La startup française Kog remet en question la perception selon laquelle les unités de traitement graphique (GPU) seraient mal adaptées aux flux de travail agentiques en intelligence artificielle. L’entreprise affirme pouvoir extraire davantage de capacités d’inférence de ces processeurs, défiant ainsi une idée reçue répandue dans le secteur.
Jusqu’à présent, l’idée prévalait que les GPU, bien qu’excellents pour le calcul parallèle intensif des grands modèles de langage, peinaient à gérer les séquences d’opérations dynamiques et itératives propres aux architectures d’agents autonomes. Kog propose une approche qui consiste à « aller plus en profondeur » dans l’optimisation de l’utilisation des GPU, afin de maximiser leur rendement pour ces tâches complexes et séquentielles.
Cette initiative, si elle se concrétise, pourrait modifier l’évaluation de l’infrastructure matérielle requise pour le développement de l’IA agentique. Elle suggère une piste pour repenser l’efficacité des ressources de calcul existantes face aux exigences croissantes des modèles d’IA avancés, ouvrant la discussion sur le potentiel inexploité des GPU dans des domaines où leur pertinence était jusqu’alors débattue.
Source : TechCrunch AI