La folle ruée des Européens pour les climatiseurs chinois fait beaucoup parler, mais une question se pose :
Ceux qui auraient le plus besoin de la climatisation, ne seraient-ils pas les supercalculateurs d'IA (doge) ?
Au Royaume-Uni, un incident récent vient illustrer ce propos :
Dawn, l'un des supercalculateurs d'IA les plus puissants du pays, a été totalement hors service pendant une semaine entière, victime d'une vague de chaleur dépassant les 30°C.
Les caractéristiques de cette machine, hébergée à l'Université de Cambridge, sont impressionnantes :
Pièce maîtresse du plan national britannique de 300 millions de livres sterling pour la puissance de calcul dédiée à l'IA, elle est équipée de 1024 GPU Intel, de 256 serveurs à refroidissement liquide et soutient plus de 350 projets de recherche.
En janvier dernier, elle a bénéficié d'une extension et d'une mise à niveau de 36 millions de livres sterling, promettant une multiplication de ses performances par six.
Fin juin, une vague de chaleur est arrivée... et l'a mise hors service.
Le plus ironique ? Parmi les recherches en cours sur cette machine, on trouve des simulations du changement climatique.
Ah bon ? La machine censée prédire le réchauffement climatique a été vaincue par le réchauffement climatique.
37,7°C, l'« heure la plus sombre » d'un supercalculateur national
Voici ce qui s'est passé.
En juin de cette année, le Royaume-Uni a connu la vague de chaleur de juin la plus intense jamais enregistrée.
Le 26 juin, la température a atteint 37,7°C à Lingwood, dans le Norfolk, battant le record de juin de 35,6°C établi en 1957 et 1976.
Le Met Office britannique a émis, fait rare, une alerte rouge extrême à la chaleur pendant trois jours consécutifs.
Plus de 1000 écoles ont fermé, les signaux ferroviaires ont dysfonctionné à cause de la chaleur, la chaussée des routes a commencé à fondre.
Puis, le 27 juin, alors que la chaleur atteignait son pic, le système de refroidissement du centre de données de Cambridge West, qui héberge le supercalculateur Dawn, a cédé.
(N.D.A. : Lingwood et Cambridge se trouvent toutes deux dans l'est de l'Angleterre, distantes d'environ 103 km)
Dawn s'est arrêté.
△
Après l'incident, un porte-parole de l'Université de Cambridge a déclaré :
Dawn a connu des problèmes techniques durant la période de forte chaleur. Sa capacité de refroidissement est entièrement rétablie, et l'accès devrait rouvrir le 6 juillet.
Sans préciser la cause exacte, le fait est là :
Du 27 juin au 6 juillet, Dawn est resté « au frais » pendant plus d'une semaine.
Pour un supercalculateur qui coûte cher à l'heure et fait avancer la recherche à chaque seconde, cette semaine d'arrêt est véritablement dramatique.
Les premières victimes sont déjà identifiées.
L'équipe du professeur Vendruscolo de Cambridge utilisait Dawn pour cribler des molécules de nouveaux médicaments contre la maladie de Parkinson.
La capacité d'apprentissage automatique de Dawn permet de cribler des milliards de molécules en quelques jours pour trouver des composés capables de se lier aux agrégats protéiques liés à la maladie de Parkinson.
Avec les méthodes traditionnelles ? Il faudrait au moins six mois, des millions de livres sterling, et on ne couvrirait qu'une petite fraction de ce que Dawn peut traiter en quelques heures.
Une semaine d'arrêt, c'est la chaîne de production vitale qui s'interrompt.
Lennard Lee, de l'Université d'Oxford, responsable du projet britannique d'IA et de supercalculateur pour les vaccins contre le cancer, a obtenu pour son équipe un quota de 10 000 heures GPU sur Dawn, pour accélérer par l'IA la découverte de cibles pour des vaccins anticancéreux personnalisés.
Lee avait déclaré un jour :
Ce qui prenait des années peut désormais être accompli en quelques semaines.
Bien qu'il ait indiqué après coup qu'il n'y avait eu aucune perte de données ni besoin de refaire le travail, le soulagement perceptible dans ses propos montre à lui seul la gravité du problème.
En outre, le modèle de prévision de la banquise IceNet, entraîné sur Dawn par le British Antarctic Survey, a été suspendu. Le projet de détection par IA du cancer du rein du doctorant de Cambridge Bill McGough, également entraîné sur Dawn, a été interrompu... Sur les 350 projets hébergés sur Dawn, presque aucun n'a été épargné.
Et le responsable de tout cela ? Une simple température de 37,7°C.
