L’architecture des réseaux des centres de données dédiés aux charges de travail d’intelligence artificielle évolue à mesure que les clusters dépassent les limites d’un seul rack, ce qui élargit le rôle des liaisons optiques et affaiblit la règle traditionnelle associant le cuivre aux opérations de scale-up et les fibres optiques aux opérations de scale-out. Selon un article publié par Semiconductor Engineering le 13 août 2026, l’augmentation des débits de données à l’intérieur du rack pousse le cuivre jusqu’à ses limites en matière de pertes, de distance et de consommation d’énergie, tandis que la lumière peut offrir une voie mieux adaptée aux hauts débits de données, à condition de maîtriser les exigences en matière d’énergie et de fiabilité.
L’importance de cette transition découle de l’effet de la latence sur les performances des unités de traitement graphique. Eric Aguilar, directeur général et cofondateur d’Omnitron, a déclaré que plusieurs rapports indiquent que l’efficacité des unités GPU peut atteindre environ 25 %, car elles attendent les données au lieu d’exécuter le travail. Le choix du support de connexion ne concerne donc pas uniquement la distance de liaison, mais aussi la capacité du réseau à maintenir les processeurs occupés et à réduire la latence ainsi que l’énergie gaspillée.
Du scale-up à l’intérieur du rack à une portée plus large
Le scale-up était généralement défini comme une connexion à l’intérieur d’un seul rack utilisant le cuivre, avec la possibilité d’accéder à la mémoire selon une sémantique mémoire. Mais cette définition est devenue moins précise à mesure que les clusters de calcul s’étendent à des serveurs situés dans des racks voisins. Dans ce cas, la distance augmente et le cuivre peut ne plus être le meilleur choix.
Vishal Chandrasekar, responsable de la gestion des produits chez Ayar Labs, affirme que le cuivre est privilégié à l’intérieur du rack, tandis que les liaisons optiques deviennent l’option attendue lorsque l’on dépasse les racks adjacents. À un débit de 200 gigabits, le cuivre peut convenir sur une distance allant jusqu’à cinq mètres, ou sept mètres lorsqu’il est poussé à sa limite, alors que les liaisons optiques deviennent nécessaires à partir de dix mètres ou davantage, selon son estimation.
Cela ne signifie pas que le cuivre disparaîtra de toutes les applications de scale-up, mais l’élément le plus stable dans la définition du scale-up pourrait devenir l’utilisation d’une sémantique mémoire, plutôt que l’emplacement du système dans un seul rack ou le type de support physique. Priyank Shukla, directeur de la gestion des produits pour les unités IP d’interfaces chez Synopsys, a expliqué que la définition logicielle est liée à l’existence d’un seul domaine de système d’exploitation et d’une seule mémoire, de sorte que le processeur puisse écrire à un emplacement mémoire indépendamment de l’endroit où se trouve cette mémoire.
Apparition du terme scale-in
Parallèlement au scale-up, au scale-out et au scale-across, un nouveau terme est apparu : scale-in. Selon Chandrasekar, le terme a commencé à être utilisé au cours des trois mois précédant l’article et désigne la quantité de bande passante sortant d’une unité GPU qui reste à l’intérieur d’un seul châssis de serveur.
- Scale-in : connexion entre les processeurs à l’intérieur d’un seul serveur ou sur une seule carte.
- Scale-up : connexion au sein de la mémoire partagée ; traditionnellement associée à l’intérieur du rack et au cuivre.
- Scale-out : connexion entre les racks, utilisant la sémantique Ethernet RDMA et s’appuyant de plus en plus sur les liaisons optiques.
- Scale-across : connexion entre différents centres de données ou campus par fibre.
La norme UALink conserve une attente fondamentale dans les environnements de scale-up : chaque accélérateur doit se trouver à un seul saut des autres accélérateurs. Selon Shukla, les réseaux UALink sont conçus pour maintenir une connexion entre les accélérateurs passant par un seul commutateur, même lorsque la portée du scale-up s’étend à plus d’un rack. Ce commutateur peut être placé à différents endroits dans l’architecture du rack, par exemple au sommet ou au milieu du rack, mais le principe consiste à maintenir le trafic de données entre les deux extrémités à un seul saut.
Topologie et commutation optique
À mesure que la portée du scale-up s’élargit, le type de support ne suffit plus à lui seul à déterminer les performances ; la topologie du réseau reliant les accélérateurs, les commutateurs et les serveurs devient un facteur déterminant. L’une des architectures les plus courantes est la structure Clos, ou leaf-and-spine, qui offre un chemin court entre les serveurs. Mais Google utilise, selon l’article, un réseau torus pour son réseau d’intelligence artificielle, dans lequel les unités TPU sont reliées à des unités voisines dans trois directions, ce qui confère à la conception une nature similaire à celle d’une architecture systolique.
Un réseau torus nécessite généralement un nombre variable de sauts pour atteindre deux points, et le chemin présenté dans l’article peut atteindre quatre sauts, contre un seul saut dans une architecture leaf-and-spine. Avec la commutation par paquets, les informations du paquet doivent être examinées dans chaque commutateur ou routeur. Comme la technologie optique ne traite pas directement les paquets, le signal est converti à chaque nœud d’optique en électrique afin de déterminer le saut suivant, puis reconverti en optique. Ces conversions répétées entraînent une augmentation de la latence et de la consommation d’énergie.
C’est pourquoi les technologies de commutation de circuits reviennent au centre du débat. Au lieu de traiter les paquets à chaque nœud, la commutation de circuits ouvre un chemin complet de la source à la destination et le réserve à un seul flux. Google a mis en œuvre un réseau de commutation de circuits optiques selon une configuration torus, tandis que d’autres acteurs étudient l’utilisation de réseaux OCS avec différentes topologies. Cela indique que l’extension des clusters d’intelligence artificielle ne repose pas uniquement sur le remplacement du cuivre par la lumière, mais implique également de repenser l’organisation des chemins, le nombre de sauts et le mécanisme d’acheminement des données.