Selectel lance des serveurs haut de gamme pour l'entraînement de modèles et étoffe son catalogue d'images

Selectel a dressé le bilan de février et montré comment elle adapte son infrastructure à la demande croissante en charges de travail IA. Les principales nouveautés sont de nouveaux serveurs dédiés à l'entraînement de grands modèles, de nouvelles images dans l'AI-marketplace et plusieurs changements notables sur sa plateforme Kubernetes cloud.

Serveurs pour l'entraînement

La principale nouveauté est le serveur dédié GL8-B300-HGX-25GE, basé sur la plateforme NVIDIA HGX B300. L'entreprise le présente comme la configuration la plus puissante de sa gamme actuelle. La machine cible l'entraînement IA, le fine-tuning et l'inférence en production de grands modèles de langage. Selectel met en avant ses 2,3 To de mémoire vidéo cumulée. Ce niveau ne sert pas aux projets pilotes : il vise les pipelines lourds, les contextes longs et les gros batchs. Dans ces scénarios, le goulot d'étranglement ne se limite plus au GPU et concerne aussi la stabilité de l'ensemble de l'infrastructure.

« NVIDIA HGX B300 est une plateforme phare pour les charges de travail

IA à grande échelle. »

Pour les équipes qui n'ont pas besoin d'un cluster haut de gamme, l'entreprise a aussi ajouté des options plus modestes. La configuration AR45G-NVMe-H200 se présente comme un serveur compact et plus abordable pour l'inférence, le prototypage et l'entraînement à petite échelle. Une autre option, AR45G-NVMe-RTX6000, vise les cas où 96 Go de VRAM suffisent : pilotes LLM, vision par ordinateur, rendu graphique et charges de travail applicatives. Selectel a également élargi son offre de stockage avec des disques HDD de 28 To pour les archives, les sauvegardes et les logs.

Marketplace et cloud

De nouvelles images prêtes à l'emploi sont arrivées dans l'AI-marketplace de Selectel. Elles couvrent différentes étapes du cycle ML, de l'expérimentation au contrôle qualité en passant par l'annotation de données. Il ne s'agit pas de gonfler le catalogue : l'entreprise ajoute des outils qui permettent de construire un environnement plus complet autour du modèle, au-delà du simple lancement de l'inférence dans un conteneur. Les équipes d'ingénierie peuvent ainsi monter plus vite un environnement de travail opérationnel, sans intégration manuelle superflue.

• Aim : suivi des expériences et comparaison des résultats de réglage des modèles.
• Lobe Chat : interface de travail avec les LLM, centrée sur les plugins et les solutions communautaires prêtes à l'emploi.
• Evidently AI : monitoring de la qualité du modèle et de métriques qui peuvent servir de base à l'automatisation des mises à jour.
• Xtreme1 : service d'annotation de données, y compris pour les scénarios avec lidar et classification d'objets.

Selectel a par ailleurs ajouté à son cloud le GPU L4 doté de 24 Go de mémoire. L'entreprise le présente comme une carte polyvalente pour les tâches IA/ML, le traitement vidéo, le streaming et la VDI, ainsi que pour des usages applicatifs comme la transcription audio en texte. Ce lancement ne concerne pas que les équipes IA : le L4 est souvent choisi quand il faut équilibrer prix, efficacité énergétique et performances suffisantes, sans passer à des accélérateurs coûteux de niveau entraînement. Pour les équipes au budget limité, c'est une option particulièrement pragmatique.

Kubernetes et couche système

Managed Kubernetes bénéficie d'une mise à jour d'infrastructure importante. Selectel a ajouté la prise en charge complète de la ressource ephemeralStorage dans Cluster Autoscaler et Karpenter. L'intérêt pratique est simple : lors du scaling du cluster, le système évalue désormais plus précisément la quantité de stockage local temporaire dont les nouveaux Pods ont réellement besoin. Auparavant, lorsque le cluster ne comptait aucun nœud avec un ephemeralStorage explicitement défini, l'autoscaling pouvait mal estimer les besoins. Pour les équipes qui font tourner du traitement de données et des charges IA, cela élimine une catégorie d'erreurs gênantes lors du scale-up.

Plusieurs autres changements portent sur le contrôle et la couche système de base. Managed Kubernetes propose désormais des logs d'audit pour les opérations clés sur les clusters et les groupes de nœuds, ce qui facilite l'analyse des modifications, la sécurité et la conformité. L'interface permet aussi de consulter la configuration du DNS privé, et l'affichage des User Data a été revu pour les groupes de nœuds. Côté OS, Selectel a publié SELECTOS 1.3 : les paquets passent à Debian 12.13, 177 vulnérabilités sont corrigées et une image conteneur fait son apparition. L'entreprise a également lancé Astra Linux pour les serveurs A-DC, une offre destinée aux clients qui ont besoin d'un environnement sécurisé certifié.

Ce que cela signifie

Le paquet de mises à jour de février montre que Selectel ne veut pas se limiter à la location de matériel et ambitionne de devenir une plateforme d'infrastructure IA à part entière. En haut de la pile, l'entreprise étoffe son catalogue d'outils ML prêts à l'emploi et de GPU cloud. En bas, elle renforce Kubernetes, les OS de base et la couche conformité. Pour les équipes qui développent leurs propres services IA, cela réduit l'assemblage manuel et accélère le passage du pilote à la production.