Le « coupable » est donc identifié. Mais qui est responsable, concrètement ?
En cherchant un responsable, personne ne semble vouloir endosser la responsabilité.
Le système de refroidissement de Dawn est fourni par USystems, filiale du groupe français Legrand. Après l'incident, USystems a publié une déclaration :
Notre équipement a fonctionné parfaitement selon ses spécifications de conception tout au long de l'événement, avec une performance normale.
Traduction : Le refroidissement a lâché, mais ce n'est pas de notre faute, notre équipement n'était tout simplement pas conçu pour ces températures.
Alors, les normes de conception étaient-elles trop conservatrices, ou le changement climatique est-il trop rapide ?
La réponse est probablement : les deux.
Le record historique de température extrême pour un mois de juin au Royaume-Uni n'était que de 35,6°C. Il est fort probable que le système de refroidissement de Dawn ait été conçu pour cette échelle.
37,7°C, c'est au-delà des spécifications.
Et ce « dépassement » est arrivé sans prévenir, car le dernier record remontait à près de 50 ans.
Dawn n'est d'ailleurs pas la seule victime.
La même semaine, l'hôpital Queen Alexandra de Portsmouth a connu une défaillance de ses groupes de refroidissement, déclarant un incident majeur.
Salles d'opération, salle de cathétérisme cardiaque, services d'imagerie... tout à l'arrêt. L'hôpital a même conseillé aux patients :
Apportez beaucoup d'eau à boire, car l'hôpital est très chaud.
Le Norfolk and Norwich University Hospital (NNUH) a eu encore plus de mal :
Tous les systèmes de refroidissement des scanners IRM ont dysfonctionné à cause de la chaleur et de l'humidité élevées, entraînant l'annulation d'au moins 254 consultations externes.
Donc, d'une certaine manière :
Ce n'est pas le supercalculateur qui est fragile, c'est toute l'infrastructure de régulation thermique du Royaume-Uni qui n'était pas préparée à ce type de temps.
Comment une trentaine de degrés peut-elle paralyser un supercalculateur ?
Si l'on considère une plus longue période, l'incident de Dawn n'a rien de surprenant.
En juillet 2022, le Royaume-Uni avait connu ses journées les plus chaudes de l'histoire à l'époque (40,3°C).
Le système de refroidissement du centre de données de Google à Londres avait connu des « défaillances simultanées de plusieurs systèmes redondants », obligeant à l'arrêt pour protéger le matériel. Les services de Google Cloud dans la région de Londres avaient été interrompus pendant plus de 18 heures avant un rétablissement complet.
△
Le centre de données d'Oracle dans le sud de Londres est tombé en panne le même jour. La déclaration d'Oracle a utilisé un terme intéressant : « températures non saisonnières ».
De 2022 à 2026, quatre ans plus tard, un incident similaire se reproduit.
On peut se demander : ce problème est-il si difficile, au point d'être impossible à prévenir à l'avance ?
En réalité, paralyser un supercalculateur avec une trentaine de degrés a ses raisons, et le principal goulot d'étranglement est le refroidissement.
Surtout en Europe, où les équipements utilisent généralement le refroidissement naturel, qui dépend intrinsèquement de la température extérieure.
Comment comprendre cela ?
Tous les systèmes de refroidissement, aussi avancés soient-ils, doivent finalement évacuer la chaleur vers l'air extérieur. La température de cet air est le goulot d'étranglement ultime de toute la chaîne.
Cette chaîne fonctionne ainsi :
La puce transmet sa chaleur au dissipateur thermique, qui la transmet au liquide de refroidissement ou à l'air, qui la transmet à la tour de refroidissement, qui la transmet à l'atmosphère.
L'atmosphère est le dernier maillon de la chaîne.
Alors, quand l'atmosphère elle-même atteint 37°C, elle commence à saturer.
Concrètement, lorsque la température extérieure passe de 20°C à 37°C, l'efficacité de refroidissement des tours de refroidissement et des refroidisseurs secs peut chuter de 40 à 50%.
Pourquoi ne pas utiliser la climatisation ? Parce que les compresseurs voient leur efficacité diminuer et leur courant augmenter à haute température, risquant la surchauffe et le déclenchement.
Le rapport d'incident d'Oracle de 2022 disait précisément : deux unités de refroidissement ont subi une défaillance lorsqu'elles ont été sollicitées au-delà de leurs limites de conception.
On peut raisonnablement supposer que la situation de Dawn est similaire.
Les serveurs Dell PowerEdge XE9640 qu'il utilise sont équipés d'un système de refroidissement liquide direct, une solution bien plus avancée que le refroidissement par air traditionnel.
