Stéphane Requena

Vous voulez voir à quoi servent les supercalculateurs de @Genci_fr ? voila les Grands Challenges académiques et industriels #HPC et #IA sur Jean Zay à IDRIS @CNRS 🚀 @sup_recherche @Inria @FranceUniv @CEA_Officiel @SGPI_avenir @ReVe6el @AvrinGuillaume 🚀 genci.fr/sites/default/…

@bronzeagepapi This one is the new one

Meta’s Second Generation AI Chip: Model-Chip Co-Design and Productionization Experiences dl.acm.org/doi/10.1145/36…

Today it’s #WorldQuantumDay and also the inaugural of Lucy — the world’s most powerful photonic #quantum computer 🚀 @Quandela_off @Genci_fr @CEA_Officiel @EuroHPC_JU located in 🇫🇷🇪🇺💪

@pradeeepk @dylan522p Same remark is highly valuable for running on GB300 and future NVIDIA systems too

OpenAI ported their entire code base to ARM so that they can use $AMZN graviton CPUs as CPUs capacity is very short source @dylan522p

@YannickKERHERVE @siliconcarnesf C est clair OpenAI brûle 12 milliards de cash par quarter il faut donc couper dans les dépenses, stargate en pause, SOra à la trappe etc

@siliconcarnesf L'électricité était déjà beaucoup plus chère au moment de l'annonce du projet, probablement dans les mêmes proportions. Ne serait-ce pas plutôt qu'ils avaient vu trop gros et qu'il n'y a pas de sous dans la caisse ? Plus facile d'annoncer des projets que de les financer.

OpenAI vient de geler son projet Stargate au Royaume-Uni. Le plan prévoyait 8 000 GPU NVIDIA au premier trimestre 2026, avec une montée en puissance vers 31 000 GPU à terme. C'est mort, du moins pour l'instant. Raison invoquée : le coût de l'énergie et l'environnement réglementaire. Les chiffres parlent d'eux-mêmes. L'électricité industrielle britannique coûte environ quatre fois plus cher qu'aux États-Unis. Quatre fois. Quand on construit des data centers qui consomment autant qu'une petite ville, le multiplicateur devient vite rédhibitoire. Ajoutez à ça un cadre réglementaire que même les entreprises les plus motivées trouvent décourageant, et vous obtenez un projet qui "pause" indéfiniment. OpenAI a sorti la formule diplomatique habituelle : "Nous voyons un énorme potentiel pour l'avenir de l'IA au Royaume-Uni", "Londres accueille notre plus grand hub de recherche international". Traduction : on garde nos bureaux, on construit nos GPU ailleurs. Le communiqué précise que le projet reprendra "quand les bonnes conditions, notamment la réglementation et le coût de l'énergie, permettront un investissement à long terme dans les infrastructures." Autant dire : pas demain. Le Royaume-Uni voulait devenir une puissance souveraine en calcul IA. C'était l'ambition affichée du partenariat avec NVIDIA. Sauf que la souveraineté, ça se paie en mégawatts et en pragmatisme réglementaire. Tant que les gouvernements européens traiteront l'IA comme un problème à encadrer plutôt qu'une infrastructure à alimenter, les GPU iront là où l'électricité est bon marché et les permis rapides.

@HowToAI_ Guys @kyutai_labs is doing the same since 2 years 🤗

🚨 BREAKING: NVIDIA just removed the biggest friction point in Voice AI They open-sourced PersonaPlex 7B, a real-time conversational model. It listens and speaks simultaneously to handle natural interruptions and overlaps. 100% Open Source.

@larroumecj @Doc_Rogno @erictartanson Et qui derrière utilise des supercalculateurs …

@Doc_Rogno @erictartanson Le terme de super calculateur est un truc de journaliste. En fait c’était seulement un très gros data center pour servir de l’Ia en saas.

