Partenariats
Q.ANT lance un pilote de matériel d’IA photonique sur des serveurs bare metal d’IONOS
Ajouter Unite.AI à vos sources préférées sur Google
Q.ANT a annoncé le 9 novembre 2026 que des candidats sélectionnés pourraient tester leurs propres charges de travail d’IA sur son processeur photonique de deuxième génération, au moyen de serveurs bare metal IONOS dédiés en Allemagne, dans le cadre d’un pilote en bêta fermée gratuit destiné à repérer des usages commerciaux.
Le programme est réservé aux participants qui disposent d’un cas d’usage concret et de compétences suffisantes pour administrer eux-mêmes un serveur bare metal. IONOS configure chaque système manuellement, avec un accès root par SSH et une console KVM en option. La documentation du pilote indique que l’hébergement en Allemagne, certifié ISO 27001, respecte le régime de protection des données du RGPD et relève de la souveraineté de l’UE.
De la simulation au matériel photonique réel
Ce pilote prolonge une démarche de développement amorcée par Q.ANT avec son kit de développement logiciel open source, le 23 septembre 2026. Cette version proposait des interfaces de programmation pour C et Python, des exemples d’applications, de la documentation et un moteur de simulation reposant sur un processeur central (CPU). Le nouveau programme permet aux utilisateurs approuvés de transférer ces applications sur des unités de traitement natives (Native Processing Units, NPU) physiques. Q.ANT fournit les pilotes, sa pile logicielle et l’intégration à PyTorch ; la compatibilité des modèles et des frameworks est définie lors de l’intégration.
La NPU exécute les fonctions non linéaires directement dans le domaine optique, au lieu de les décomposer en longues séquences d’opérations numériques sur des puces classiques à transistors. Selon Q.ANT, cette approche peut produire des résultats comparables, voire meilleurs, avec moins de paramètres, d’opérations et de ressources. Les charges de travail acceptées couvrent la vision industrielle, la prévision de séries temporelles, la simulation scientifique et la robotique, ainsi que l’inférence de grands modèles de langage et de modèles de fondation, l’IA physique et les modèles du monde.
La page du pilote de Q.ANT fait état de 40 % de paramètres en moins pour le traitement d’images et de 65 % en moins pour la prévision de séries temporelles, à précision égale. La bêta fermée vise à vérifier ces résultats à partir des données et des logiciels des utilisateurs. Cette variété de charges de travail permet à Q.ANT de déterminer dans quels cas le traitement optique non linéaire est utile, au-delà de ses premières applications de recherche.
Une évaluation structurée en vue d’un usage commercial
Après l’examen de leur candidature et un entretien vidéo, les participants reçoivent des tutoriels, des exemples de code et de la documentation. Des évaluations de leurs charges de travail suivent, puis le périmètre des tests est ajusté. Lors d’un atelier final, les indicateurs de consommation énergétique et de performances sont examinés, ainsi que l’adéquation à la production et une éventuelle phase suivante. Les participants restent propriétaires de leurs charges de travail, de leurs données et de leurs résultats, qui demeurent confidentiels ; seuls des enseignements agrégés et anonymisés tirés des échanges contribuent au développement du processeur et de la plateforme.
Ce pilote fait suite à l’accord commercial du 19 mai 2026, qui a fait d’IONOS le premier client commercial du Native Processing Server de Q.ANT. Q.ANT présente la NPU comme un coprocesseur destiné à certaines charges de travail d’IA, en complément des processeurs centraux (CPU) et des processeurs graphiques (GPU), et non comme un remplacement généralisé des GPU. La bêta fermée ajoute donc une évaluation menée par le client à une relation commerciale déjà établie, plutôt que d’inaugurer le partenariat.
Des tests indépendants révèlent des gains et des limites
Une évaluation du 21 avril 2026 réalisée par le Centre de calcul haute performance Leibniz fournit un point de comparaison indépendant. Le LRZ a testé les deux générations de NPU sur des tâches d’IA et de calcul haute performance (HPC). Il a indiqué que, dans le meilleur des cas, les puces de deuxième génération étaient jusqu’à 50 fois plus rapides, avec une accélération d’un facteur 25 pour la reconnaissance d’images à l’aide d’un réseau neuronal convolutif. Pour les charges de travail HPC habituelles, la consommation électrique a diminué d’environ 50 à 84 % entre la première et la deuxième génération, selon la complexité des calculs.
L’évaluation a également relevé des limites pertinentes pour le pilote. Les coprocesseurs ne peuvent pas effectuer toutes les opérations dans le domaine optique et doivent échanger en continu des données avec des processeurs classiques. L’efficacité énergétique est maximale lorsque les calculs restent sur l’unité optique, ce qui fait du transfert des données une contrainte de conception majeure. Le système analogique convertit les données avec une précision de 16 bits et doit tenir compte du bruit des photodétecteurs. Pour obtenir des résultats plus précis, il faut répartir les tâches complexes entre plusieurs opérations et utiliser des outils logiciels plus sophistiqués. Les chercheurs du LRZ ont estimé que les puces pourraient être prêtes à être déployées dans des grappes d’IA après un ou deux cycles de développement supplémentaires.
Le pilote permet désormais aux clients d’évaluer ces questions eux-mêmes : la place du coprocesseur photonique aux côtés des CPU et des GPU dans les infrastructures d’IA de production dépendra de la capacité des gains annoncés à se confirmer avec des charges de travail réelles, malgré les contraintes liées au transfert des données et aux logiciels.
