Lors du dernier test MLPerf, qui mesure la vitesse d’apprentissage et d’exécution des algorithmes d’IA, ni Google, ni Graphcore n’ont souhaité se présenter. Le nouveau GPU H100 « Hopper » de Nvidia n’a eu aucun mal à écraser la concurrence d’Intel pour dominer tous les tests. En revanche, toujours rien sur l’éthique de ces algorithmes surpuissants…
Le MLCommons est un consortium industriel, qui supervise le test référence des performances du machine learning, MLPerf.
Le GPU H100 « Hopper », dernière petite merveille de Nvidia
A intervalles réguliers, des fabricants alignent leurs meilleurs GPU pour déterminer quel est le plus rapide et le plus efficace. Lors du précédent test, en juin 2022, Google, avec sa puce « Tensor Processing Unit » (ou TPU), avait partagé la première place avec Nvidia.
Durant le dernier test, dont les résultats ont été rendus publics ce 14 novembre 2022, Google a préféré passer son tour, de même qu’un concurrent régulier du MLPerf, la start-up britannique Graphcore.
Seul Intel, avec ses puces Habana Gaudi2 et sa prochaine puce Xeon sever en avant première, s’est donc présenté face à Nvidia. Le fondeur de Santa Clara a fait concourir son « vieux » GPU A100 et, surtout, son tour nouveau H100, nommé « Hopper », en hommage à la pionnière de l’informatique Grace Hopper. Et cette petite merveille a écrasé la concurrence, dominant tous les tests MLPerf, en particulier celui concernant les algorithmes de recommandation sur le web.
L’éthique des algorithmes, toujours aux abonnés absents…
« Les GPU H100 (aka Hopper) ont établi des records mondiaux en entraînant des modèles dans les huit charges de travail d’entreprise MLPerf. Ils ont fourni jusqu’à 6,7 fois plus de performances que les GPU de la génération précédente lorsqu’ils ont été soumis pour la première fois à l’entraînement MLPerf», se félicite le fondeur dans un communiqué de presse.
Les algorithmes d’apprentissage profond sont donc toujours plus puissants, rapides et efficaces. Cela pourrait sembler une bonne nouvelle. Mais tout dépend de comment ces algorithmes sont utilisés.
Et comme les géants du net, à commencer par Google et Facebook, ont plutôt tendance à les utiliser exclusivement pour gonfler leurs revenus, au-delà de toute considération éthique (quitte à publier des études trompeuses pour rassurer sur l’absence de dangerosité de ces algorithmes), l’information pourrait s’avérer en fait un chouïa préoccupante.