Plateforme NVIDIA DSX : répondre aux contraintes de réseau et aux limites hydriques de l'Europe dans le déploiement des centres de données IA

La plateforme DSX de NVIDIA ajuste les charges de calcul selon les besoins du réseau, réduit la consommation d'eau et accélère le déploiement des centres de données IA en Europe.
Un centre de données conventionnel est généralement conçu autour d'un besoin électrique relativement prévisible. Une fois en service, il consomme de l'électricité pour alimenter ses équipements installés, laissant aux opérateurs de réseau le soin d'absorber cette demande.
Les installations d'IA compliquent cet équilibre. Leurs charges de calcul concentrées peuvent exercer une pression considérable sur les réseaux locaux, en particulier là où la capacité du réseau est déjà fortement sollicitée.
Le logiciel DSX Flex de NVIDIA vise à rendre ces installations plus réactives au système électrique qui les entoure. Au lieu de considérer la disponibilité de l'électricité comme une condition d'exploitation fixe, la plateforme peut ajuster les charges de calcul en fonction des exigences des opérateurs de réseau, des prix de l'électricité et des événements de réponse à la demande.
Elle coordonne également l'électricité prélevée sur le réseau avec la production renouvelable sur site et le stockage d'énergie.
Les implications pratiques sont apparues plus clairement lors d'un premier essai impliquant NVIDIA, Emerald AI, EPRI, Nebius et National Grid au Royaume-Uni. Un cluster de GPU Blackwell Ultra a réduit sa consommation électrique de jusqu'à 40 pour cent pendant des événements de réseau simulés, tout en continuant à prendre en charge des charges de travail critiques.

Ce résultat n'établit pas comment chaque installation d'IA commerciale se comporterait lors d'une véritable urgence de réseau. Il apporte toutefois la preuve qu'une partie de la demande de calcul peut être ajustée sans interrompre des opérations essentielles.
Pour les opérateurs de réseau européens, une telle flexibilité pourrait faire une différence significative. Une installation capable de réduire sa demande pendant les périodes de tension sur le réseau pose un défi de planification différent de celui d'une installation exigeant en permanence son allocation maximale.
Cela pourrait aussi modifier la relation entre les développeurs de centres de données et les autorités locales. Les projets disposeraient d'un moyen supplémentaire de démontrer que leurs besoins électriques ne se traduisent pas nécessairement par une charge inflexible sur les infrastructures environnantes.
Il existe des limites. Une consommation flexible ne peut pas créer de capacité de réseau là où il n'y en a pas, et les exploitants ont toujours besoin d'approvisionnements fiables pour les charges de travail qui ne peuvent être interrompues. La valeur de DSX Flex dépendra en partie de la quantité d'activité de calcul pouvant être déplacée ou modérée dans des conditions d'exploitation réelles.
Plus de production d'IA à partir de la même alimentation électrique
Un autre volet de la stratégie de NVIDIA concerne l'électricité déjà allouée à une installation.
DSX MaxLPS gère l'énergie de manière dynamique entre les équipements de calcul, plutôt que de supposer que chaque composant doit fonctionner à un niveau maximal fixe. NVIDIA affirme que cette approche peut produire le même nombre de tokens d'IA tout en consommant jusqu'à 30 pour cent d'électricité en moins.
L'alternative consiste à utiliser ce gain d'efficacité pour accueillir davantage de GPU et générer une production supplémentaire sans augmenter l'allocation électrique existante de l'installation.
Les premiers tests indiquent l'ampleur de ce compromis.
Lambda a enregistré une augmentation de 24 pour cent de la génération de tokens du cluster et a pris en charge 19 pour cent de capacité GPU supplémentaire sur des systèmes HGX B200. En Islande, Nscale a rapporté un débit d'inférence supérieur de 49 pour cent et une capacité GPU gérée supérieure de 37 pour cent sur quatre baies GB300 NVL72 fonctionnant dans un budget électrique de 264 kilowatts.
Il s'agit de résultats de validation de concept, et non de garanties de performances équivalentes sur toutes les installations. Leur importance tient à ce qu'ils montrent comment une allocation logicielle de l'énergie peut influer sur l'économie des infrastructures de calcul.
