Dans le cadre du lancement de CUDA 13.3, NVIDIA a introduit CompileIQ, un framework d'auto-réglage de compilateur alimenté par l'intelligence artificielle. Cet outil vise à résoudre l'un des problèmes les plus difficiles de l'ingénierie de la performance : identifier les options de compilation qui libèrent le meilleur potentiel pour une charge de travail spécifique. Bien que les compilateurs NVIDIA utilisent par défaut des heuristiques conçues pour obtenir de bons résultats dans un large éventail de scénarios, ces paramètres standards ne sont pas optimaux pour des charges de travail personnalisées. Des équipes consacrant des semaines à l'optimisation de pipelines d'inférence de grands modèles de langage (LLM) peuvent atteindre un point de saturation, où les profilers indiquent qu'aucun autre gain n'est possible avec les techniques classiques. CompileIQ change la donne en traitant le compilateur lui-même comme un paramètre à ajuster. Le framework exploite des algorithmes évolutifs et génétiques pour explorer un espace riche de paramètres internes du compilateur, tels que les stratégies d'allocation de registres, les politiques d'ordonnancement des instructions et les transformations de boucles. Contrairement aux options publiques, ces réglages ne sont pas exposés directement aux utilisateurs. CompileIQ génère un fichier de contrôle avancé (ACF) qui, une fois ingéré par le compilateur via l'indicateur --apply-controls, produit un binaire de noyau spécifiquement optimisé pour la tâche en cours. La pertinence de cette approche est accentuée par la réalité des architectures modernes. Dans l'inférence des LLM, moins de 10 % du code source (notamment les kernels d'attention et les opérations GEMM) consomme plus de 90 % des ressources de calcul. Une amélioration, même minime, dans ces sections critiques se traduit par des gains de performance globaux significatifs. Les exemples de validation montrent des améliorations allant jusqu'à 15 % sur des kernels Triton et Helion déjà optimisés, démontrant la capacité de l'outil à découvrir des configurations que les heuristiques par défaut ignoreraient. CompileIQ s'intègre dans l'environnement de développement Python et offre une grande flexibilité. L'utilisateur définit simplement une fonction objectif qui compile le code avec une configuration candidate, mesure les performances, et renvoie un score. Le moteur de recherche évalue ensuite plusieurs configurations, sélectionne les meilleures, applique des mutations et des croisements, et converge vers la solution optimale au fil des générations. L'outil prend en charge l'optimisation multi-objectifs, permettant aux ingénieurs d'explorer les compromis entre temps d'exécution, temps de compilation et consommation énergétique, tout en générant un front de Pareto de solutions non dominées. La sécurité des données et de la propriété intellectuelle est également prise en compte. Le flux de travail est conçu pour que le code source et les objectifs de performance restent dans l'environnement local de l'utilisateur. Seul le fichier ACF optimisé est produit et partagé. Ce fichier est portable, reproductible et peut être versionné aux côtés du code source, intégrant ainsi l'optimisation du compilateur dans le cycle de développement standard. Bien queCompileIQ ne transforme pas automatiquement un code mal écrit en code performant, il constitue un nouvel outil indispensable pour les équipes ayant épuisé les leviers d'optimisation traditionnels. En exploitant la puissance des algorithmes génétiques pour affiner le comportement des compilateurs NVIDIA, cette technologie permet d'atteindre des niveaux de performance précédemment inaccessibles dans le domaine du calcul haute performance et de l'intelligence artificielle.