QuizzInJouer

Tous les quiz › Tech & IA

Le supercalculateur Frontier, aux États-Unis

Dans la salle des machines

Photo : Le supercalculateur Frontier, aux États-Unis · Oak Ridge National Laboratory · 2022 · Wikimedia Commons

Tech & IADifficile20 questions

Puces, mémoire, électricité, cloud : découvrez ce qui tourne vraiment derrière chaque réponse d'une IA comme Claude.

Jouer à ce quiz

Un avant-goût

Avant de devenir le grand fournisseur des puces d'IA, à quel marché NVIDIA destinait-elle ses produits à sa création, en 1993 ?

Voir la réponse

Les graphismes 3D des jeux vidéo : Fondée pour apporter la 3D aux jeux vidéo, NVIDIA présente en 1999 ce qu'elle appelle le premier GPU. Or afficher une scène 3D, c'est calculer des millions de pixels en même temps : exactement le calcul en parallèle dont l'IA aura besoin plus tard.

Une entreprise travaille déjà avec AWS, le cloud d'Amazon. Elle veut utiliser Claude avec ses comptes, sa facturation et sa sécurité AWS habituels. Par quel service passer ?

Voir la réponse

Amazon Bedrock : Claude est proposé dans Amazon Bedrock, le service d'IA d'AWS, avec l'authentification et la facturation d'AWS. Il est aussi disponible sur Google Cloud et Microsoft Foundry, en plus de l'API d'Anthropic. Intérêt : rester dans le périmètre de sécurité et les contrats du cloud déjà choisi. S3, lui, sert à stocker des fichiers.

Pourquoi fait-on tourner les modèles d'IA sur des GPU (processeurs graphiques) plutôt que sur le processeur central (CPU) d'un serveur ?

Voir la réponse

Ils font en parallèle d'immenses calculs de matrices : Un CPU enchaîne très vite quelques dizaines de tâches ; un GPU en mène des milliers de front, chacune plus lentement. Or un réseau de neurones, ce sont surtout des tableaux de nombres (matrices) multipliés entre eux : des millions d'opérations indépendantes. Le leurre est faux : chaque cœur de GPU est même plus lent.

En 2020, des chercheurs publient les « lois d'échelle » (scaling laws) des modèles de langage, qui vont pousser les labos à construire toujours plus grand. Qu'avaient-ils constaté ?

Voir la réponse

Les performances progressent régulièrement avec la taille et le calcul : L'erreur du modèle baisse selon une loi de puissance quand on augmente taille, données et calcul, sur plus de sept ordres de grandeur. Le progrès devient presque calculable : on sait à peu près ce qu'achètera un budget de calcul. À l'inverse des leurres, la forme du réseau compte peu et les grands modèles apprennent plus vite.

Vous voulez faire tourner chez vous un modèle ouvert, mais il est trop gros pour la mémoire de votre machine. Quelle technique courante essayer ?

Voir la réponse

Le quantifier : stocker ses poids sur moins de bits : Quantifier, c'est arrondir chaque poids avec moins de précision : en 4 bits au lieu de 16, le modèle prend environ quatre fois moins de place, au prix d'une légère perte de qualité. Bonus : moins de données à lire en mémoire, donc souvent des réponses plus rapides. Un ZIP, lui, doit être décompressé avant usage.

Les 20 questions, c'est par ici

Dans la même catégorie

Dans la tête des machinesMoyen · 20 questionsCe que Claude a dans le ventreMoyen · 20 questionsSous le capot des agentsDifficile · 20 questionsLe futur, mode d'emploiMoyen · 20 questionsRadar outils — novembre 2026 : ce qui marche vraimentMoyen · 20 questions