Développé en premier lieu pour le jeu vidéo, le processeur graphique (GPU) permet aujourd’hui de multiples applications. Toujours plus puissants, il joue un rôle majeur dans le domaine de la création graphique, de la 3D et dans celui de l’intelligence artificielle.
CPU, mémoire, SSD… tout ce qui compose les ordinateurs aujourd’hui a connu de très importantes évolutions au cours des dernières années, rendant les machines plus puissantes, plus rapides, plus fines… Et parmi ces composants, n’oublions pas le GPU, ou processeur graphique, qui nous permet aujourd’hui d’afficher à l’écran des résolutions toujours plus définies (Full HD, 4K, 8K !), des images en 3D mais aussi de profiter de la réalité virtuelle. Les améliorations réalisées dans ce domaine ouvrent aussi bien d’autres possibilités. Surpuissants, les GPU deviennent un élément clé dans le calcul haute performance et sont utilisés notamment pour développer des solutions d’intelligence artificielle.
Cartes vidéo : De la 3D plein les écrans
Les processeurs centraux ou CPU ne sont pas les seuls à avoir profité des avancées de la technologie. Les GPU (Graphics Processing Unit), qui équipent les cartes vidéo accélératrices, ont énormément progressé ces dernières années. Les ordinateurs portables HP puissants tel que la série Elitebook 1050 peuvent être équipées de GPU Nvidia GeForce GTX pour améliorer les performances en 3D, retouche photo et montage vidéo. Chargées de calculer les images et de les afficher, ces puces permettent l'affichage d'images en 3D extrêmement sophistiquées. Autre conséquence, la possibilité d’afficher des images plus définies sur des écrans qui passent à la 4K en 3 840 × 2160 pixels, soit quatre fois plus qu’en Full HD. Nvidia décline aussi ses processeurs graphiques en versions professionnelles avec la gamme Quadro, désormais mobile aussi. Ainsi, le HP Zbook X2, 2 en 1 dédié à la création graphique, intègre un processeur graphique Nvidia Quadro M620 pour, par exemple, travailler sur les personnages dans une animation à la volée.
Chez Nvidia, la gamme RTX est en passe de remplacer les GTX avec, selon le constructeur, jusqu’à six fois plus de performances. AMD, qui a fait l'acquisition d'ATI il y a quelques années, devrait proposer des processeurs graphiques gravés en 7 nm, ce qui pourrait signer son retour sur ce secteur actuellement dominé par Nvidia. La puissance des GPU permet aussi de gérer de plus en plus efficacement les casques de réalité virtuelle qui demandent énormément de performances graphiques car ils doivent notamment afficher deux images différentes à la fois. Dans le domaine professionnel, la réalité virtuelle s’impose dans de nombreux secteurs, comme le développement des voitures et des trains à grande vitesse. Pour une réelle autonomie en réalité virtuelle, HP propose d’ailleurs le Z VR Backpack PC à porter sur soi comme un sac à dos et qui est doté d’une carte graphique Nvidia Quadro P5200.
Super-calcul et intelligence artificielle
Depuis quelques années, les GPU à l'origine développés pour le jeu vidéo font l’objet d'enjeux importants en dehors de l'affichage 3D. Ils ont en effet trouvé un débouché imprévu dans le calcul haute performance. Dans les stations de travail ultra spécialisées qui embarquent des dizaines de GPU, ces cartes destinées au super-calcul équipent les data center du monde entier, utilisés par les géants d'Internet. L'architecture des GPU, entièrement basée sur une parallélisation des calculs, en font de précieux alliés pour tout ce qui touche à l'intelligence artificielle, notamment pour le deep learning, une méthode d'analyse des pixels utilisée dans la reconnaissance des images. Sur ce marché très concurrentiel, on retrouvera le GPU Nexus 20 d'AMD tandis qu'Intel, propose les cartes Xeon Phi dédiées au super-calcul quiest également l'enjeu d'une révolution à venir, avec la voiture autonome. Pour pouvoir prétendre se passer de conducteur, la voiture du futur est équipée d'une impressionnante quantité de capteurs (caméra, radar, ultrasons, etc.), qui génèrent une colossale quantité de données à traiter en temps réel.
Enfin, les cartes à base de GPU sont aussi mises à contribution dans les laboratoires pour simuler des réseaux neuronaux ou modéliser l'ordinateur quantique, mais ça, c'est pour plus tard.
