NVIDIA GTC : métavers, IA générative, voiture autonome, quelle est la perspective de NVIDIA sur ces sujets ?
Entretien avec Jean-Charles Vasnier, Senior Manager Solution Architect

Le 20 mars, NVIDIA donnera le coup d'envoi de l'édition 2023 de la GTC, sa conférence mondiale sur l'IA qui rassemble des développeurs, des ingénieurs, des chercheurs, des inventeurs et des professionnels de l'informatique. IA générative, métavers, voiture autonome, l'entreprise va aborder les sujets qui ont souvent fait l'actualité dans le secteur.

Jean-Charles Vasnier, Senior Manager Solution Architect, a accepté de se prêter au jeu de l'interview afin de donner un aperçu de la perspective de NVIDIA sur ces thèmes.

Developpez.com : Comment NVIDIA aborde-t-elle la perspective du métavers ? Pouvez-vous rappeler ce qu'est NVIDIA Omniverse ? Quelles sont les améliorations apportées à la plateforme ainsi qu'aux outils pour développer une connexion pour Omniverse ?

Jean-Charles Vasnier : Le métavers est tout simplement l'évolution 3D de l'internet. Jusqu'à présent, l'internet se résumait à des services cloud connectés à des applications souvent utilisés sur des appareils mobiles.

Le métavers, c’est l’internet en 3D. C’est un réseau de mondes virtuels persistants et connectés, qui étend les pages web en 2D à des espaces et des mondes en 3D. De ce fait, l'hyperlien évoluera vers un « hypersaut » entre les mondes 3D.

Pour que cela devienne une réalité, le métavers, comme l'internet en 2D, nécessite de nouvelles normes, un nouveau modèle de programmation, ainsi qu'une nouvelle architecture. Tout comme le HTML est le langage standard de l'internet 2D, nous avons besoin d'un langage puissant, extensible et ouvert pour l'internet 3D. L’USD, (Universal Scene Description), un langage ouvert et extensible de mondes 3D, inventé par Pixar, semble être le langage le plus adapté pour le métavers.
Chez NVIDIA, nous contribuons au développement de l'USD, et nous testons et repoussons continuellement ses limites. Notre plateforme Omniverse est construite comme un moteur USD et une boîte à outils ouverte pour créer des pipelines USD personnalisés. Nous avons construit DRIVE Sim et Isaac Sim pour les véhicules autonomes et les simulations robotiques générales sur la base d'Omniverse. Ces cas d'utilisation exigeants nécessitent des performances en temps réel, une précision physique et des mondes virtuels extrêmement vastes, ce qui nous amène à repousser les limites naturelles de l'USD. Nous travaillons également en étroite collaboration avec des partenaires dans les secteurs du retail, de l'automobile, de l'énergie, des télécommunications et autres, afin de faire évoluer l’USD et de mieux servir leurs domaines.

Pour accélérer encore le développement et l'adoption de l'USD - et donc les connexions à Omniverse - nous mettons en place une suite de tests de compatibilité et de certification de l'USD en open source. Nous avons créé une multitude de ressources disponibles gratuitement en ligne, notamment des binaires précompilés pour Linux, Windows et PyPI. Nous hébergeons USDView et les constructions USD dans le lanceur Omniverse. Et nous fournissons des scènes prêtes pour USD, des tutoriels à la demande, de la documentation et des cours donnés par des instructeurs.

À mesure que les véhicules autonomes évoluent dans les zones urbaines, le besoin de couverture cartographique HD augmente considérablement. Comment a évolué NVIDIA à ce sujet ?

Des cartes très précises sont essentielles pour la conduite automatisée et autonome. Pour les humains, des cartes précises à quelques mètres près sont suffisantes pour fournir des indications virage par virage. En revanche, pour la conduite automatisée et autonome, une précision et une exactitude bien plus grandes sont nécessaires. Les cartes doivent pouvoir fonctionner avec une précision au centimètre près pour la localisation, pour savoir précisément où le véhicule autonome se trouve sur la route. Une localisation correcte nécessite également des cartes constamment mises à jour et reflétant les conditions routières actuelles, telles que les zones de construction ou de travail, les fermetures de voies, etc. afin que le véhicule autonome puisse planifier une trajectoire sûre. Les cartes pour les véhicules autonomes doivent également être en mesure de s'adapter efficacement aux flottes avec un traitement rapide et un stockage de données minimal - tout en étant capable de fonctionner correctement et en toute sécurité dans le monde entier.