Un développeur incapable d'obtenir un raccordement au réseau plus important pourrait néanmoins accroître sa capacité de calcul commerciale. Cela serait particulièrement attractif sur les marchés européens où les nouveaux raccordements électriques sont difficiles à obtenir.
Mais il existe une distinction importante entre améliorer l'efficacité énergétique et réduire la consommation totale d'énergie.
Si les exploitants utilisent les économies disponibles pour installer davantage de processeurs, l'installation pourrait continuer à consommer à peu près la même quantité d'électricité tout en produisant davantage de résultats d'IA. Un tel résultat améliorerait la productivité sans nécessairement alléger la pression sur le réseau local.
Pour les décideurs politiques, cette distinction comptera lorsqu'il s'agira d'évaluer les affirmations sur les bénéfices environnementaux des infrastructures d'IA.
Refroidir sans consommer des millions de litres d'eau
L'électricité n'est qu'une contrainte parmi d'autres en matière de ressources. L'évacuation de la chaleur d'équipements de calcul de plus en plus denses est devenue un autre problème d'ingénierie majeur.
Les tours de refroidissement traditionnelles reposent sur l'évaporation pour évacuer la chaleur, ce qui consomme des quantités considérables d'eau. Le refroidissement par air, quant à lui, devient plus difficile à appliquer à mesure que des processeurs d'IA plus puissants sont concentrés dans des baies individuelles.
L'architecture de référence DSX de NVIDIA utilise un refroidissement liquide en circuit fermé combiné à des refroidisseurs secs extérieurs. Le liquide évacue la chaleur des équipements de calcul, tandis que les refroidisseurs secs la transfèrent à l'air ambiant sans recourir à l'évaporation de l'eau.
Dans des conditions appropriées, cette configuration peut ramener la consommation d'eau de refroidissement de l'installation à un niveau proche de zéro.
NVIDIA estime qu'un déploiement de 2 gigawatts utilisant DSX pourrait économiser 54 millions de litres d'eau par jour par rapport aux tours de refroidissement conventionnelles. L'entreprise assimile ce volume à la consommation quotidienne d'environ 180 000 foyers.
Ce chiffre illustre l'ampleur potentielle des économies d'eau, bien qu'il repose sur les estimations de NVIDIA plutôt que sur des performances mesurées lors d'un déploiement achevé de cette taille.
Le climat compte aussi. Pendant les périodes de températures extérieures élevées, le refroidissement sec peut nécessiter un refroidissement mécanique d'appoint pour maintenir les conditions d'exploitation nécessaires. Cela peut accroître la demande électrique même lorsque la consommation d'eau par évaporation reste minimale.
Les développeurs européens devront donc évaluer la performance énergétique et hydrique combinée de chaque site plutôt que de supposer qu'une conception de refroidissement donnée apporte les mêmes bénéfices partout.
L'incitation commerciale plus large est claire. Là où les prélèvements d'eau sont strictement réglementés, réduire la consommation peut lever un obstacle substantiel du processus de planification et d'autorisation.
Des chantiers aux infrastructures fabriquées en usine
NVIDIA cherche également à raccourcir le délai entre l'obtention d'un site et la mise en service de la capacité de calcul d'IA.
Son concept DSX POD regroupe l'infrastructure dans des unités modulaires standardisées, testées en usine, conçues autour de la plateforme Vera Rubin à venir, avec des livraisons prévues à partir du début de 2027.
En travaillant avec des entreprises telles que Schneider Electric, Vertiv, Bull, Dell, HPE et Lenovo, NVIDIA vise à réduire les délais de déploiement sur site d'environ six mois à seulement 14 jours.
Ce calendrier plus court s'applique aux sites préparés à l'avance. Il n'élimine pas le besoin de raccordements au réseau, d'autorisations d'urbanisme ou des autres infrastructures nécessaires avant l'installation.
Le changement concerne l'endroit où s'effectue une grande partie du travail d'ingénierie.
Au lieu d'assembler et de tester individuellement de nombreux systèmes sur un chantier, les fabricants peuvent les intégrer dans des unités standardisées avant livraison. Cela offre la possibilité de réduire la complexité sur site et d'améliorer la cohérence entre les installations.