Bon, je lis comme d'habitude des tonnes de remarques totalement à l'Ouest sur les raisons de l'échec d'implantation d'un supercalculateur. Non le problème ce n'est pas le montant des subventions, la commission, l'Allemagne, le marché européen de l'énergie, la CGT ou le résultat des municipales. (Même si on aurait beaucoup de choses à dire sur tout ça.) Le problème c'est l'absence de marché. Une entreprise s'installe là où il y a des clients. FluidStack est parti parce qu'Anthropic, un seul client américain, lui a offert un contrat plus gros que tout ce que la France proposait. La France n'a pas de demande organisée assez grosse pour justifier l'installation de centres de calcul IA de cette taille. Mais comme je l'explique dans cet excellent article que je vous encourage à lire ( le sale petit secret oublié de la puissance x.com/larroumecj/sta… ) cela peut se régler assez facilement. Étape 1 : un programme militaire d'IA à 2 milliards par an. C'est un sixième du coût de la dissuasion nucléaire, pour une technologie du même niveau de criticité. Ça crée un premier client garanti. Étape 2 : rendre obligatoire, sans dérogation, l'hébergement souverain pour toutes les données sensibles de l'État et des opérateurs d'importance vitale (énergie, transport, santé, défense). Aujourd'hui c'est théoriquement requis par la doctrine « Cloud au centre », mais en pratique tout le monde prend la dérogation. Quand c'est réellement obligatoire, c'est plusieurs milliards de commandes redirigées d'un coup. Étape 3 : étendre aux entreprises publiques. EDF, SNCF, La Poste, banques régulées. Et rappellons que si on peut faire tout ça, c'est grâce à l'article 346 du Traité de Rome négocié par De Gaulle en 1957 (oui, à peu près 100% des trucs qui font que la France peut s'en sortir en 2026 viennent d'un mec né au XIXe siècle.) Le chemin est clair, simple, évident. Il nous reste à avoir le courage de l'emprunter.

@larroumecj @babgi Oui sur le 2) attention sur le 1) les contraintes ne sont pas les mêmes entre le monde militaire et le reste !

@bfmbusiness @ErwanMorice C est du réchauffé cette info ! Ca fait plusieurs mois que c est connu

La France perd un supercalculateur à 10 milliards d'euros 🫠 L'entreprise britannique Fluidstack s'était engagée lors de Choose France 2025 à construire un supercalculateur IA. Moins d'un an plus tard, elle se retire et déplace le projet aux États-Unis. 🎙️ @ErwanMorice

@GauthierBaudin Revoir la défense et la mêlée

Bon, maintenant qu’on est un peu redescendu, quel bilan on tire du match ?

@BetterCallMedhi La Chine identifie aussi six « industries du futur » (quantique, fusion nucléaire, 6G, interface cerveau-machine, IA embarquée et bio-manufacturing).

@BetterCallMedhi Merci pour cet article et oui il nous manque la vision moyen/long terme 🇫🇷🇪🇺. Le nouveau quinquennal c est aussi l'intelligence artificielle, du quantique, de la dronisation et de la robotisation à grand échelle,la biotechnologie et le spatial 🇨🇳

la Chine vient de publier son 15ème plan quinquennal et je vous conseille de lire ce tableau ligne par ligne parce que c'est probablement le document le plus important de 2026 et personne en France n'en parlera ce qui me fascine c'est pas forcément un chiffre en particulier c'est pas la vision systémique, dans un seul document ils planifient simultanément la croissance du PIB, les brevets à haute valeur, l'économie numérique à 12.5% du PIB, la part des énergies non fossiles à 25%, la réduction des émissions CO2, la qualité de l'eau de surface à 85%, l'espérance de vie à 80 ans, le taux de couverture forestière, la capacité de production céréalière, TOUT dans le même tableau avec des objectifs chiffrés à horizon 2030 & des indicateurs contraignants en occident on traite l'économie l'écologie l'éducation, la santé et la sécurité énergétique comme des ministères séparés qui se battent pour des budgets, la Chine les traite comme les organes d'un même corps, chaque ligne de ce tableau nourrit les autres, l'urbanisation alimente la productivité, la R&D alimente les brevets, les brevets alimentent l'économie numérique, l'énergie non fossile alimente l'indépendance stratégique, c'est un système pensé pour que chaque variable accélère toutes les autres et ça reflete tellement la vision profondément HOLISTIQUE de la Chine dont je parle souvent en bon propagandiste du CCP regardez par ex la ligne 5, brevets à haute valeur passer de 16 à plus de 22 pour 10 000 habitants d'ici 2030, c'est la ligne la plus silencieuse du tableau et probablement la plus décisive car sachez qu’un brevet à haute valeur c'est la propriété intellectuelle d'une technologie qui va structurer un marché pendant 20 ans MINIMUM on voit que la Chine planifie littéralement à qui appartiendra le futur technologique, les licences & les dépendances que les autres pays accumuleront vis-à-vis des technologies chinoises & ça représente EXACTEMENT la colonisation économique, technologique et industrielle du XXIème siècle dont je vous parle souvent à travers mes threads sur l’écosystème Chinois mais avec des brevets au lieu de canons pendant que l'Europe débat et que l'Amérique bombarde, la Chine planifie, construit et exécute et le + effrayant c'est que historiquement selon leurs propres bilans les plans précédents ont été exécutés à plus de 90% de leurs cibles…. la différence entre les promesses court termistes des dirigeants européens comme Macron qui changent tous les 5 ans et le CCP qui se projette sur minimum 50 ans c’est que ce tableau n'est pas un programme électoral, c'est littéralement un cahier des charges national et ça change radicalement la manière dont il faut lire chaque chiffre

@BetterCallMedhi Le plan liste ainsi 10 industries « émergentes » : semi-conducteurs, robots humanoïdes, sciences du vivant, batteries next génération, fusées réutilisables, aéronautique avec le C929, drones de basse altitude, hydrogène vert, interface cerveau-machine et équipements médicaux.