En 2018, NVIDIA a investi dans DeepMap, et en août 2021, NVIDIA a acquis la société pour étendre les produits de cartographie de NVIDIA, aider à mettre à l'échelle ses opérations cartographiques mondiales et étendre son expertise en matière de conduite autonome. Lors de la conférence GTC de mars 2022, NVIDIA a annoncé DRIVE Map, une plateforme de cartographie multimodale. DRIVE Map combine la précision de la cartographie construite sur la technologie DeepMap avec la technologie de cartographie crowdsourcée basée sur l'IA développée par NVIDIA. Nous pensons que cette technologie de cartographie ne profitera pas seulement à la conduite autonome, mais aussi à d'autres domaines au sein de NVIDIA, comme la robotique et la simulation.

Concernant le domaine des véhicules autonomes, pouvez-vous nous parler de NVIDIA Drive ? Quels sont les points clés que vous pouvez mettre en avant concernant cette plateforme ?

NVIDIA DRIVE est la première plateforme d'IA évolutive au monde. Elle se compose de matériel et de logiciels qui fonctionnent ensemble pour permettre la production de véhicules automatisés et à conduite autonome, du niveau 2+ au robotaxi et conduite autonome complète.

L'IA est essentielle au développement de véhicules automobiles sûrs, car elle leur permet de percevoir et de réagir en temps réel à leur environnement. Au cœur de l'IA se trouvent des dizaines de réseaux neuronaux profonds (DNN) qui s'attaquent à des tâches redondantes et diverses, assurant une perception, une localisation et une planification de la trajectoire précises. Les DNN peuvent être entraînés sur un serveur à base de GPU dans le centre de données, puis entièrement testés et validés en simulation avant d'être déployés sur l'ordinateur d'IA dans le véhicule.

La simulation est une technologie essentielle pour tester et déployer des véhicules sûrs. Bien que NVIDIA dispose de flottes d'essai roulant sur des routes enregistrant des kilomètres d'expérience réelle, il est impossible de couvrir toutes les situations qu'une voiture autonome peut rencontrer dans la conduite quotidienne. NVIDIA DRIVE Sim, qui repose sur Omniverse, une plateforme de simulation évolutive basée sur le cloud, comble cette lacune en permettant de développer, de tester et de valider rapidement le logiciel et le matériel du véhicule autonome. Il s'agit de la plateforme idéale pour tester la technologie de conduite autonome dans toutes les conditions météorologiques, de circulation ou de localisation possibles, ainsi que dans des scénarios rares et dangereux. De plus, ces tests sont reproductibles et évolutifs pour une validation complète avant que les voitures ne prennent la route.

Les véhicules à conduite autonome ont également besoin d'une architecture centralisée de supercalculateurs suffisamment puissante pour traiter les données provenant de divers capteurs en temps réel. Le système sur puce NVIDIA DRIVE Orin atteint 254 trillions d'opérations par seconde et est conçu pour gérer le grand nombre d'applications et de DNN qui tournent simultanément dans les véhicules autonomes, tout en respectant les normes de sécurité les plus élevées. Avec un calcul centralisé sûr et sécurisé, les véhicules autonomes peuvent offrir une expérience de conduite agréable qui s'améliorera continuellement grâce à des mises à jour over-the-air, permettant à ces voitures définies par logiciel de s'améliorer au fil du temps.

NVIDIA DRIVE a été adopté par de nombreux constructeurs automobiles (Mercedes-Benz, Jaguar Land Rover et Volvo Cars), des fabricants de véhicules à énergie nouvelle (BYD, Polestar, JiDU, NIO, Li Auto, les marques IM Motors et R Auto - du constructeur SAIC Motor - et XPENG) et des aux sociétés de transport routier (Embark, Einride, FAW, Locomation, Navistar, Plus, TuSimple).

Avec la popularité de ChatGPT, les IA génératives font beaucoup parler d'elles. Pouvez-vous nous dire comment ces IA génératives peuvent aider les entreprises à développer de meilleurs produits et services et à fournir un contenu original adapté aux besoins uniques des clients et des publics ?

La sortie de ChatGPT a été un moment décisif qui a focalisé l’attention du monde sur l’IA. Des dizaines de millions de personnes l’utilisent à des fins très diverses et l’ont trouvée incroyablement utile. Nous savons que l’IA générative va avoir un impact monumental sur la technologie. Les entreprises, les consommateurs et les gouvernements sont enthousiasmés par son potentiel dans de nombreux domaines. Nous voyons une énorme opportunité d’aider les entreprises à créer des applications d’IA générative éthiques qui produisent des résultats précis.

