fr.wedoany.com Rapport : Dans un contexte où l'intelligence artificielle s'intègre profondément dans la recherche scientifique, le rôle des infrastructures de calcul haute performance connaît une transformation significative. Thomas Uram, responsable de l'équipe des services de données et des workflows au laboratoire national d'Argonne, a récemment déclaré lors de la conférence ISC 2026 que les infrastructures de calcul haute performance de nouvelle génération ne seront plus de simples fournisseurs de ressources de calcul, mais des plateformes intégrées soutenant activement la découverte scientifique.
Selon Uram, le cœur de cette transformation consiste à intégrer directement les capacités d'IA dans l'infrastructure, plutôt que de les considérer comme des outils indépendants. Le laboratoire national d'Argonne construit des infrastructures d'IA dédiées à côté de ses systèmes HPC traditionnels, notamment les plateformes Sofia (A100), Minerva (B200) et Tara (GH200), spécialisées dans l'inférence. Bien qu'Aurora reste la plateforme de calcul principale, ces autres plateformes ont été ajoutées spécifiquement pour fournir des services d'inférence en IA. Les chercheurs peuvent accéder à des dizaines de grands modèles de langage à poids ouverts et à des modèles scientifiques spécifiques à un domaine via un service d'inférence centralisé.
Uram souligne que de nombreuses charges de travail scientifiques ne nécessitent plus de modèles de pointe coûteux ; les chercheurs peuvent utiliser des modèles ouverts via un service d'inférence partagé, sans avoir à construire ou gérer leur propre infrastructure. Cependant, pour que l'IA fasse partie intégrante des workflows scientifiques, elle doit également être capable d'interagir avec les systèmes HPC — les agents d'IA doivent pouvoir accéder aux ressources de calcul, soumettre des tâches et coordonner le travail entre plusieurs systèmes. Uram insiste sur le fait que le matériel, les services d'inférence et la capacité de soumission de tâches constituent ensemble la base des workflows d'IA.
Ces capacités sont déjà appliquées dans plusieurs disciplines scientifiques. À l'Advanced Photon Source, l'installation de rayons X synchrotron du laboratoire national d'Argonne, les chercheurs transfèrent automatiquement les données expérimentales générées vers l'Argonne Leadership Computing Facility, exécutent des analyses sur les ressources de calcul et renvoient les résultats pendant l'expérience. Cette infrastructure est désormais utilisée pour appliquer la segmentation d'images basée sur l'IA, permettant aux scientifiques d'analyser les données tomographiques presque en temps réel. Dans le domaine de la recherche sur la fusion, les chercheurs ne disposent que de 20 minutes entre les cycles expérimentaux pour analyser les résultats, et les services d'inférence en IA ainsi que les workflows automatisés permettent un traitement immédiat des données. Les chercheurs souhaitent également combiner ces capacités avec des jumeaux numériques pour fonctionner en parallèle avec les expériences en temps réel.
En regardant vers l'avenir, Uram décrit des agents d'IA capables d'aller au-delà de l'analyse des résultats. Prenant l'exemple de la découverte de médicaments, un agent d'inférence peut planifier des solutions aux problèmes, interagir avec le système et exécuter des simulations, explorer les résultats des simulations et leur impact sur les objectifs en boucle fermée, et générer continuellement de nouvelles tâches de simulation jusqu'à l'obtention d'un résultat. Cette approche permet aux chercheurs de tester de nombreuses cibles et d'obtenir de meilleures cibles grâce à l'IA. L'exposé d'Uram souligne que les infrastructures HPC évoluent de simples fournisseurs de calcul vers des plateformes intégrant l'inférence en IA, l'orchestration des workflows et un accès programmable pour soutenir la découverte scientifique. Ce changement pourrait fondamentalement modifier la manière dont les scientifiques interagissent avec les supercalculateurs et la conception future des infrastructures HPC.