@rohanpaul_ai The strengh of groq relies on SRAM but also and mainly on deterministic software defined architecture using a very smart compiler

Groq (recently acquired by Nvidia) is massively expanding its partnership with Samsung by increasing their order from 9,000 wafers to about 15,000. According to industry sources. Groq just asked Samsung Foundry to boost 4nm chip production by 70% to 15,000 wafers. While Nvidia dominates chips that train AI, running those learned models demands too much electricity. Groq solves this using Static Random Access Memory, or SRAM, instead of high bandwidth memory. Because SRAM sits beside computing cores, data processes instantly while slashing power and costs. Nvidia will likely reveal a new inference chip based on this SRAM design in sometime in 26. --- The AI world is divided into training and inference. Training is the "schooling" phase, while inference is when the AI actually does its job. NVIDIA and AMD are the masters of training hardware, but because those chips eat up so much energy, there is a shift toward inference-heavy chips. This is why NVIDIA acquired Groq indirectly, aiming to build a massive presence in the inference market before anyone else catches up.

@larroumecj @babgi Très bon travail merci, est ce que votre étude aborde aussi les causes environnementales sur la baisse de la fécondité ?

Je vous partage ici ce qui est je pense la modélisation la plus ambitieuse que j'ai pu faire et qui existe en matière de démographie. Elle repose sur un concept qui j'espère fera florès : le découplage démographique. L'idée est simple : 1. la tendance mondiale qui frappe tous les pays est à l'effondrement des naissances. 2. l'enjeu est donc de découpler son pays des tendances démographiques mondiales. 3. pour ce faire, des mesures ciblées ne suffisent pas. La baisse des naissances étant multifactorielle, il faut attaquer ces multiples facteurs de front pour créer un environnement pro-naissance suffisamment puissant pour pouvoir se découpler des tendances mondiales. La France des années 2000 étant proche d'atteindre le découplage. Elle peut y arriver. Mon modèle : * intègre la chute mondiale des naissances, et permet de faire varier la force de cette chute * décompose l'effondrement des naissances en 14 facteurs identifiés par la littérature, et estime la part de chaque facteur. Modélise aussi 6 boucles d'interactions entre facteurs (ex : le logement qui repousse l'âge de la première grossesse et freine la mise en couple) * identifie l'impact mesuré dans la littérature des 17 meilleures mesures sur ces 14 facteurs. Et permet donc de définir des politiques publiques les plus efficientes et transverses, et d'optimiser les dépenses. * modélise le vrai coût économique d'une démographie en berne : perte de productivité par quatre canaux (vieillissement direct, ralentissement de l'innovation, éviction fiscale de l'investissement, perte d'effet d'échelle du marché intérieur), fuite des cerveaux par pression fiscale croissante sur les actifs qualifiés, et explosion de la charge vieillesse. * ajoute un modèle de politique migratoire réaliste, qui interagit avec tout le reste du modèle en distinguant différents types d'immigration, avec leurs taux d'emploi et de productivité différenciés, leur impact sur le PIB par habitant, la charge fiscale nette et l'innovation, tout en modélisant l'effet sur la fécondité nationale. Ce modèle permet d'arriver à une conclusion forte : Ceux qui pensent qu'on ne peut rien faire et que l'effondrement est une fatalité ont tort. Ceux qui pensent qu'il suffit de quelques mesures fortes du type "déplafonner le quotient familial", ont tort. La réalité est que nous pouvons relancer la démographie française, mais il nous faut au moins 20 milliards par an, et plutôt 40 milliards. Ça semble cher, mais ce n'est que 6 à 12% de ce que nous mettons aujourd'hui dans les retraites, et le rendement économique d'une telle politique est massive. Ne rien fait au contraire signifie que notre système explose totalement à l'horizon 2050, 2060 au plus tard. Plus nous attendons, plus le coût sera élevé et la situation irréversible. Je vous laisser explorer le modèle ici : #demographie" target="_blank" rel="nofollow noopener">francetdb.com/#demographie (plus pratique sur fixe que sur mobile cependant) La prochaine fois que vous entendez parler d'effondrement démographique, rappelez-vous seulement trois choses : 1. c'est gravissime mais ce n'est pas une fatalité 2. la politique migratoire seule ne nous sauvera pas 3. il ne faut pas quelques mesures, mais un écosystème complet afin de découpler le régime démographique français des tendances mondiales. Si vous voulez plus de détail, la présentation détaillée du modèle est ci-dessous. 👇

