72 GPU MI455X unifiés, 31 To de HBM4, 260 TB/s annoncés, Helios devient un immense GPU IA, ce que Nvidia doit affronter

AMD a présenté Helios, un système IA rack-scale qui regroupe 72 GPU dans une seule unité de calcul cohérente, avec 31 To de HBM4 et une bande passante annoncée autour de 260 TB/s. Selon plusieurs sources spécialisées, l’objectif est clair, proposer une alternative intégrée aux racks d’entraînement et d’inférence dominés par Nvidia, et convaincre les hyperscalers avec une offre complète mêlant GPU, CPU et réseau. Microsoft fait partie des premiers clients cités, avec des déploiements attendus dans Azure au second semestre 2026.

AMD Helios regroupe 72 Instinct MI455X en unité cohérente

Le point de départ d’Helios tient dans une promesse d’architecture, faire fonctionner 72 GPU Instinct MI455X comme un ensemble cohérent, pensé pour l’entraînement et l’inférence à grande échelle. Dans les présentations et reprises de la presse spécialisée, Helios est décrit comme le plus grand calculateur unique d’AMD pour l’IA, avec une logique de rack comme un seul GPU. Cette approche vise à réduire la complexité opérationnelle qui apparaît lorsque les modèles s’étendent sur de nombreux nœuds, avec des échanges de paramètres et des synchronisations qui deviennent un goulot d’étranglement.

Sur le plan mémoire, Helios est associé à 31 téraoctets de HBM4 accessibles en cohérence, un chiffre mis en avant comme un différenciateur majeur face aux racks concurrents. Dans les charges d’entraînement modernes, la capacité mémoire et la bande passante conditionnent directement la taille des batchs, le choix des parallélismes et le niveau de offload vers la mémoire système. Les sources citées insistent sur une pleine cohérence à l’échelle du rack, point qui, s’il est tenu en production, peut réduire les contournements logiciels coûteux, comme la fragmentation de modèles ou les stratégies d’activation checkpointing plus agressives.

La bande passante agrégée évoquée autour de 260 TB/s s’inscrit dans la même logique, alimenter les unités de calcul sans laisser la donnée devenir le facteur limitant. Dans un contexte où le FP4 et le FP8 se généralisent en inférence et en entraînement, la pression se déplace souvent vers la mémoire, l’interconnexion et l’efficacité des communications collectives. Helios est présenté comme une réponse à ce déplacement, avec un design visant à supprimer des bottlenecks identifiés sur des générations précédentes.

Ce positionnement rack comme un seul système a aussi une dimension très concrète pour les équipes d’exploitation. Moins de nœuds logiques à gérer, une allocation de ressources plus lisible, et une cible plus stable pour les frameworks d’IA lorsqu’ils doivent mapper un gros entraînement sur une infrastructure partagée. AMD ne détaille pas publiquement chaque paramètre d’intégration dans les sources reprises ici, mais l’intention affichée est de rapprocher l’expérience d’un très grand accélérateur unique, plutôt que d’un cluster éclaté.

Helios s’inscrit enfin dans une évolution plus large du marché. Les acheteurs ne comparent plus seulement des GPU pris isolément, ils comparent des plateformes complètes, avec des exigences fortes sur la cohérence, la mémoire, l’efficacité énergétique et le support logiciel. Pour AMD, Helios sert de vitrine technique, mais aussi de démonstrateur commercial, à destination des acteurs qui achètent par racks entiers.

Sixième génération EPYC Venice et réseau Pensando au cœur du rack

Helios n’est pas un assemblage de GPU posé sur une étagère, il est présenté comme une plateforme intégrée combinant EPYC Venice et des composants réseau Pensando. Cette composition est stratégique, car l’IA à grande échelle dépend autant de la façon dont on alimente les GPU en données que de la puissance brute des accélérateurs. Les CPU orchestrent une partie des pipelines d’entrée, des prétraitements, des échanges avec le stockage et des tâches de contrôle. Dans une pile moderne, la stabilité et la disponibilité de ces briques ont un impact direct sur le taux d’occupation des GPU, variable clé du coût réel d’un entraînement.

La mention des puces Pensando met l’accent sur le réseau comme composant de premier plan. Quand 72 GPU travaillent de concert, la latence, la congestion et la qualité des opérations collectives deviennent critiques. AMD cherche à se positionner sur une solution de bout en bout, où l’interconnexion est conçue au même niveau que le calcul. Cette approche répond à une réalité des data centers IA, le réseau n’est plus un accessoire, c’est un déterminant du temps d’entraînement, donc du délai de mise sur le marché des modèles.

Le format matériel est également mis en avant dans la couverture, Helios est décrit comme un rack double large par rapport à un rack conventionnel. Ce détail compte pour les opérateurs de centres de données, car il implique des contraintes d’allées, de densité, de refroidissement et de distribution électrique. Les systèmes rack-scale supposent souvent une planification plus proche de celle d’un équipement industriel que d’une simple baie de serveurs, avec des décisions sur la circulation d’air, l’accès maintenance, et la segmentation des salles.

Dans les chiffres rapportés, Helios viserait jusqu’à 2,9 exaflops en inférence FP4 et 1,4 exaflops en entraînement FP8. Ces valeurs, reprises dans la presse, illustrent l’évolution des métriques de performance, les acteurs mettent en avant des formats réduits pertinents pour les charges IA réelles, plutôt que des pics théoriques en FP32. Pour les acheteurs, l’enjeu est de traduire ces exaflops en temps d’entraînement sur des modèles concrets, en tenant compte de la communication et des entrées sorties.

