Une modification du noyau Linux supprime une limitation intégrée aux GPU Nvidia RTX des séries 20, 30 et 40, débridant ainsi le traitement de l'IA. Ce hack doublerait les performances tensor maximales de la RTX 4090 et augmenterait de jusqu'à 80 % les calculs matriciels de la RTX 3090 Ti. L'enjeu est de taille : des GPU grand public pourraient devenir bien plus performants pour les tâches d'IA.
Ce qui s'est passé
Selon Tom's Hardware, des modules noyau Linux ont été créés pour lever la limitation à mi-vitesse que Nvidia impose aux calculs tensor sur les GPU GeForce RTX des séries 20, 30 et 40. Cette modification cible une limitation intégrée qui plafonne les performances des cœurs tensor sur les cartes grand public, une restriction que Nvidia utilise pour différencier ses GPU gaming de ses gammes professionnelles et datacenter. Tom's Hardware rapporte que cet exploit double le taux tensor maximal de la RTX 4090 et augmente de jusqu'à 80 % les performances de calcul matriciel de la RTX 3090 Ti. Le rapport ne précise ni qui a conçu ces modules noyau, ni quand ils ont été publiés, ni s'ils fonctionnent avec toutes les versions de pilotes. Aucune déclaration officielle de Nvidia ne figure dans les sources consultées.
Comment on en est arrivé là
Depuis longtemps, Nvidia différencie ses cartes GeForce grand public de ses GPU professionnels et datacenter en limitant certaines fonctions tensor liées à l'IA sur le matériel le moins cher. Cette segmentation protège la tarification des puces destinées aux entreprises. La modification au niveau du noyau décrite par Tom's Hardware couvre trois générations de GPU Nvidia à la fois, des RTX de série 20 jusqu'aux RTX de série 40. Si elle se confirme, il s'agirait de l'un des déblocages les plus larges jamais réalisés sur les limites tensor de Nvidia pour le matériel grand public. Les sources ne précisent ni qui a découvert cette méthode, ni son fonctionnement technique, ni si Nvidia a réagi.
Pourquoi cela vous concerne
Pour les joueurs et les passionnés d'IA, cela pourrait signifier une inférence et un entraînement IA locaux nettement plus rapides sur du matériel déjà possédé, sans avoir à acheter de nouvelles cartes. Les développeurs qui conçoivent des outils d'IA sur du matériel grand public pourraient accéder à un débit tensor plus élevé à moindre coût, réduisant l'écart avec les GPU professionnels. Pour Nvidia, une adoption massive de ce hack pourrait rogner les ventes de ses cartes professionnelles et datacenter, plus onéreuses, si les utilisateurs contournent la segmentation. Cela pourrait aussi pousser Nvidia à réagir via une mise à jour de pilote ou de firmware pour rétablir la limitation. Quiconque utilise cette modification devrait peser les risques liés à la garantie et à la stabilité, puisque les sources ne confirment ni un support officiel ni des tests de sécurité.
La question de fond
Si une modification au niveau du noyau peut effacer la segmentation des performances que Nvidia établit entre GPU grand public et professionnels, qu'est-ce qui empêcherait des déblocages similaires de se répandre sur les puces d'autres fabricants ? La tarification par paliers des performances IA protège les marges des entreprises depuis des années. Si cette barrière devient facile à contourner, comment les fabricants de matériel la défendront-ils : par des verrous firmware, des actions en justice, ou des modèles tarifaires entièrement nouveaux ?
À surveiller
Aucune réponse officielle de Nvidia n'a encore été rapportée. Restez attentifs aux confirmations de Tom's Hardware et d'autres médias sur les versions de pilotes compatibles avec ce hack, ainsi qu'à une éventuelle mise à jour firmware ou pilote de Nvidia pour combler la faille. Bonuz suivra si ce déblocage atteint les chaînes de production de matériel AR et de lunettes connectées, là où un traitement IA embarqué efficace compte le plus.
