En l’an 2000, Ian Buck avait un rêve audacieux : jouer à Quake III en résolution 8K. Étudiant en informatique à Stanford, il décida de rassembler 32 cartes graphiques GeForce pour rendre ce défi possible. Le résultat fut époustouflant : le jeu était projeté sur huit écrans, offrant une expérience visuelle inédite.
« C’était magnifique », confia-t-il des années plus tard. Son aventure est relatée dans ‘The Thinning Machine’, un essai de Stephen Witt publié en 2025 qui retrace l’histoire de NVIDIA, et souligne l’origine de CUDA, une architecture révolutionnaire qui a propulsé la société vers de nouveaux sommets, en faisant le leader mondial en termes de capitalisation boursière.
La GPU comme superordinateur personnel
Bien que cet essai ne fût qu’un amusement pour Buck, il révéla un potentiel caché : les unités de traitement graphique (GPU) pouvaient faire bien plus que dessiner des formes pour les jeux vidéo. Buck s’est plongé dans les caractéristiques techniques des GPUs NVIDIA, s’interrogeant sur leur capacité à résoudre des problèmes variés.
En 2006, la GeForce 8800 GTS (et sa version supérieure, la GTX) a marqué le début de l’ère CUDA.
Avec le soutien de la DARPA (Defense Advanced Research Projects Agency), Buck a développé un langage de programmation open-source appelé Brook, qui transforma les GPUs en superordinateurs domestiques. Ce langage démontrait que les GPUs pouvaient effectuer des calculs de façon générale, en exploitant le parallélisme qu’offraient ces puces.
Le pouvoir de calcul extraordinaire
Par exemple, tandis qu’une section de la puce illuminait le triangle A, une autre rasterisait le triangle B et une troisième enregistraisait le triangle C dans la mémoire. Bien que ce ne fût pas le même type de parallélisme qu’aujourd’hui, cela offrait déjà une puissance de calcul bien supérieure à celle des CPU de l’époque.
Cette recherche déboucha sur un article intitulé ‘Brook for GPUs : stream computing on graphics hardware‘, rendant la computation parallèle largement accessible. Une personne remarqua immédiatement son potentiel : Jensen Huang, fondateur de NVIDIA.
Natalité de CUDA
En 2005, la chute de Silicon Graphics permet à de nombreux talents de rejoindre NVIDIA. Ian Buck, avec John Nickolls et d’autres ingénieurs, se lance dans le projet de CUDA, ou Compute Unified Domain Architecture.
John Nickolls / Ian Buck.
CUDA fut lancé officiellement en novembre 2006, marquant une étape déterminante, bien que la majorité des utilisateurs de cartes graphiques NVIDIA continuassent de les utiliser uniquement pour le jeu. Programmes basés sur CUDA, à l’époque, étaient compliqués à développer et peu de gens en profitaient.
Débuts difficiles
En 2007, la plateforme n’a été téléchargée que 13 000 fois. Les premiers utilisateurs de CUDA venaient principalement de départements scientifiques, alors que l’intelligence artificielle n’était pas encore dans les discussions. Cependant, les résultats prometteurs n’étaient pas immédiatement visibles.
Un succès tardif mais attendu
En 2012, Ian Buck a prédit l’avenir de CUDA, en révélant qu’il pourrait transformer des secteurs variés, de la mode à l’automobile. Pourtant, c’est seulement lorsque des étudiants comme Alex Krizhevsky et Ilya Sutskever ont utilisé CUDA pour développer AlexNet, une avancée majeure en classification d’images, que l’IA et CUDA ont trouvé leur véritable synergie.
Depuis, l’impact de CUDA sur l’intelligence artificielle s’est révélé énorme, transformant des domaines entiers. L’histoire de cette technologie, comme souvent, est une combinaison de vision, de persévérance et d’un brin de folie.