L’IA générative nécessite cependant des systèmes de traitement massivement parallèles pour la formation et l’inférence. ChatGPT a été entraîné sur 10 000 GPU NVIDIA pendant plusieurs semaines, mais les grands modèles linguistiques qui sous-tendent ce type d’applications doublent en taille et en complexité régulièrement.
De la recherche aux plateformes en passant par le soutien de l’écosystème, nous sommes au cœur de l’IA générative, grâce à la plateforme la plus performante et la plus économe en énergie pour créer, personnaliser et déployer ces modèles.

Nom : nvidia.png
Affichages : 25913
Taille : 220,1 Ko
Jean-Charles Vasnier, Senior Manager Solution Architect

En parlant d’IA, pouvez-vous nous en dire plus sur la façon dont les entreprises pourraient se servir de la plateforme NVIDIA AI afin de créer et déployer plus rapidement des solutions de cybersécurité basées sur l’IA pour détecter les menaces à grande échelle ?

La cybersécurité est une préoccupation majeure pour les entreprises, confrontées à un nombre croissant de menaces, aggravées par la numérisation rapide de leurs activités et le développement du travail à distance.

Le framework cybersécurité NVIDIA Morpheus permet aux entreprises de mettre en œuvre une cybersécurité basée sur l’IA accélérée par GPU pour identifier, capturer et agir sur des menaces et des anomalies qui étaient auparavant impossibles à détecter tout en réduisant considérablement le coût des opérations. Morpheus réduit le temps de développement de la cybersécurité basée sur l’IA en ramenant le cycle d’exploration, de test et de mise en œuvre de plusieurs mois à quelques semaines.
Voici quelques exemples de cas d’utilisation de l’IA en cybersécurité avec Morpheus :
  • Empreinte digitale numérique : empreinte digitale unique de chaque utilisateur, service, compte et machine dans l'entreprise, puis utilisation de l'apprentissage non supervisé pour signaler les changements dans les patterns d'activité des utilisateurs et des machines.
  • Détection d'informations sensibles : recherche et classement des informations d'identification, clés, mots de passe, numéros de carte de crédit, numéros de compte bancaire, etc. qui ont été divulgués.
  • Détection du phishing : modèle IA de traitement du langage naturel pour analyser des e-mails bruts entiers et les classer automatiquement dans les catégories e-mail légitime, spam ou phishing.
  • Détection des transactions et des identités frauduleuses : détection de fraude rapide et à moindre coût à l'aide de réseaux neuronaux graphiques - une capacité qui n'était pas réalisable auparavant sans des quantités massives de données étiquetées.
  • Détection des logiciels malveillants de cryptomining : détection des anomalies en profilant les comportements pour repérer les logiciels malveillants de cryptomining, qui peuvent entraîner un trafic DNS malveillant et une surutilisation des ressources informatiques.
  • Détection des ransomwares : Identification et neutralisation des ransomwares au point d'entrée jusqu'à 3 fois plus rapide avec NVIDIA App Shield, le pipeline de cybersécurité Morpheus et NVIDIA BlueField.

Dans les statistiques de la liste Top500, rubrique Accélérateur/Coprocesseur, NVIDIA est ultra présente. Pouvez-vous nous parler des derniers développements des logiciels NVIDIA pour les applications HPC ?

Les environnements de développement HPC sont généralement des configurations complexes composées de plusieurs logiciels, chacun offrant des capacités uniques. Outre l'ensemble de base de compilateurs utilisés pour créer des logiciels à partir du code source, ils comprennent souvent un certain nombre de paquets spécialisés couvrant un large éventail d'opérations telles que les communications, les structures de données, les mathématiques, l’I/O control et les outils d'analyse et d'optimisation.
La mise en place d'un environnement de développement HPC peut être un processus long et source d'erreurs. C'est souvent un défi de prendre du code construit dans un environnement et de l'exécuter dans un autre. Pour surmonter ces difficultés de développement et de déploiement, nous avons créé le kit de développement logiciel (SDK) NVIDIA HPC, qui est une suite complète de compilateurs C, C++ et Fortran, de bibliothèques et d'outils conçus pour accélérer les applications de modélisation et de simulation HPC sur GPU.

Il permet d'optimiser la productivité des développeurs, ainsi que les performances et la portabilité des applications HPC. Les compilateurs C, C++ et Fortran du SDK NVIDIA HPC prennent en charge l'accélération par GPU des applications de modélisation et de simulation HPC avec C++ et Fortran standard, OpenACC® et CUDA®.

