AMD et Nvidia repousseraient leurs prochaines générations de cartes graphiques à 2028, d'après une fuite relayée ce mercredi 16 septembre. Une seule carte échapperait au report : un modèle AMD milieu de gamme prévu pour 2027.
Vous avez une carte Radeon dans le PC, et un logiciel boosté à l'IA qui refuse de se lancer ailleurs que sur de la NVIDIA ? Roooh c'est dommage ! Cet outil vous réclame probablement CUDA en dur et malheureusement, personne n'ira faire une version fonctionnelle pour votre carte AMD.
Alors on fait quoi ? On se roule en boule et on chiale ? Bah non, on installe
CUDA-for-AMD-Windows
comme des guerrier(e)s et on avance dans la vie !
Ce projet est assez unique puisqu'il n'écrit pas une seule ligne de traduction CUDA. En réalité c'est un jeu de scripts PowerShell qui monte la pile à votre place avec
ZLUDA
d'un côté, qui fait le travail de traduction depuis des années, et le
HIP SDK d'AMD
de l'autre, qui fournit les bibliothèques de calcul.
Car c'est justement ce qui manquait sous Windows. Le pilote Adrenalin vous donne le runtime, mais pour le reste de ROCm, demmerdez-vous entre un SDK officiel en retard et des compilations nocturnes buggées... Breeeeef.
Du coup, ce script d'installation fait ce tri pour vous. Il repère votre carte et son architecture gfx, vérifie que le pilote AMD et le HIP SDK sont là, télécharge une version précise de ZLUDA et, si votre programme en a besoin, LibTorch. Il compare les empreintes SHA-256 des archives, et finit en lançant le contrôle de ZLUDA sur votre machine. Une fois les prérequis AMD en place, ça tient ensuite en trois lignes :
git clone https://github.com/Speedstu/CUDA-for-AMD-Windows.git
cd CUDA-for-AMD-Windows
powershell -ExecutionPolicy Bypass -File .\scripts\install.ps1
Prévoyez quand même de la place car ce bon vieux LibTorch pèse 2,66 Go à lui seul. Notez quand même qu'un -SkipLibTorch vous en dispensera si votre logiciel ne s'en sert pas. Après ça, vous lancez votre exécutable avec run-zluda.ps1, qui pose les DLL de compatibilité à côté de lui, met les bibliothèques HIP sur le PATH et passe la main à zluda.exe.
cuBLAS, cuBLASLt, cuSPARSE et cuFFT, sont donc bien redirigés vers rocBLAS, hipBLASLt et rocSPARSE, mais pas cuDNN...
En effet, le HIP SDK Windows stable ne fournit pas la pile IA complète de ROCm, celle qu'on a sous Linux, et les contrôles cuDNN de ZLUDA se plantent sans un backend compatible MIOpen. Donc si le logiciel que vous voulez lancer tape lourdement dans les convolutions, faudra vous arrêter là. NCCL, TensorRT ou une extension CUDA maison peuvent échouer aussi...
Bref, l'auteur ne promet rien de magique ni d'universel mais ça se tente quand même selon ce que vous voulez lancer.
Ajoutez à ça qu'une seule carte est validée, la Radeon RX 9060 XT, et qu'une seule appli est réellement passée de bout en bout. On est donc sur de l'hyper expérimental
Voilà, avant de vous lancer là-dedans, regardez si vous en avez vraiment besoin car AMD a fini par apporter un support officiel de PyTorch et du HIP SDK à Windows, avec les composants ROCm 7.2.1. Sa
matrice de compatibilité
indique que côté grand public, la RX 9060 XT justement, mais aussi les RX 9070, la RX 7900 XTX et la RX 7700 sont supportés. Si votre besoin c'est donc PyTorch, moi je prendrais cette route-là à votre place car elle est native.
À récupérer sur GitHub si vous avez un logiciel qui refuse de démarrer à cause de CUDA.
Depuis le début 2026, les cartes graphiques RTX 50 et RX 9000 se paient environ 23 % au-dessus de leur prix conseillé en Europe, selon le comparateur DropReference.
À l'origine de nombreux mini-PC, Minisforum est maintenant une marque bien connue. Comme d'autres fabricants chinois, elle a toutefois décidé d’ajouter une corde à son arc en se tournant vers le monde du NAS, autrefois largement dominé par Synology. Mais, histoire de se distinguer, NAS et mini-PC ont été réunis au sein d’une seule et même machine.
Trouver un PC portable pour étudier ou travailler n’est pas simple, surtout lorsqu’il faut composer avec un budget limité. Pour la rentrée, PcComponentes propose une sélection de machines performantes et à prix réduit pour les French Days. Voici celles que nous avons retenues.
