• il y a 9 mois
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.

Category

🗞
News
Transcription
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.

Recommandations