Le liquide de refroidissement circule directement sur la surface des puces, évacuant la chaleur bien plus efficacement qu'un flux d'air.
Mais, encore une fois, le refroidissement liquide ne résout que l'efficacité interne des baies. Une fois évacuée par le liquide, la chaleur doit encore passer par l'unité de distribution de refroidissement, le circuit d'eau glacée du bâtiment, la tour de refroidissement, avant d'être transmise à l'atmosphère extérieure. Le dernier maillon reste tributaire de la température extérieure.
Et une fois le système de refroidissement à l'arrêt, une série de réactions en chaîne peut s'enclencher.
Les données montrent qu'une fois le refroidissement arrêté, la température à l'entrée des serveurs peut passer de 22°C à plus de 35°C en cinq minutes.
Face à cela, les puces activent leur protection :
D'abord le ralentissement thermique (thermal throttling), réduisant activement la vitesse pour diminuer la chaleur, avec une chute drastique des performances ; si la température continue d'augmenter au-delà du seuil de sécurité, l'arrêt forcé s'enclenche.
Les opérateurs n'ont alors que deux choix :
Laisser l'équipement s'éteindre de lui-même, risquant d'endommager les données ;
>Procéder à un arrêt ordonné et actif pour protéger le matériel, mais interrompre toute activité.
Google, Oracle et Cambridge Dawn ont tous choisi la seconde option.
Plus l'IA est puissante, plus elle craint la chaleur
Il y a pire à craindre.
À mesure que les centres de données d'IA continuent de « grossir », l'impact de la température sur l'IA pourrait devenir de plus en plus significatif.
Il y a quelques jours, en regardant sur Bilibili la visite d'un centre de données Huawei par Xiao Lin, une comparaison était frappante :
La densité de puissance d'une baie dans un centre de données traditionnel est d'environ 5 à 10 kilowatts, mais celle d'une baie d'entraînement d'IA atteint 30 à 50 kW. La dernière baie Nvidia GB200 NVL72 atteint même 120 à 132 kW (et la prochaine génération Rubin pourrait atteindre 600 kW).
Qu'est-ce que cela signifie ? La chaleur dégagée par une baie d'IA de 100 kW équivaut à allumer 50 radiateurs électriques dans un espace de la taille d'une cabine téléphonique.
Imaginez des petits chauffages d'appoint d'hiver, entassés dans une seule armoire. Voilà la pression de refroidissement à laquelle l'infrastructure de calcul d'IA est confrontée aujourd'hui.
△
Plus problématique encore, les GPU eux-mêmes deviennent de plus en plus « chauds ».
Le Nvidia V100 de 2017 consommait environ 300 watts, le H100 de 2023 est passé à 700 watts, le B200 de 2024 atteint 1000 watts, et les B300 et AMD MI355X de 2025-2026 montent directement à 1400 watts.
En sept ans, la dissipation thermique d'une seule puce a été multipliée par 3 à 5.
Ainsi, que ce soit par leur nombre ou par leur dissipation individuelle, plus l'IA devient puissante, plus elle craint la chaleur et a besoin de refroidissement.
On découvre alors deux courbes qui entrent en collision :
Les puces chauffent de manière exponentielle, et la Terre se réchauffe de plus en plus vite.
Les choses deviennent encore plus complexes.
Dès 2011, Google construisait un centre de données en Finlande, Meta est allé dans le nord de la Suède, pour utiliser le climat froid comme refroidissement naturel.
Elon Musk a même évoqué l'idée de construire des centres de données d'IA dans l'espace.
Mais le gouvernement britannique vient d'injecter 36 millions de livres sterling en janvier pour l'extension de Dawn et planifie un nouveau supercalculateur national à Édimbourg.
La conception thermique de ces installations est-elle basée sur les étés britanniques d'une époque révolue, ou sur la nouvelle normale qui s'installe ? Nul ne peut le dire avec certitude.
Mais une chose est sûre :
Le supercalculateur utilisé pour prédire le changement climatique a été mis à l'arrêt par la chaleur du changement climatique.
Ce n'est plus une simple anecdote, c'est un véritable défi pour les infrastructures à l'ère de l'IA.
Références :
[1]https://www.thetimes.com/uk/science/article/cambridge-ai-supercomputer-heatwave-shutdown-ns7rcmkgs
[2]https://www.datacenterdynamics.com/en/news/data-center-housing-uks-dawn-supercomputer-suffers-heatwave-related-outage-report/
[3]https://x.com/cashandcarrots/status/2074016783812505762
Article initialement publié sur le compte WeChat public « Quantum Bits », auteur : Yishui