Le rendu neural DLSS 5 de Nvidia, réservé aux GeForce RTX, tourne maintenant sur des cartes AMD Radeon grâce à un mod. Problème : c'est pour l'instant totalement injouable.
GMKtec a dévoilé à l'IFA l'EVO-X5 Pro, un mini PC sous Ryzen AI Max+ PRO 495 avec 192 Go de mémoire unifiée, présenté comme capable de faire tourner en local des modèles de 300 milliards de paramètres.
Minisforum présente à l'IFA deux machines sous Ryzen AI Max+ PRO 495 et 192 Go de mémoire, une station de travail MS-S1 MAX-P495 et un NAS N5 MAX-P495 extensible jusqu'à 200 To et livré avec OCPlatform. À la différence de ses concurrents, la marque donne des chiffres de vitesse. Ils valent le détour.
Lenovo dévoile le ThinkCentre X Ultra, un mini-PC de 1,6 litre avec 128 Go de mémoire unifiée pensé pour l'IA locale, à partir de 3 100 €. Un Framework Desktop en plus petit et, pour une fois, moins cher que l'original.
Les prix des cartes graphiques ont encore pris 15 % en un mois, et la RTX 5090 se négocie désormais à plus du double de son tarif conseillé. Autant dire le pire moment pour s'offrir un GPU haut de gamme.
Un mini PC fait un excellent serveur maison pour l'IA : posé dans un coin du bureau, il consomme peu, reste silencieux et tourne en permanence pour héberger vos agents, vos automatisations et quelques modèles en local. Le tout en complément du cloud, pas en remplacement. Voici les machines qu'on recommande, et ce qu'il faut regarder avant d'acheter.
AMD a fait l’acquisition de la start-up Taalas, spécialisée dans les accélérateurs pour l’inférence, pour un montant non divulgué. D’après AMD, l’opération lui permettra de complémenter son rack Helios. Lisa Su, sa dirigeante, avait d’ailleurs évoqué d’autres choses à venir en matière d’architecture désagrégée il y a quelques semaines... Sans doute en référence à cette annonce.
Le Framework Laptop 16 revient en 2026 avec un Ryzen AI 9 HX 370, une GeForce RTX 5070 Laptop de 12 Go et toujours cette promesse unique sur le marché : un PC portable gaming entièrement démontable, évolutif et réparable. On l'a poussé dans ses retranchements, du path tracing à l'IA locale.
AMD étoffe son portefeuille dans l’IA avec le rachat de Taalas, une start-up basée à Toronto et fondée en 2023. La transaction reste soumise aux conditions de clôture habituelles et aux autorisations réglementaires.
Taalas développe des composants en silicium spécialisés pour l’inférence IA. À la différence de l’entraînement, qui mobilise d’importantes capacités de calcul pour construire un modèle, l’inférence intervient lors de son utilisation opérationnelle, souvent en temps réel.
La technologie de Taalas vise à réduire les goulets d’étranglement liés au calcul et à la mémoire dans les architectures généralistes. La start-up conçoit notamment des accélérateurs adaptés à des modèles spécifiques, en intégrant directement certains paramètres du modèle dans le silicium.
Cette approche permet de gagner en performance et en efficacité énergétique, au prix d’une flexibilité moindre qu’avec un GPU généraliste. Les accélérateurs de Taalas sont configurés pour un modèle donné et peuvent donc être beaucoup plus rapides et moins coûteux dans des scénarios d’usage ciblés. Mais ils doivent être adaptés lorsque le modèle évolue.
Le premier composant de Taalas ferait fonctionner une version allégée de Llama 3.1, le modèle de Meta.
Une brique supplémentaire pour AMD
AMD prévoit d’intégrer la technologie de Taalas dans sa feuille de route d’accélérateurs et entend également développer des solutions au niveau système combinant ces technologies avec ses GPU Instinct.
L’opération doit ainsi compléter la plateforme IA full stack d’AMD, qui comprend les solutions rackscale Helios, les accélérateurs Instinct, les processeurs EPYC, le logiciel ROCm et les composants de son écosystème logiciel et matériel.
Pour AMD, l’enjeu consiste à proposer plusieurs types de processeurs selon les charges de travail. Les GPU restent adaptés à une grande variété de modèles et d’usages tandis que des accélérateurs spécialisés peuvent être pertinents pour des modèles stabilisés exécutés à très grande échelle. Par exemple dans les moteurs de recherche, les assistants conversationnels ou les services de génération de contenu.
