À l’ère des usines d’IA, les centres de données géants émergent partout dans le monde, conçus non pas pour afficher des pages web ou envoyer des e-mails, mais pour former et déployer l’intelligence artificielle elle-même. Les géants d’internet ont investi des milliards dans une infrastructure cloud à grande échelle, tandis que les entreprises s’engagent dans la construction d’« usines d’IA » capables de générer les prochaines générations de produits et services. Les gouvernements suivent également, attirés par les perspectives d’une médecine personnalisée ou de services linguistiques adaptés aux populations nationales. Ces installations ne sont pas des centres de données classiques : elles ressemblent à des moteurs de haute performance assemblés à partir de dizaines, voire centaines de milliers de GPU, orchestrés comme une seule unité. L’orchestration, plus que la puissance brute, devient le cœur du système. Ce nouveau modèle repose sur une architecture réseau complexe, fondamentale pour le bon fonctionnement. Une seule architecture ne suffit plus. Il faut une conception multicouche, intégrant des technologies de pointe comme l’optique co-packagée, autrefois considérée comme de la science-fiction. La complexité n’est pas un défaut, mais une caractéristique essentielle : l’infrastructure d’IA diverge rapidement de tout ce qui l’a précédée. Une mauvaise conception du réseau entraîne des blocages ; une bonne, au contraire, permet des performances extraordinaires. Le poids physique des systèmes a également changé. Alors que les puces étaient autrefois légères et élégantes, les architectures d’IA actuelles ressemblent à des échafaudages industriels : racks en cuivre massif, manifolds de refroidissement liquide, busbars sur mesure. Plus les modèles sont profonds, plus ces machines s’étendent, en volume et en puissance. Le spine NVLink d’NVIDIA, par exemple, repose sur plus de 5 000 câbles coaxiaux, capable de transférer 130 téraoctets par seconde — plus que le trafic total d’Internet — dans une topologie entièrement connectée. Le centre de données est désormais le calculateur. Former les grands modèles linguistiques (LLM) exige l’orchestration de dizaines, voire centaines de milliers de GPU. Ces systèmes utilisent le calcul distribué, divisant les calculs massifs entre des nœuds (serveurs), qui doivent régulièrement échanger des données via des opérations collectives comme l’« all-reduce » ou l’« all-to-all ». La performance dépend directement de la latence et de la bande passante du réseau. Pour l’inférence, les exigences changent : les systèmes de génération enrichie par recherche nécessitent des réponses en temps réel, et les environnements multi-locataires exigent une isolation stricte entre les utilisateurs. L’Ethernet traditionnel, conçu pour des charges monoposte, ne supporte plus ces contraintes. C’est pourquoi InfiniBand, avec son infrastructure NVIDIA Quantum, devient la norme. Grâce à la technologie SHARPv4, au routage adaptatif et au contrôle de congestion basé sur la télémétrie, il garantit une bande passante déterministe, une faible latence et une isolation du bruit réseau. Il est utilisé dans la majorité des systèmes du classement TOP500, avec une croissance de 35 % en deux ans. Pour les entreprises, NVIDIA Spectrum-X réinvente l’Ethernet : une version performatrice, standardisée, compatible SONiC et Cumulus Linux, avec des SuperNICs (BlueField-3, ConnectX-8) offrant jusqu’à 800 Gb/s via RoCE. Elle permet d’atteindre 95 % de débit à grande échelle, contre seulement 60 % avec l’Ethernet classique, grâce à une gestion intelligente des flux. NVIDIA adopte une approche multi-niveaux : NVLink pour le « scale-up » à l’intérieur du rack, InfiniBand pour le « scale-out » entre racks, et Spectrum-X pour étendre ces performances à l’entreprise. La photonique intégrée (Quantum-X, Spectrum-X Photonics) réduit la consommation d’énergie de 3,5 fois et augmente la résilience de 10 fois, ouvrant la voie aux usines d’IA de millions de GPU. L’ouverture des standards (Ethernet, InfiniBand, SONiC) favorise l’interopérabilité, mais la performance déterministe exige une intégration fine entre matériel et logiciel. Les partenaires comme Cisco, Dell, HPE ou Supermicro intègrent ces solutions, tandis que des logiciels comme NCCL et DOCA optimisent les performances. Vers les usines d’IA de gigawatt, où un million de GPU pourraient être connectés, le réseau cesse d’être un simple support : il devient le pilier fondamental de l’intelligence artificielle. La leçon est claire : le centre de données est désormais le calculateur.