La domination de Nvidia dans l’intelligence artificielle ne repose pas uniquement sur la puissance de ses GPU.
Depuis des années, le groupe américain a construit autour de ses processeurs un immense écosystème logiciel, avec CUDA, ses bibliothèques, ses outils de développement et toute une communauté d’ingénieurs habitués à programmer pour ses puces.
C’est précisément sur ce terrain que DeepSeek et Huawei veulent désormais progresser.
Le 30 septembre 2026, DeepSeek a annoncé travailler avec Huawei au développement et à l’ouverture de nouveaux outils logiciels optimisés pour les accélérateurs Ascend, la famille de puces IA du constructeur chinois. L’objectif est clair : permettre aux développeurs d’exploiter plus facilement ces processeurs sans dépendre autant de l’environnement Nvidia.
Pourquoi CUDA est-il si important pour Nvidia ?
CUDA est une plateforme de programmation créée par Nvidia qui permet aux développeurs d’utiliser les GPU pour effectuer des calculs bien au-delà de l’affichage graphique.
Avec l’explosion de l’intelligence artificielle, cette infrastructure est devenue essentielle.
Les frameworks, bibliothèques et modèles ont progressivement été optimisés pour fonctionner sur les GPU Nvidia. Cela signifie qu’une entreprise souhaitant changer de matériel doit parfois réadapter une partie importante de son logiciel.
C’est ce que l’on appelle un effet d’écosystème : la performance de la puce compte, mais la facilité avec laquelle les développeurs peuvent l’utiliser est tout aussi déterminante.
Construire une alternative crédible à Nvidia suppose donc de proposer non seulement de bonnes puces. Mais également des compilateurs, bibliothèques, langages et outils accessibles aux développeurs.
DeepSeek ouvre plusieurs briques pour les puces Ascend
DeepSeek indique mettre en open source différentes infrastructures destinées à la plateforme Ascend de Huawei. Notamment des bibliothèques de calcul et de communication.
Le projet DeepGEMM Ascend, publié le 30 septembre, constitue un exemple concret.
DeepGEMM est utilisé pour optimiser certaines opérations de multiplication de matrices, fondamentales dans les modèles d’intelligence artificielle. Sa version Ascend permet désormais d’utiliser les mêmes API et une approche de développement proche de celle des autres plateformes, tout en exploitant des optimisations spécifiques aux NPU de Huawei.
L’objectif est de simplifier le travail des ingénieurs.
Au lieu de devoir réécrire entièrement leurs logiciels pour une nouvelle architecture, ils peuvent conserver une partie de leurs méthodes et de leurs interfaces.
TileLang : rendre les puces différentes plus simples à programmer
DeepSeek met également en avant TileLang, un langage open source spécialisé dans la création de kernels de calcul haute performance.
TileLang n’est pas limité à Huawei : il prend déjà en charge plusieurs architectures, notamment Nvidia CUDA, AMD ROCm, Apple Metal et désormais les Huawei Ascend 950. Son support officiel de cette nouvelle génération d’accélérateurs a justement été annoncé le 30 septembre 2026.
Son intérêt est de permettre aux développeurs de décrire des opérations complexes avec une syntaxe relativement compacte. Tout en laissant les couches inférieures optimiser l’exécution pour le matériel.
En simplifiant : plutôt que de programmer chaque détail spécifique d’une puce, le développeur travaille à un niveau plus élevé et l’outil adapte ensuite le calcul à l’accélérateur utilisé.
C’est précisément le type d’approche nécessaire pour faciliter le développement d’un écosystème alternatif à CUDA.
128 puces Ascend 950 reliées dans un même système
La coopération entre DeepSeek et Huawei ne se limite pas au logiciel.
Les deux entreprises travaillent également sur une architecture de type supernode regroupant 128 accélérateurs Ascend 950, avec des optimisations destinées à améliorer à la fois les calculs et les communications entre les puces.
Ce point est essentiel pour l’intelligence artificielle moderne.
Les grands modèles ne fonctionnent généralement pas sur une seule puce. Le calcul doit être distribué sur des dizaines, voire des centaines ou milliers d’accélérateurs.
La rapidité des connexions entre ces processeurs devient donc presque aussi importante que leur puissance individuelle.
Huawei cherche ainsi à construire une architecture complète :
puces → interconnexion → compilateurs → bibliothèques → outils de programmation → modèles IA.
C’est cette intégration qui a largement contribué au succès de Nvidia.
Peut-on vraiment remplacer CUDA ?
Pas à court terme. CUDA bénéficie de près de deux décennies de développement, d’une documentation très riche et d’une communauté mondiale de développeurs.
De nombreux logiciels scientifiques et modèles d’IA sont aujourd’hui directement optimisés pour les technologies Nvidia.
Huawei et les autres fabricants doivent donc résoudre un problème double : proposer du matériel performant et convaincre les développeurs de l’utiliser.
L’open source peut toutefois accélérer cette transition. Plus les outils sont accessibles et compatibles avec les pratiques existantes, plus il devient facile pour les chercheurs et entreprises de tester d’autres architectures.
Le support Ascend récemment ajouté à TileLang illustre cette tendance : un même environnement commence progressivement à pouvoir cibler Nvidia, AMD, Apple ou Huawei.
Une bataille qui dépasse désormais les puces
Pendant longtemps, la compétition autour de l’IA a surtout été racontée comme une course à la fabrication des processeurs les plus puissants.
La véritable bataille est aujourd’hui beaucoup plus large. Il faut contrôler l’ensemble de la pile technologique, depuis la puce jusqu’aux outils utilisés par les développeurs.
C’est pourquoi l’annonce DeepSeek–Huawei est importante.
Elle ne signifie pas que CUDA est sur le point d’être remplacé. Elle montre en revanche que la concurrence cherche désormais à reproduire l’un des principaux avantages structurels de Nvidia : un environnement dans lequel matériel et logiciel fonctionnent comme un seul écosystème.
Et si plusieurs architectures deviennent suffisamment simples à programmer, la prochaine compétition dans l’IA pourrait ne plus porter uniquement sur la question :
« Quelle est la puce la plus puissante ? »
mais aussi :
« Sur quelle plateforme les développeurs peuvent-ils travailler le plus facilement ? »
En savoir plus sur InnovDigit
Subscribe to get the latest posts sent to your email.