Cette acquisition intervient alors que le marché de l’IA se déplace progressivement de l’entraînement des modèles vers leur déploiement massif. Les fournisseurs de cloud et les grandes entreprises cherchent désormais à réduire le coût et la consommation énergétique de milliers, voire de millions, de requêtes quotidiennes.
Cette évolution ouvre la voie à des architectures plus spécialisées. Les GPU offrent une grande souplesse mais leur coût et leur consommation peuvent devenir pénalisants lorsque les modèles sont exécutés de manière répétitive et prévisible. Les ASIC et autres accélérateurs dédiés tentent de répondre à cette contrainte en optimisant le matériel pour un modèle ou une famille de modèles.
La bataille de l’inférence s’intensifie
Nvidia a renforcé sa présence sur ce segment en dévoilant, notamment, un processeur et un système d’IA s’appuyant sur la technologie de Groq, une start-up spécialisée dans l’inférence.
La pression concurrentielle ne vient toutefois pas uniquement des deux géants des GPU car les hyperscalers développent également leurs propres puces, à l’image des accélérateurs conçus pour leurs infrastructures cloud.
Pour AMD, le principal défi sera d’intégrer cette technologie dans une offre industrielle et logicielle cohérente. Une puce spécialisée peut afficher des performances très élevées sur un modèle donné, mais son intérêt dépend de la stabilité des architectures d’IA, de la capacité à reconfigurer rapidement le matériel et de la compatibilité avec les outils de développement existants.
L’intégration avec Instinct et ROCm sera donc déterminante. AMD devra démontrer que Taalas peut compléter ses GPU plutôt que constituer une technologie isolée, difficile à programmer ou limitée à quelques cas d’usage.
De la première Graphics Solution à la dernière Radeon, une impressionnante collection de cartes graphiques ATI / AMD retrace l'histoire des GPU depuis 1986.
La carte graphique minimum dont on a besoin pour émuler une PS3 est sortie... après la PS3. C'est AniLeo et kd-11, de l'équipe
RPCS3
, qui viennent de descendre le minimum officiel de l'émulateur à la Radeon HD 2900 XT, sortie en mai 2007. La PS3, elle, arrivait en France en mars de la même année.
Certes, c'est moins de deux mois d'écart mais pour émuler une console, en général, on a besoin de matériel largement postérieur.
RPCS3 accepte donc maintenant les Radeon HD 2000, 3000 et 4000, la première génération TeraScale d'ATi. Le plancher précédent, c'était la HD 5550. Deux conditions quand même : ça ne marche que sous Linux, avec le pilote libre Mesa r600. Windows reste dehors, le vieux pilote d'AMD étant trop bancal pour l'émulateur.
Maintenant, ce qui bloquait vraiment n'était pas la puissance. L'émulateur tenait pour acquis que toutes les cartes qu'il supporte savent faire un certain type d'écriture en mémoire. Ces vieilles Radeon ne savent pas, et personne n'avait prévu le cas, alors l'affichage plantait dès le démarrage, sur un pointeur nul... snif. Le correctif consiste donc à vérifier si la carte sait le faire, et à s'en passer quand ce n'est pas le cas. Et voilà, une pull request plus tard et c'était du tout bon pour la Radeon HD 2900 XT !
Reste que la plus musclée de ces vieilles puces, la HD 4890 de 2009 avec son gigaoctet de mémoire, donne des résultats à géométrie très variable. Sur les captures de l'équipe, OutRun Online Arcade tourne entre 52 et 59 fps, et Metal Gear Solid HD Collection oscille entre 45 et 60 selon la densité de la scène. Jusque-là, ça va.
Par contre, la démo de FIFA 08 tombe à 15 fps, et le jeu Rain à 15 aussi, et là c'est la cata. Cette HD 4890 est pourtant plusieurs fois plus puissante que le RSX, la puce graphique de la PS3, mais ça ne suffit pas, parce que l'émulateur lui refile du boulot que la console ne lui demandait pas, comme décoder les textures à la place du processeur. Et surtout, parce que la mémoire n'est pas rangée pareil.
Sur PS3, la mémoire vidéo et la mémoire système sont bien deux réservoirs séparés, sauf que les jeux ont le droit de piocher directement dans les deux. Tout est à portée de main. Sur PC, les deux sont vraiment cloisonnés, du coup l'émulateur passe son temps à recopier les données de l'un vers l'autre.
En descendant dans la gamme, la sanction est immédiate. La HD 3870 doit tomber à 273p, l'équivalent d'une PSP, pour afficher les jeux les plus simples. La HD 2600 XT, elle, plafonne à 12,9 fps sur Portal à cette même définition. Bref, ça ne sert plus à rien de descendre plus bas, celle-là est carrément plus faible que la puce de la console qu'elle est censée émuler.
