Au sein d’universités de renom à travers le monde, la station de supercalculateur de bureau NVIDIA DGX Spark permet de déployer des applications d’intelligence artificielle de classe centre de données directement sur les bureaux de laboratoires, les salles de professeurs et les systèmes étudiants. Un exemplaire fonctionne même au pôle Sud, à l’observatoire IceCube de l’Université du Wisconsin-Madison, où il analyse des données provenant de neutrinos, particules subatomiques clés pour explorer l’univers. Conçu autour du superprocesseur NVIDIA GB10 et du système d’exploitation DGX, chaque DGX Spark offre une puissance de calcul de l’ordre du petaflop, permettant d’exécuter des modèles d’IA jusqu’à 200 milliards de paramètres. Il s’intègre parfaitement aux plateformes NVIDIA NeMo, Metropolis, Holoscan et Isaac, offrant aux étudiants un accès aux outils professionnels utilisés dans l’écosystème DGX. À IceCube, l’absence d’infrastructure locale et les conditions extrêmes — altitude de 3 000 mètres, humidité sous 5 %, énergie limitée — rendent le déploiement de matériel complexe. Le DGX Spark, compact et économe en énergie, permet d’analyser les données de neutrinos en temps réel sur place, sans dépendre de ressources distantes. Selon Benedikt Riedel, directeur informatique du Wisconsin IceCube Particle Astrophysics Center, cette solution facilite le traitement local, réduit les coûts et améliore la réactivité des recherches. À New York University, le projet ICARE utilise le DGX Spark pour évaluer automatiquement les rapports radiologiques générés par l’IA, en comparant leur précision avec des références cliniques experts. Grâce à l’exécution locale de grands modèles linguistiques (LLM), les chercheurs peuvent itérer rapidement sans exposer des données médicales sensibles au cloud. Lucius Bynum, professeur adjoint en science des données, souligne que cette autonomie a profondément transformé son workflow. À Harvard, l’équipe du Kempner Institute exploite le DGX Spark pour modéliser l’impact de mutations génétiques sur l’épilepsie, en simulant des fonctions neuronales et des structures protéiques. Ce système sert de passerelle entre les tests en laboratoire et les calculs à grande échelle sur des clusters, permettant de valider des pipelines avant leur déploiement à plus grande échelle. À l’Arizona State University, plusieurs DGX Spark soutiennent des projets variés, de la robotique assistée pour les malvoyants à l’amélioration de la sécurité routière. À l’Université du Mississippi State, il sert de plateforme pédagogique pour former les futurs ingénieurs en IA, avec des activités d’initiation comme des vidéos d’ouverture du matériel. À l’Université du Delaware, l’arrivée du GX10 a été qualifiée de « transformationnelle » pour la recherche interdisciplinaire, notamment en sciences côtières et en analyse sportive. En Autriche, l’IST Austria utilise une station HP ZGX Nano basée sur DGX Spark pour entraîner des LLM jusqu’à 7 milliards de paramètres via son logiciel open source LLMQ, avec une mémoire unifiée de 128 Go qui évite les transferts complexes de données. À Stanford, le DGX Spark sert à concevoir des pipelines complets pour des agents biologiques (Biomni), avec des performances comparables à celles des instances cloud, à raison de 80 tokens/seconde sur un modèle de 120 milliards de paramètres. Ces déploiements illustrent comment le DGX Spark redéfinit l’innovation en éducation supérieure, en rendant l’IA accessible, sécurisée et rapide, tout en favorisant l’expérimentation directe au sein des campus. Évaluation : Les experts saluent le DGX Spark pour sa capacité à démocratiser l’accès à l’IA de pointe dans les établissements d’enseignement, notamment en matière de sécurité des données, de réduction des délais de développement et d’accompagnement pédagogique. Des entreprises comme ASUS, HP et NVIDIA collaborent étroitement avec les universités pour intégrer ces systèmes dans les programmes de recherche et d’enseignement, renforçant ainsi l’écosystème de l’IA académique.