fr.wedoany.com Rapport : Le fournisseur américain d'infrastructures AI WhiteFiber, en collaboration avec l'entreprise technologique israélienne DriveNets, a achevé le déploiement d'un réseau de supercluster GPU inter-datacenters. Ce projet relie deux centres de données distants d'environ 52 miles (83 km) via une fibre noire, ainsi que leurs clusters GPU NVIDIA H200, en un seul système de calcul logique. La bande passante réseau mesurée atteint 111,2 Tbps, avec une latence aller-retour garantie de 0,9 milliseconde. Les deux partenaires qualifient ce projet de premier déploiement commercial d'un réseau AI Scale-across longue distance, l'architecture étant passée de la phase de validation expérimentale à l'exploitation réelle de l'infrastructure.
Cette construction s'inscrit dans le cadre du projet Redwood de WhiteFiber. L'objectif n'est pas simplement d'ajouter une ligne d'interconnexion ordinaire entre les deux centres de données, mais de permettre aux racks GPU situés dans des sites différents de fonctionner en collaboration comme s'ils étaient déployés dans la même salle informatique. L'interconnexion traditionnelle des centres de données assure principalement la sauvegarde des données, la synchronisation des opérations et l'accès interrégional, avec une bande passante généralement inférieure à la capacité réseau interne d'un seul centre de données. Les tâches d'entraînement AI génèrent quant à elles des flux de données massifs, synchrones et soudains en peu de temps. En cas de congestion, de gigue ou de perte de paquets sur la liaison inter-sites, les GPU des deux extrémités risquent de voir leur taux d'utilisation réduit en attendant les données. La liaison en fibre noire utilisée par WhiteFiber n'a activé qu'une partie du spectre disponible, atteignant déjà une capacité de transmission de 111,2 Tbps. La prochaine phase prévoit des tests d'activation du spectre complet.
Le projet utilise l'AI Fabric de DriveNets comme socle réseau haute performance entre les deux centres de données, et le NeuralMesh de WEKA pour l'infrastructure de données et de mémoire inter-clusters. Côté réseau, des commutateurs DriveNets 9300F, 5300R et 5301R sont déployés. Grâce à la technologie Fabric Scheduled Ethernet, ils assurent un équilibrage de charge basé sur les cellules, une gestion des files d'attente virtuelles de sortie de bout en bout et un traitement en mémoire tampon profonde pour le trafic AI inter-sites, permettant aux données en rafale d'être planifiées avant d'entrer en état de congestion. Pendant la construction, l'équipe du projet a testé les performances des racks GPU au sein d'un même centre de données et entre les centres de données, afin de vérifier si les nœuds distants pouvaient maintenir des performances de communication proches de celles d'un cluster sur un seul site.
Cette architecture répond d'abord au problème de l'insuffisance d'électricité et d'espace dans un seul centre de données. Les grands clusters AI sont souvent limités par la capacité d'alimentation, la superficie des salles, les installations de refroidissement et les conditions d'accès au réseau électrique local. Même si une entreprise possède davantage de GPU, elle ne peut pas nécessairement tous les installer sur le même site. Un supercluster inter-datacenters permet aux opérateurs de déployer de nouveaux équipements de calcul dans des installations distantes disposant de ressources électriques plus abondantes, puis de les intégrer dans le même domaine de calcul via un réseau à haute vitesse, élargissant ainsi la taille du cluster GPU sans attendre une extension massive de l'alimentation électrique du centre de données d'origine.
Du point de vue de la structure de l'infrastructure des technologies de l'information et de la communication, ce projet forme une chaîne continue : « clusters GPU distants — réseau de commutation du centre de données — fibre noire longue distance — plateforme unifiée de données et de mémoire ». Le réseau doit non seulement fournir une bande passante de pointe élevée, mais aussi contrôler la latence inter-sites, les rafales de trafic et l'impact des pannes. La plateforme de stockage et de données doit garantir que les données des modèles, les points de contrôle d'entraînement et les résultats intermédiaires puissent être appelés en continu entre les différents sites. Ce n'est qu'avec une conception synchronisée du calcul, du réseau et du stockage que deux centres de données physiquement isolés peuvent se présenter comme un système de calcul AI unifié au niveau applicatif.
WhiteFiber prévoit d'augmenter les ports du réseau Scale-across au troisième trimestre 2026, portant la bande passante du système à 136 Tbps, et de dévoiler les modalités des services commerciaux, la configuration de l'architecture et les modes de disponibilité plus tard dans le trimestre. Outre l'entraînement et l'inférence de grands modèles, les deux partenaires estiment que cette technologie peut également être utilisée dans les réseaux de télécommunications, l'informatique de périphérie et l'AI souveraine, en particulier pour les projets où les ressources de calcul doivent être déployées de manière dispersée tout en nécessitant une planification unifiée des opérations. Les points à surveiller ultérieurement incluent les tests de liaison sur spectre complet, l'extension à 136 Tbps, l'intégration de davantage de racks GPU, ainsi que la stabilité du supercluster inter-sites sous des conditions de charge élevée à long terme.