L’intégration CPU, réseau et GPU traduit enfin un changement de posture d’AMD sur le marché. L’entreprise cherche à réduire les frictions d’adoption, en livrant une plateforme validée, plutôt qu’un catalogue de pièces à intégrer. Dans les grands comptes, cette logique simplifie l’achat, le support et la responsabilité en cas d’incident, éléments déterminants face à des projets où les budgets et les risques opérationnels sont élevés.

Helios cible Nvidia Vera Rubin NVL72 sur l’entraînement IA

Helios est présenté comme la réponse directe d’AMD au rack-scale de Nvidia, avec des comparaisons explicites à Vera Rubin NVL72 et à l’approche système complet déjà pratiquée par le concurrent. Sur ce segment, la bataille ne se joue pas seulement sur quelques pourcents de performance, mais sur la capacité à fournir des racks en volume, à tenir des délais, à garantir la disponibilité des pièces, et à offrir une pile logicielle cohérente. Le fait même qu’AMD propose un produit comparable à NVL72 signale une ambition, se battre sur le terrain des solutions intégrées, là où se décident les commandes massives des hyperscalers.

Le différenciateur mis en avant dans les sources est la mémoire, Helios serait à parité sur le format 72 GPU, avec 1,5 fois la mémoire. Cette donnée, si elle se confirme selon les configurations finales, peut peser sur des charges qui dépassent les capacités usuelles, comme l’entraînement de modèles multimodaux très volumineux, ou l’assemblage de contextes longs en inférence avec des fenêtres étendues. Plus de mémoire peut réduire la nécessité de découper le modèle, de répartir des tensors sur davantage d’unités, ou de recourir à des techniques qui dégradent parfois la simplicité de déploiement.

La cohérence à l’échelle de 31 To de HBM4 suggère aussi une ambition logicielle, rendre la répartition mémoire plus transparente. Dans la pratique, les frameworks doivent gérer des topologies complexes, choisir des stratégies de communication, et adapter la parallélisation. Un système conçu pour minimiser les pénalités de communication peut améliorer l’efficacité de scaling, ce qui compte autant que le pic théorique. Sur un rack-scale, un gain de quelques points de pourcentage d’utilisation peut représenter des économies considérables sur une année d’exploitation.

Le contexte concurrentiel reste tendu. Les GPU entreprise se vendent rapidement, et les acheteurs arbitrent souvent selon la disponibilité et la maturité de l’écosystème, pas uniquement selon les fiches techniques. Pour AMD, Helios sert à démontrer qu’il peut livrer une plateforme complète, avec une proposition crédible face à la référence du marché. Pour Nvidia, la défense passe par la continuité d’exécution, la compatibilité logicielle, et l’intégration étroite entre matériel et frameworks.

Dans cette course, les annonces publiques sont une étape, la réalité se mesure ensuite dans les bancs d’essai clients, les performances sur des workloads propriétaires, et la stabilité en production. Les systèmes rack-scale mettent en jeu des chaînes de support, des mises à jour firmware, des outils de monitoring et des politiques de maintenance qui pèsent sur le TCO. La comparaison Helios contre NVL72 se jouera donc autant dans la salle machine que dans les graphiques de lancement.

Microsoft prévoit un déploiement Helios dans Azure au second semestre 2026

L’un des éléments les plus structurants rapportés par la presse concerne Microsoft, présenté comme client de Helios avec une intention de déploiement dans Azure à partir du second semestre 2026. Pour AMD, une référence hyperscaler a une portée qui dépasse le volume de machines, elle sert de validation de la plateforme, rassure les intégrateurs et accélère l’intérêt des autres acheteurs. Dans l’industrie des accélérateurs, la crédibilité se construit souvent sur quelques déploiements emblématiques, capables de démontrer la tenue en charge, la compatibilité et l’exploitation au quotidien.

Pour Microsoft, l’intérêt est double, diversifier les fournisseurs et sécuriser l’accès à la capacité de calcul. Les services cloud IA sont devenus une course à la disponibilité, et la capacité à proposer des instances performantes dépend des chaînes d’approvisionnement et des cycles de livraison. Ajouter Helios à l’arsenal Azure peut renforcer la résilience, mais aussi donner un levier de négociation. Cette logique est fréquente chez les hyperscalers, qui cherchent à éviter une dépendance unique sur une catégorie stratégique.

Le déploiement dans le cloud place aussi Helios face à un niveau d’exigence élevé, multi-tenant, isolation, observabilité, facturation, et intégration dans des services managés. Une machine performante en laboratoire ne suffit pas, il faut des outils d’allocation, des contrôles d’accès, des mécanismes de mise à jour sans interruption majeure, et des procédures d’intervention. Le fait que Microsoft soit mentionné comme client suppose que ces aspects sont pris au sérieux, même si les détails d’implémentation ne sont pas publics.

Sur le marché, cette annonce alimente une lecture plus large, AMD cherche à passer de vendeur de GPU à fournisseur de plateforme rack-scale. Le changement est significatif, car il modifie la relation commerciale, on vend un système complet, avec des engagements de support et de disponibilité, plutôt que des cartes accélératrices livrées par palettes. Cette évolution rapproche AMD du modèle déjà travaillé par Nvidia avec ses solutions intégrées.

Reste la question des volumes, des calendriers et des configurations exactes. Le second semestre 2026 ouvre une fenêtre large, qui peut couvrir des pilotes, des régions limitées, puis des déploiements plus étendus. Dans ce type de projet, la montée en puissance se fait souvent par étapes, avec validation de la performance, qualification des chaînes de monitoring, et adaptation des logiciels internes. L’évolution reste incertaine sur la vitesse à laquelle Helios deviendra une offre visible à grande échelle pour les clients Azure, mais le signal envoyé au marché est net, AMD veut exister dans l’infrastructure IA intégrée des hyperscalers.