@JeromeColombain 900 millions @JeromeColombain 😏

900 milliards pour inventer une nouvelle génération d’IA, censée dépasser les limites actuelles des modèles dominants. Le pari de Yann Le Cun est audacieux et pourrait ouvrir la voie à une IA « à la française ». Mais il est loin d’être gagné face à la progression phénoménale et aux moyens démesurés des LLM (IA générative actuelle). J’y reviens demain dans Monde Numérique. Stay tuned.

@rohanpaul_ai A Good reason to partition the GPU is x instances in order to use properly the vast amount of memory provided

The memory required by Nvidia AI chips is surging massively, with the new Rubin needing 288GB. Their upcoming Rubin chip needs 288GB of RAM just to operate. To put that into perspective, that is 800% more memory than you will find in a top-tier desktop computer. It is also 2300% more than what is inside a high-end smartphone. Large-scale purchases by OpenAI and Alphabet have depleted supply, driving 16GB DDR4 prices up 2352% to $76.90 and causing a massive global memory shortage. The global memory chip shortage is completely out of control. Hardware manufacturers simply cannot make memory chips fast enough to keep up with the demands of these new AI processors. Chart from Bloomberg.

@PVynckier Regarding @pasqal_quantum an important reference is missing in 🇫🇷 genci.fr/en/news/inaugu…

French Quantum Computing Companies 2026 quantumzeitgeist.com/french-quantum…

@M0_R4_H4 @tomshardware Have a look on the number of GPUs used ?

@tomshardware Lol. Matches the GB200 inferencex.semianalysis.com

ISSCC 2026: AMD discloses how the Instinct MI355X doubled per-CU throughput despite lower compute unit count — 'We are actually matching the performance of the more expensive and complex GB200' tomshardware.com/tech-industry/…

The DeepSeek narrative was always “2,000 H800 chips, $5.6 million, and Chinese ingenuity beat $100 billion in American spending.” That story just collapsed in 72 hours. On Sunday, Reuters confirmed via a senior Trump administration official that DeepSeek’s upcoming V4 model was trained on smuggled Blackwell chips clustered in an Inner Mongolia data center. On Monday, Anthropic published detailed evidence that DeepSeek ran 150,000+ exchanges through 24,000 fraudulent accounts to distill Claude’s reasoning capabilities. Google followed the same day, reporting 100,000+ prompts targeting Gemini’s reasoning traces. And today, Reuters reports DeepSeek is withholding V4 from Nvidia and AMD entirely, giving Huawei weeks of early access instead, because showing the model to American chipmakers would expose which hardware actually produced it. That sequence tells you everything. DeepSeek plans to launch V4 claiming it was built on Huawei chips. The U.S. government is saying, on the record, that’s a lie they’re watching DeepSeek prepare to tell. Count the dependencies. Smuggled Nvidia Blackwell chips they can’t legally possess. Distilled reasoning from OpenAI, Anthropic, Google, and xAI they can’t legally access. And now a cover story attributing the results to Huawei hardware that didn’t produce them. The “$5.6 million training run” was always a mirage. SemiAnalysis estimated DeepSeek’s parent company spent $500M+ on Nvidia GPUs. The founder admitted in 2023 to stockpiling 10,000 A100s before the export ban hit. The real V3 training cost was $5.87 million for the final run alone, excluding all prior R&D, ablation experiments, and data costs. And those numbers assumed legally obtained hardware. What the last 72 hours reveal is a company that simultaneously needs banned American chips to train, banned American models to teach, and a fabricated origin story to ship. Anthropic made the point explicitly: “Without visibility into these attacks, the apparently rapid advancements made by these labs are incorrectly taken as evidence that export controls are ineffective.” The proof that chip bans don’t work was itself built on chip ban violations. The V4 launch will be fascinating to watch. DeepSeek will claim Huawei. The U.S. government has already told you that’s false. And every benchmark that follows will carry an asterisk the size of an Inner Mongolia data center.

We could see the world’s first 1.6nm chips debut at NVIDIA’s GTC 2026 keynote, with Feynman taking over the stage. wccftech.com/we-could-see-t…