NVIDIA lance la plateforme AIOps Minerva pour assurer l’observabilité des usines d’IA

Le 22 octobre 2026, NVIDIA a lancé Minerva, qu’elle décrit comme une plateforme AIOps permettant aux équipes d’exploitation d’être averties plus tôt des problèmes d’infrastructure dans les usines d’IA. Selon l’entreprise, Minerva regroupe les données de télémétrie de l’infrastructure et des charges de travail d’IA, puis utilise des modèles d’IA spécialement conçus à cet effet pour transformer ces données en informations exploitables.

Selon NVIDIA, les usines d’IA comptent parmi les opérations les plus complexes au monde : d’immenses parcs de GPU entraînent des modèles et exécutent des applications d’IA sur des réseaux à haut débit. À cette échelle, un seul composant dégradé — un GPU qui chauffe davantage que les autres ou un disque NVMe dont les performances diminuent sous charge — peut ralentir une tâche entière, et ces signes avant-coureurs passent facilement inaperçus. Minerva vise ce que NVIDIA appelle le rendement des usines d’IA : le travail utile produit par l’infrastructure, mesuré en heures GPU, en débit utile, en disponibilité du cluster et en production de jetons.

Un graphe de connaissances dynamique de l’usine

Les outils de surveillance classiques répartissent souvent les données du centre de données entre différentes vues : les équipes réseau, calcul, fiabilité des sites et apprentissage automatique voient chacune une partie différente des opérations. Selon NVIDIA, Minerva relie les signaux provenant des GPU, du réseau, du stockage, des ordonnanceurs et des charges de travail.

À partir de ces signaux, Minerva crée un graphe de connaissances dynamique qui cartographie de manière logique les GPU, les SuperNIC, les commutateurs et les câbles, ainsi que les tâches qui y sont exécutées. Selon NVIDIA, cette cartographie permet aux opérateurs de remonter d’une tâche d’entraînement lente jusqu’au composant qui la ralentit, même dans une usine dotée de centaines de milliers de GPU.

Selon NVIDIA, la plateforme analyse des milliards de points de données par heure à l’aide de l’apprentissage automatique supervisé et non supervisé. Elle apprend à reconnaître les comportements normaux, signale les anomalies qu’elle n’a encore jamais rencontrées, prédit les pannes dès qu’elles se dessinent et met en corrélation les événements associés en s’appuyant sur la topologie de l’usine. Au lieu de transmettre à un opérateur chaque symptôme isolément, la plateforme peut regrouper une avalanche d’événements liés en un seul incident ciblé, assorti d’une cause fondamentale probable.

Assistant d’IA et processus de remédiation

Minerva est fournie avec un assistant d’IA natif et peut également se connecter à des outils d’IA agentique externes, offrant aux opérateurs une interface en langage naturel alimentée par des données de télémétrie en temps réel. Ils peuvent examiner l’état du cluster et obtenir des recommandations de remédiation par conversation. Les équipes peuvent choisir de confier les corrections manuelles à une personne, ou de connecter la plateforme à des outils d’automatisation au moyen d’interfaces de programmation d’applications pour l’infrastructure et de systèmes externes.

Bitdeer AI, qui a annoncé l’adoption de la plateforme par ses propres équipes le 22 octobre, identifie l’assistant intégré comme étant Sherlock, l’assistant d’IA multiagent natif de Minerva, et indique qu’un serveur MCP permet aux opérateurs de trier les incidents et de déboguer au moyen de conversations en langage naturel alimentées par des données de télémétrie en temps réel. Selon Bitdeer AI, le logiciel peut être déployé en tant que plateforme autonome et est intégré à NVIDIA DSX OS. Son annonce indique que le périmètre de la télémétrie couvre les GPU NVIDIA, les SuperNIC ConnectX, les DPU BlueField, les commutateurs de mise à l’échelle NVLink, les réseaux Ethernet est-ouest et nord-sud Spectrum-X, NCCL, les ordonnanceurs et les charges de travail d’IA.

Résultats rapportés

Selon NVIDIA, la plateforme apporte des avantages sur les principaux indicateurs auxquels s’intéressent les usines d’IA : elle allonge le délai entre les interruptions en repérant les problèmes avant qu’ils ne surviennent, réduit le temps de réparation en localisant le problème lorsqu’un incident se produit et améliore la visibilité en filtrant le flot de données généré par les infrastructures d’IA modernes pour ne retenir que les quelques alertes réellement importantes. L’entreprise indique que la plateforme regroupe les problèmes connexes en un seul élément exploitable, afin que les équipes AIOps puissent passer d’une maintenance réactive à une maintenance proactive et aider les usines d’IA à maximiser la disponibilité de leurs GPU.

Bitdeer AI a rapporté les résultats d’essais menés par NVIDIA dans ses propres usines d’IA : dans un cas, Minerva a réduit le délai moyen de réparation d’une panne d’alimentation NVMe, qui avait provoqué une interruption de plusieurs jours, à six heures ; dans un autre, la plateforme a regroupé 81 événements parasites en une seule alerte, préservant ainsi 54 heures de disponibilité du cluster. Bitdeer AI a indiqué que ces essais internes avaient également montré une augmentation du délai moyen entre les interruptions grâce à la maintenance prédictive, une diminution du délai moyen de réparation grâce à l’analyse automatisée des causes fondamentales, une augmentation du nombre d’informations exploitables grâce à une réduction avancée du bruit et une hausse des heures GPU effectives, qui stimule directement la production de jetons.

Premiers utilisateurs et partenaires OEM

IREN figure parmi les partenaires de NVIDIA qui utilisent Minerva pour optimiser leurs usines d’IA. « NVIDIA Minerva offre à notre équipe d’exploitation une vue d’ensemble du réseau, des GPU et des tâches qui y sont exécutées. Nous pouvons ainsi nous concentrer davantage sur la maintenance proactive plutôt que sur le dépannage », a déclaré Denis Skrinnikoff, directeur de la technologie d’IREN, dans l’annonce du lancement.

Bitdeer AI a indiqué qu’elle prend désormais en charge Minerva dans ses opérations d’usine d’IA, présentant cette décision comme le prolongement de son engagement en faveur d’une infrastructure GPU fiable et à haut rendement pour l’entraînement et l’inférence de modèles d’IA à grande échelle. L’entreprise a déclaré que les fonctionnalités d’observabilité, de maintenance prédictive et de dépannage agentique de la plateforme l’aidaient à détecter les dégradations avant qu’elles n’affectent les tâches, à réduire le temps de réparation et à maintenir un plus grand nombre de GPU en activité pour ses clients. Elle a également indiqué que le logiciel était conçu pour évoluer, des petits clusters jusqu’aux usines d’IA dotées de centaines de milliers de GPU.

Lenovo a indiqué dans sa propre publication sur GTC Berlin que Minerva peut aider les équipes à gérer la disponibilité et les performances des infrastructures d’IA à mesure que les environnements prennent de l’ampleur. L’entreprise a cité la plateforme aux côtés de sa Lenovo Hybrid AI Factory avec des solutions NVIDIA. Lenovo a également déclaré collaborer avec IBM et NVIDIA sur des solutions d’usines d’IA souveraines destinées à donner aux clients le contrôle de leurs propres opérations.

NVIDIA a cité IREN, ainsi qu’Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI et Tesla, parmi les entreprises qui prévoient de déployer Minerva. Selon NVIDIA, Dell Technologies, Lenovo et Supermicro proposeront la plateforme dans le cadre de leurs portefeuilles d’offres pour les opérations d’usines d’IA.