Côté manipulation, il faut mentir au pilote. Ces cartes annoncent une version d'OpenGL trop ancienne, et l'émulateur refuse de démarrer tant qu'il la voit. Deux variables d'environnement au lancement suffisent à lui faire croire le contraire :
Et si ça plante encore, l'équipe conseille de basculer le réglage Shader Mode sur "Legacy Recompiler".
Je vous parlais de RPCS3 en 2021
quand il servait surtout à rendre les vieux jeux plus beaux avec le FSR d'AMD et voilà maintenant qu'il sait les faire tourner sur du matériel de leur époque.
Le billet de l'équipe
, que je vous invite à lire, détaille les réglages et les résultats carte par carte. Si vous avez une TeraScale au fond d'un placard, vous savez quoi en faire.
Ne dites plus TDP, mais « puissance CPU par défaut ».
Avec ses puces EPYC de 6e génération (« Venice »), AMD a fait la bascule. Il communique ce nouvel indicateur qui reflète la consommation cumulée calcul + I/O pour une cible de performance donnée.
Jusqu’à 256 cœurs avec EPYC Venice
Les CPU Venice utilisent des cœurs Zen 6 et 6c. Ils se répartissent en quatre familles.
Dans le haut du panier, les EPYC 9006 SP7 (9 références) vont de 64 à 256 cœurs physiques, pour 300 à 600 W de puissance par défaut. Ils sont attendus au T4 2026.
Prévus pour S1 2027, les EPYC 9006 SP8 (22 SKU) se destinent à des environnements plus restreints, avec 8 à 128 cœurs physiques et 130 à 400 W de puissance par défaut.
La série 9006X SP7 cible le HPC, avec davantage de cache L2 que les 9006 SP7 et une fréquence maximale portée à 5,15 GHz. Quant aux 9006 LP (basse consommation ; ex-Verano), ils visent les nœuds de tête au sein des architectures agentiques.
Un GPU Instinct à l’intersection de l’IA et du HPC
Lancée en parallèle des EPYC Venice, la gamme de GPU Instinct MI400 comprend pour le moment deux modèles.
D’un côté, le MI455X, doté de 432 Go de HBM4 (23,3 To/s de bande passante théorique) et annoncé à 20 Pflops en FP8 (sparse). Comme souvent avec ces puces, AMD n’a pas officialisé de TDP (à titre indicatif Vera Rubin avoisine les 2000 W).
De l’autre, le MI430X, pourvu de la même quantité de DRAM, mais positionné sur la convergence IA/HPC, avec une performance théorique de 288 Tflops en FP64. Disponibilité prévue pour 2027, avec en ligne de mire les AI (giga)factories. Le supercalculateur Alice Recoque en embarquera.
Helios AI ou la promesse de racks exaflopiques pour l’inférence FP8
Les EPYC Venice et les Instinct MI455X sont – avec les DPU/NIC Pensando – la matière première des racks Helios AI. Au menu, jusqu’à 72 GPU, 18 CPU et 31 To de mémoire HBM4 (1,7 Po/s). Puissance maximale théorique : 1,4 Eflops en FP8 (format numérique souvent utilisé en production pour l’inférence).
Les racks Helios AI utilisent le nouveau standard ORW (Open Rack Wide) de l’Open Compute Project. Les livraisons doivent démarrer ce trimestre. Bull, HPE, Lenovo et Supermicro, entre autres, fourniront des systèmes.
Ryzen AI Embedded : des P100 aux X100, un TDP doublé
Pour la robotique et plus globalement l’IA « physique », AMD dégaine les cartes Kria AI. Elles reposent sur la dernière génération des processeurs Ryzen AI Embedded (X100).
Ces derniers associent CPU (8 à 16 cœurs Zen 5), iGPU (32 ou 40 unités de calcul) et NPU (50 TOPS), pour un TDP de 55 W (contre 28 W pour la quasi-totalité des P100). Capacité maximale de la mémoire unifiée : 128 Go (273 Go/s en LPDDR5X-8533 sur bus 256 bits).
La production de masse des cartes Kria AI est attendue au T4 2026. Avec, comme partenaires, Arbor, Congatec, iBase, IEI, Sapphire et Seavo.
AMD prévoit une solution commune avec Cerebras pour cette année
À la même échéance, OpenAI entend mettre en service des racks Helios AI. Ce sera la première phase du déploiement de 6 GW annoncé en octobre 2025.
Aux dernières nouvelles, Meta a commencé à tester ces mêmes racks et à valider les EPYC Venice.
