérateur CS-4, revendiquant des performances d'inférence largement supérieures aux meilleurs services GPU du marché grâce à une architecture à trois processeurs WSE-3 Turbo. L'entreprise annonce une efficacité énergétique dix fois supérieure à son précédent modèle, avec des premières livraisons prévues au troisième trimestre 2026.
L'émergence d'un concurrent crédible à Nvidia dans l'inférence IA élargit les options d'infrastructure disponibles pour les établissements qui mutualisent leur puissance de calcul pour la recherche. Cette diversification pourrait aussi peser sur les débats de souveraineté technologique européenne, en offrant des alternatives aux dépendances actuelles envers un fournisseur dominant.
Analyse produite par l’AI Transformation Office de l’ISC Paris, co-écrite avec Claude (Anthropic).
À lire aussi
Le chip Jalapeño d'OpenAI surpasse Nvidia Rubin en efficacité énergétique
SemiAnalysis a publié une analyse du premier processeur d'inférence maison d'OpenAI, Jalapeño, conçu avec Broadcom sur TSMC N3P, qui affiche une meilleure efficacité énergétique que le Rubin de Nvidia (13,4 PFLOPs MXFP4 à 700W contre 900-1150W). En conditions réelles, il délivre 1,5 à 1,9 fois plus de travail par watt sur des modèles comme DeepSeek R1 et GPT-OSS.
Cette autonomie matérielle croissante des grands acteurs de l'IA face à Nvidia illustre l'importance stratégique de la maîtrise du calcul, un enjeu que les établissements d'enseignement superieur doivent integrer dans leurs formations en infrastructure numerique et souverainete technologique. Les directions informatiques des universites et ecoles, dependantes du cloud et des GPU, doivent suivre ces evolutions pour anticiper couts et choix d'architecture. Cela nourrit aussi des cas d'etude pertinents pour les cursus d'ingenierie et de gestion des systemes d'information.
AWS + Unsloth : 4 patterns pour déployer des LLMs quantifiés, mémoire -75 %, coûts d'inférence -80 %
AWS et Unsloth publient un guide décrivant quatre méthodes de déploiement de modèles de langage quantifiés sur différentes infrastructures cloud. La quantification permettrait de réduire fortement les besoins en mémoire et les coûts d'inférence, facilitant le déploiement de modèles puissants sans recourir aux plus gros budgets hyperscalers.
Pour les établissements d'enseignement supérieur souhaitant déployer leurs propres modèles de langage sans dépendre exclusivement d'API externes, ce type de guide technique ouvre une voie économiquement accessible. Il concerne directement les directions des systèmes d'information et les laboratoires de recherche qui cherchent à maîtriser leurs coûts d'infrastructure IA. Cette approche s'inscrit dans une logique de souveraineté numérique appliquée à l'échelle d'un établissement.
Nvidia Hot Chips 2026 : Vera CPU + Groq 3 LPX en production, 256 accélérateurs par rack
Lors de la conférence Hot Chips, Nvidia a détaillé son CPU Vera et confirmé la mise en production complète de l'accélérateur Groq 3 LPX, la plateforme Vera Rubin pouvant accueillir un grand nombre de ces puces par rack, ce qui établit un nouveau niveau de densité de calcul pour l'inférence IA.
Une telle densification du calcul pourrait à terme réduire le coût d'accès aux modèles de pointe pour la recherche académique et les plateformes pédagogiques. Les établissements ESR devront néanmoins arbitrer entre investissement propre en infrastructure et recours à des offres cloud mutualisées. Cette course à la puissance de calcul renforce aussi les enjeux de souveraineté technologique pour les laboratoires de recherche en IA.