Nvidia annonce Rubin HPC : plus de 50 000 cœurs CUDA, près de 2,5 fois plus que la RTX 5090
Nvidia annonce Rubin HPC, un accélérateur dédié au calcul scientifique : prévisions climatiques, résistance des structures, analyse du génome, évaluation des risques financiers. Il embarque plus de 50 000 cœurs CUDA (des unités de calcul élémentaires), soit près de 2,5 fois plus que la carte grand public RTX 5090. Mais le nombre de cœurs ne suffit pas à juger les performances : Nvidia n'a pas encore dévoilé la mémoire ni la puissance consommée. La sortie est annoncée pour 2028, ce qui en fait un repère pour la planification, et non un argument pour un achat immédiat.
Traité par IA depuis 3DNews AI ; édité par Hamidun News
Nvidia annonce Rubin HPC, un processeur graphique destiné au calcul haute performance classique (HPC, pour high-performance computing) : modélisation climatique, calculs de résistance des structures, analyse de génomes et évaluation des risques financiers. Il embarque plus de 50 000 cœurs CUDA, nom donné aux unités de calcul élémentaires de la puce graphique de Nvidia. C'est près de 2,5 fois plus que la carte graphique grand public GeForce RTX 5090, généralement prise comme référence pour les « grosses » cartes destinées aux particuliers.
L'essentiel à retenir : le nombre de cœurs donne une idée de l'échelle, pas de la vitesse, et Nvidia n'a pour l'instant communiqué ni la mémoire, ni la consommation électrique, ni le prix. La sortie est attendue en 2028.
Ce qui a été annoncé
Rubin HPC fera partie de la plateforme Vera Rubin, mais, selon Nvidia, il est conçu moins pour l'entraînement et l'exécution de modèles d'IA que pour des tâches scientifiques et d'ingénierie complexes. Parmi les domaines d'application cités par l'entreprise figurent la modélisation climatique et technique, l'analyse génomique, l'évaluation des risques financiers et le traitement de grands volumes de données. Il s'agit de charges où les mêmes opérations se répètent des milliards de fois sur d'immenses tableaux de nombres.
La comparaison avec la RTX 5090 relève surtout du marketing. Elle donne une idée de l'échelle : l'accélérateur compte plus de 50 000 cœurs, contre environ deux fois et demie moins pour la carte grand public. Mais la vitesse réelle dépend aussi de la capacité et de la bande passante de la mémoire, ainsi que des performances en calcul FP32 et FP64, c'est-à-dire en simple et double précision, sur lesquelles repose l'essentiel des simulations scientifiques. Ces chiffres ne sont pas encore disponibles.
Pourquoi accélérer les données éparses
L'une des particularités clés est l'accélération du traitement des données éparses (sparse data acceleration). Les données éparses sont des tableaux et des matrices dont presque toutes les valeurs sont nulles ou négligeables. Imaginez la table des horaires de tous les vols du monde : seule une petite partie des cases est remplie. Si un processeur parcourt honnêtement chaque case vide, il perd du temps pour rien.
Selon Nvidia, cette technologie doit mieux acheminer les données vers les cœurs de calcul, afin que ceux-ci restent moins longtemps inactifs à attendre l'information. En calcul scientifique, cela compte souvent davantage que le nombre de cœurs : des milliers d'unités de calcul ne servent à rien si les données n'arrivent pas à temps.
Pour l'échange de données entre plusieurs GPU, la puce prend en charge une interconnexion de septième génération, une liaison à haut débit de type point à point. Elle est nécessaire lorsqu'une tâche ne tient pas sur une seule carte et que les puces doivent échanger des résultats intermédiaires.
La partie logicielle et les agents d'IA
Rubin HPC fonctionnera avec les bibliothèques CUDA-X de Nvidia, des ensembles d'algorithmes optimisés pour le calcul scientifique et l'analyse. Nvidia précise que des agents d'IA pourront s'en servir pour lancer des simulations et vérifier des hypothèses. Le principe est simple : un agent formule une hypothèse, envoie le calcul à l'accélérateur, reçoit le résultat et décide de la suite à vérifier, sans intervention humaine permanente.
Ce qui reste inconnu
La liste des inconnues est plus longue que celle des faits établis. Nvidia n'a pas communiqué :
- le nombre exact de cœurs CUDA (seule l'indication « plus de 50 000 » a été donnée) ;
- la capacité de la mémoire vidéo et sa bande passante ;
- la consommation électrique ;
- les performances en FP32 et FP64 ;
- le prix de l'accélérateur et des configurations de systèmes qui l'utiliseront ;
- les noms des partenaires de fabrication.
Les comparaisons avec les accélérateurs actuels sont donc encore prématurées.
Ce que cela change concrètement
Les développeurs de logiciels scientifiques et les équipes qui calculent des modèles d'ingénierie ou financiers doivent retenir deux points. D'abord, Nvidia maintient une ligne dédiée au HPC et ne réduit pas tout à des accélérateurs d'IA : les investissements dans CUDA-X restent donc pertinents. Ensuite, le traitement des données éparses devient une priorité matérielle : si vos algorithmes savent exploiter ces structures, ils tireront probablement davantage parti de la nouvelle génération.
Il est toutefois prématuré de bâtir un budget sur le seul nombre de cœurs. Attendez les données sur la mémoire, le FP64 et la consommation électrique : ce sont elles qui diront si Rubin HPC représente un véritable progrès pour le calcul scientifique, ou s'il restera une ligne de présentation.
- 21 nov. 2026Nvidia a doublé son bénéfice, mais l'action recule de 2 % à cause de la recherche d'un nouveau PDG
- 21 nov. 2026Nous Research a réentraîné le modèle chinois Qwen3.8 : la propagande dans les réponses tombe de 22 % à 1 %
- 21 nov. 2026Samsung veut racheter Modine, fournisseur de refroidissement pour datacenters, pour près de 6 milliards de dollars
- 21 nov. 2026Reuters : les chantiers d'IA chinois à 3,2 milliards de dollars reposent sur les puces Nvidia, et Huang a quitté la direction
Questions clés sur cet article
Que sait-on sur Ce qui a été annoncé ?
Rubin HPC fera partie de la plateforme Vera Rubin, mais, selon Nvidia, il est conçu moins pour l'entraînement et l'exécution de modèles d'IA que pour des tâches scientifiques et d'ingénierie complexes. Parmi les domaines d'application cités par l'entreprise figurent la modélisation climatique et technique, l'analyse génomique, l'évaluation des risques financiers et le traitement de grands volumes de données.
Pourquoi accélérer les données éparses?
L'une des particularités clés est l'accélération du traitement des données éparses (sparse data acceleration). Les données éparses sont des tableaux et des matrices dont presque toutes les valeurs sont nulles ou négligeables. Imaginez la table des horaires de tous les vols du monde : seule une petite partie des cases est remplie. Si un processeur parcourt honnêtement chaque case vide, il perd du temps pour rien.
Que sait-on sur La partie logicielle et les agents d'IA ?
Rubin HPC fonctionnera avec les bibliothèques CUDA-X de Nvidia, des ensembles d'algorithmes optimisés pour le calcul scientifique et l'analyse. Nvidia précise que des agents d'IA pourront s'en servir pour lancer des simulations et vérifier des hypothèses. Le principe est simple : un agent formule une hypothèse, envoie le calcul à l'accélérateur, reçoit le résultat et décide de la suite à vérifier, sans intervention humaine permanente.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.