AMD travaille aussi avec Cerebras. Il s’engage à unifier ses puces avec les racks Helios AI en un « système d’inférence désagrégé ». Une solution commune devrait sortir d’ici à fin 2026, initialement au sein de l’offre Cerebras Cloud.
AMD a fixé le rendez-vous à l’occasion de sa conférence Advancing AI. La promesse : de la programmation GPU assistée par IA. Avec, comme principaux leviers, des skills et un système appelé Hyperloom.
AMD met à contribution son serveur Lemonade
Six skills sont pour le moment disponibles. On les retrouve dans les catalogues de plug-in de Claude et de Codex, ainsi que sur la marketplace Cursor.
Deux de ces skills ciblent l’exécution côté client, sur les puces Ryzen AI : Local AI Use et Local AI App Integration.
Local AI Use fait passer la génération d’images ainsi que la synthèse et la reconnaissance vocales par un serveur Lemonade local. Les agents sont invités à l’exploiter, entre autres, lorsque l’utilisateur déclare vouloir économiser des tokens ; ou s’il mentionne des éléments comme OmniRouter, SD-Turbo ou l’inférence NPU.
Local AI App Integration ajoute un mode local aux applications qui utilisent des API cloud, grâce à une version embarquée du serveur Lemonade. Les agents sont censés l’exploiter lorsque l’utilisateur évoque l’IA locale, hors ligne, privée, etc.
Les quatre autres skills ciblent l’exécution côté serveur. Deux d’entre elles créent un endpoint vLLM, respectivement sur les GPU Instinct et sur les CPU EPYC. AMD précise aux agents que la skill Instinct… ne doit pas être utilisée avec les GPU NVIDIA.
Les deux skills restantes sont connectées à Magpie (framework d’évaluation de noyaux GPU) et TraceLens (bibliothèque Python pour l’analyse de workflows d’inférence et d’entraînement).
5 autres skills dans les cartons
Quatre skillscross-stack sont en roadmap :
ROCm Doctor
Diagnostic des échecs ROCm, PyTorch et llama.cpp sur les GPU AMD à partir d’une liste de mauvaises configurations
Hyperloom Kernel Optimizer
Optimisation automatique de l’inférence sur les GPU AMD
vLLM Semantic Router
Paramétrage d’un routeur de requêtes
HRR Replay Analysis
Enregistrement, rejeu et analyse des workloads GPU entre accélérateurs Instinct, Radeon et Ryzen
AMD en prépare aussi une sur la partie client : APU Memory Tuner, avec laquelle les agents IA pourront régler la répartition entre mémoire dédiée et mémoire partagée.
Claude Code intégré au cœur du réacteur Hyperloom
On l’aura constaté : plusieurs de ces skills permettent d’exploiter le fameux Hyperloom. Ce système agentique a, sur le papier, un rôle : optimiser les workloads IA pour les GPU AMD (en l’état, MI300X, MI325X et MI355X). Il gère actuellement deux serveurs (SGLang, vLLM) et trois langages (HIP, Triton, FlyDSL).
Au bas de l’édifice se trouve TraceLens. La bibliothèque – agrémentée pour le coup d’une couche agentique – consomme les traces collectées par Magpie, qui s’appuie lui-même sur Intellikit (suite d’outils de profilage à bas niveau).
Cette analyse nourrit la boucle d’optimisation. La brique GEAK (Generating Efficient AI-Centric Kernels) en est le point central, chargée de générer les implémentations. À l’origine, elle optimisait noyau par noyau (« couche kernel ») La dernière version conserve cette option, mais peut aussi optimiser un workload dans son ensemble (« couche système »). Plusieurs modifications architecturales le permettent. En particulier, le remplacement de mini-swe-agent par Claude Code et ses workflows dynamiques. Mais aussi la réutilisation récursive de la couche kernel par la couche système (AMD parle de « conception fractale »). Et l’introduction d’Arbor. Cette méthode favorise l’exploration de l’espace d’optimisation en apportant un système de recherche arborescente qui fait office de mémoire de travail partagée.
Au-delà d’utiliser Claude Code dans le cadre d’Hyperloom, AMD l’exploite pour accélérer le développement de ROCm. Il travaille aussi avec OpenAI autour de Codex, qui « aide déjà à écrire du code Triton » et « progresse » avec Gluon.
AMD se lance à corps perdu dans l'investissement dans l'IA. Un accord à 5 milliards de dollars (environ 4,6 milliards d'euros) conclu avec Anthropic permet au fondeur de fournir de nouvelles puces IA à l'entreprise.
Connexion