Les bibliothèques de fonctions mathématiques accélérées par GPU maximisent les performances des algorithmes HPC courants et les bibliothèques de communication optimisées permettent la programmation de systèmes multi-GPU et évolutifs basés sur des normes. Les outils de profilage et de débogage des performances simplifient le portage et l'optimisation des applications HPC, et les outils de conteneurisation facilitent le déploiement sur site ou dans le cloud.

Pouvez-vous nous parler de votre plateforme Jetson Edge, et indiquer aux développeurs comment elle pourrait les aider dans la création d'applications et de machines autonomes alimentées par l'IA de nouvelle génération ?

Avec plus d'un million de développeurs, NVIDIA Jetson est la première plateforme informatique d'IA à l’edge. Les derniers ajouts au portefeuille Jetson comprennent le kit de développement Jetson AGX Orin et une gamme complète de systèmes sur modules (SOM) basés sur l'architecture SoC Orin, offrant jusqu'à 275 TOPS de performances de calcul conçues pour apporter l'IA moderne, l'apprentissage profond et l'inférence à la périphérie.

Ce kit de développement permet aux développeurs d'émuler nativement n'importe quel module de production, y compris les nouveaux SOMs Jetson Orin NX et Jetson Orin Nano. Il émule les spécifications matérielles du module choisi, et reproduit donc ses performances. Des informations complémentaires sont disponibles sur le Develop for All Six NVIDIA Jetson Orin Modules with the Power of One Developer Kit et sur le Jetson Download Center.

Grâce à la fonction d'émulation, les développeurs n'ont besoin que d'un seul kit pour construire des produits destinés à n'importe quel module Jetson Orin, permettant ainsi d'accélérer la phase de prototypage, mais aussi de réduire considérablement les coûts. Jetson exécute la pile logicielle NVIDIA AI, avec des frameworks spécifiques aux cas d'utilisation disponibles, notamment NVIDIA Isaac™ pour la robotique, DeepStream pour l'IA de vision et Riva pour l'IA conversationnelle. NVIDIA Omniverse™ Replicator permet par ailleurs de gagner un temps considérable dans la génération de données synthétiques (SDG), et NVIDIA TAO Toolkit de perfectionner les modèles d'IA préentraînés du catalogue NGC™.

Les partenaires de l'écosystème proposent des logiciels d'IA et de système supplémentaires, des outils de développement, ainsi que le développement de logiciels personnalisés. Ils peuvent également aider avec les caméras et autres capteurs, ainsi que les cartes porteuses et les services de conception du produit.

Des sessions que vous recommanderiez aux professionnels de l'informatique qui veulent tenter l’aventure de l'IA ? Du métavers ? En savoir plus sur les véhicules autonomes ?

Notre conférence GTC propose une multitude de sessions couvrant ces sujets, et bien d’autres. Je vous recommande ces quelques sessions, mais notre catalogue est tellement riche, que je vous encourage à consulter la liste des meilleures sessions ou encore l’ensemble du catalogue.

Nous proposons également des formations gratuites et des ateliers d’une journée complète récompensés par une certification.

Sans oublier le discours d’ouverture de notre CEO Jensen Huang qui présentera les dernières avancées en matière d’IA générative, de metaverse, de grands modèles de langage, de robotique, de cloud computing pour ne citer que ces domaines.

Quel futur envisagez-vous pour cuOpt? Vous indiquez déjà des liens forts avec les robots autonomes, envisagez-vous de généraliser le produit à d'autres domaines que le routage de véhicules ?

cuOpt, seule solution de ce type accélérée par GPU sur le marché actuel, utilise une combinaison unique de matériel et de logiciel pour perfectionner les réponses aux problématiques de l’optimisation logistique. Il permet actuellement de traiter des variantes de « Vehicule Routing Problem » (VRP, problème de tournée des véhicules), qui peuvent s’appliquer au secteur de la distribution pour la livraison du dernier kilomètre, au secteur de la vente au détail et du transport pour la livraison du premier kilomètre ou la livraison intermédiaire, à la planification intralogistique et tournées robotisées pour les entrepôts, ou encore aux tournées des équipes de service et d'expédition dans les secteurs de l'énergie et des télécommunications.

Notre future feuille de route comprend des algorithmes supplémentaires notamment pour l’enlèvement et la livraison (une variante du VRP), la planification des tâches (appariement des employés aux horaires en fonction des ressources et des contraintes) et de bin packing (conditionnement et emballage).

Suivre la conférence en ligne du 20 au 23 mars