NVIDIA étend la même philosophie au processus de conception.
Son logiciel DSX Sim et sa SimReady Central Library, disponibles via Hugging Face, prennent en charge des modèles numériques d'installations avant le début de la construction physique. Les ingénieurs peuvent utiliser ces jumeaux numériques pour examiner les interactions entre les équipements électriques, les systèmes de refroidissement et l'infrastructure de calcul.
Cela devient particulièrement précieux lorsque les installations combinent des équipements de plusieurs fabricants. Identifier un problème de conception thermique ou électrique dans une simulation est généralement moins perturbant que de le découvrir après l'installation.
Les composants open source de DSX OS, notamment Config Manager, Rack Management Service et Cluster Readiness Engine, visent à automatiser une partie de la configuration, de la surveillance et de la préparation de l'infrastructure.
Ensemble, ces outils dessinent un processus de fabrication plus reproductible pour l'infrastructure d'IA, bien que les économies de déploiement proposées restent tributaires de la préparation du site et d'une intégration réussie.
Pourquoi les entreprises industrielles européennes comptent
L'initiative DSX révèle aussi à quel point l'industrie de l'IA dépend désormais d'entreprises traditionnellement associées à l'ingénierie électrique, à l'automatisation industrielle et aux systèmes de bâtiment.
Siemens, ABB, Schneider Electric, AVEVA, Dassault Systèmes, Eaton, Trane Technologies et Vertiv figurent parmi les entreprises qui intègrent des équipements ou des logiciels d'ingénierie dans l'écosystème.
Leur implication est plus substantielle qu'une relation de fournisseur conventionnelle.
ABB a intégré des modèles numériques de ses appareillages moyenne tension et de ses systèmes d'alimentation sans interruption dans Omniverse DSX au cours de 2026. Siemens a développé des plans IEC et UL pour l'infrastructure Vera Rubin, prenant en charge la simulation électrique, thermique et acoustique avant construction.
Une telle intégration rapproche les décisions d'ingénierie industrielle des tout premiers stades de la conception des systèmes de calcul.
Elle donne aussi aux fabricants d'équipements européens établis une position potentiellement influente dans l'expansion de l'infrastructure d'IA. Leurs produits deviennent partie intégrante des architectures de référence autour desquelles les futures installations pourraient être conçues.
Pour NVIDIA, l'avantage réside dans un écosystème capable de soutenir ses plateformes de calcul au-delà du processeur lui-même. Pour les partenaires industriels, cela crée des opportunités de fournir des systèmes de distribution électrique, de refroidissement et de contrôle de plus en plus spécialisés.
Les exploitants de centres de données traditionnels pourraient devoir s'adapter plus difficilement. Les installations construites autour d'un refroidissement gourmand en eau ou d'une consommation électrique relativement inflexible pourraient devenir moins compétitives face à des installations conçues dès le départ pour tenir compte des contraintes de ressources.
La pression ne viendra pas uniquement des performances de calcul. Elle pourrait aussi découler des conditions imposées par les opérateurs de réseau, les régulateurs environnementaux et les autorités locales d'urbanisme.
L'expansion de l'infrastructure d'IA en Europe devient par conséquent un défi d'ingénierie industrielle autant qu'un défi de calcul. Des processeurs plus rapides restent précieux, mais leur utilité commerciale dépend de plus en plus de la capacité des développeurs à fournir l'électricité, le refroidissement et les installations physiques nécessaires à leur fonctionnement.
L'architecture proposée par NVIDIA offre aux exploitants davantage de moyens de composer avec ces contraintes. Le choix entre utiliser les gains d'efficacité pour réduire la demande de ressources et les utiliser pour accroître la capacité de calcul reste toutefois en suspens.
Un centre de données qui produit sensiblement plus de résultats d'IA dans le cadre de son allocation électrique existante peut être un succès commercial. Pour un réseau européen déjà en difficulté pour absorber de nouveaux raccordements, la question plus déterminante est de savoir si cette même installation peut, de manière fiable, renoncer à une partie de son allocation lorsque le système électrique environnant en a besoin.
Sources : Nvidia News, TNW, ABB, CNBC
