Résumé :

OpenAI, Oracle et SoftBank annoncent l’ouverture de cinq nouveaux centres de données à travers les États-Unis, dans le cadre de leur initiative Stargate, visant à développer des capacités d’intelligence artificielle.

Les sites, qui incluent des constructions au Texas, au Nouveau-Mexique et dans le Midwest, permettront d’investir 500 milliards de dollars sur quatre ans pour atteindre une capacité de 10 gigawatts.

Cela portera l’investissement total du projet Stargate à près de 400 milliards de dollars, créant ainsi plus de 25 000 emplois.

Le site d’Abilene, inaugural, devrait être achevé en 2026, tandis que des expansions potentielles sont envisagées.

Les nouvelles infrastructures sont cruciales pour répondre aux besoins énergétiques élevés des opérations d’IA et éviter la surchauffe du matériel.

Ces centres joueront un rôle clé en soutenant le développement de produits et de services innovants dans le domaine de l’intelligence artificielle.

OpenAI a annoncé son intention de construire cinq nouveaux centres de données dédiés à l’intelligence artificielle aux États-Unis, en collaboration avec Oracle et SoftBank dans le cadre de son projet Stargate.

Ces infrastructures, qui augmenteront la capacité de Stargate à sept Gigawatts, fourniront suffisamment d’énergie pour alimenter plus de cinq millions de foyers.

Trois des centres, co-développés avec Oracle, seront implantés au Texas, dans le comté de Shackelford, ainsi qu’au Nouveau-Mexique dans le comté de Doña Ana, et un site dans le Midwest dont l’emplacement reste secret.

Les deux autres centres, élaborés en partenariat avec SoftBank, seront localisés à Lordstown, Ohio, et dans le comté de Milam, au Texas.

Ces initiatives s’inscrivent dans une stratégie d’expansion d’OpenAI pour créer des infrastructures robustes en vue de développer des modèles d’IA plus puissants, soutenue par un investissement de 100 milliards de dollars de NVIDIA.

Des chercheurs de Virginia Tech, du Oak Ridge National Laboratory et de l’Université du Texas à Dallas ont mis au point une nouvelle approche pour améliorer les ordinateurs analogiques, qui utilisent des quantités physiques continues pour représenter des données, rendant ces systèmes plus efficaces sur le plan énergétique par rapport aux ordinateurs numériques.

Leur méthode, décrite dans un article de Nature Electronics, repose sur l’utilisation de phononie non linéaire intégrée dans des dispositifs en niobate de lithium, permettant de coder une grande quantité d’informations sur un seul appareil.

Cela aide à réduire les erreurs généralement associées à l’intégration de plusieurs composants dans des systèmes analogiques.

Cette innovation a engendré un système de calcul analogique basé sur un réseau de neurones physiques, capable de classer des données avec une précision impressionnante de 98,2 %.

La co-conception des dispositifs et des réseaux neuronaux améliore considérablement les performances.

Les chercheurs continuent à optimiser leur approche pour aborder des problèmes complexes, espérant avoir un impact significatif sur le déploiement des algorithmes d’apprentissage automatique dans des architectures informatiques analogiques à grande échelle, sans compromettre leurs performances.