La boutique est ouverte

Nous construisons les machines Workstation AI pour les sites web, les agents IA et l'entraînement de LLM — configurez-les et achetez-les en ligne.

Obtenir les prix pro
Produits IA
Labs IAAgents OpenAIAgents ClaudeGrok BotCRM natif Workstation AIMarketingTous les produits
Solutions IA
IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseStations de travail IAMatériel et logiciels NVIDIACalcul accéléré NVIDIAIA privéeCloud privé GPUClusters GPUIA en périphérieIA par secteur
Services IA
Modernisation des plateformesIngénierie numériqueFondations data et IAOpérations autonomesConseil IAAutomatisation DevOpsCybersécuritéDéveloppement logicielCréation d'agentsMise en place MLOpsLocation de GPUCloud privé GPU
À propos
EntrepriseNotre histoirePartenairesTémoignages clients
Centres de données IA
Centres de données IACloud privé GPUClusters GPULocation de GPU
Analyses IASérie JevLabo de benchmarksChoix de modèles
Notes techniques
Documentation
OS LinuxUbuntuRed Hat Enterprise LinuxSUSE LinuxAlpine LinuxDebian, Rocky & AlmaLinux
Plateformes cloud d'IAAWS & Amazon BedrockGoogle Cloud & Vertex AIMicrosoft Azure & AI FoundryClouds et places de marché GPU
Centres de données IA privésPour les cabinets d'avocatsPour les cabinets comptablesPlateformes sur siteCloud entièrement sécurisé
OutilsRing PromoterJobshout
Actualités
Blog
Nous contacterSe connecter

Stations de travail IA, logiciels multi-agents IA, infrastructure GPU et solutions d'agents intelligents pour les entreprises modernes.

Nous contacter

Solutions IA

IA appliquéeAgents IAIA générativeAutomatisation par IAMontée en compétence IAOffres IA pour PMELaboratoire IA d'entrepriseIA par secteur

Produits

Tous les produitsCRM & ERP natifs Workstation AIMarketingAgents OpenAIRing PromoterJobshout

Entreprise

À proposEntrepriseCentres de données IAPourquoi WorkstationPartenairesTémoignages clientsTarifsContactTenthMatrix

Ressources

Analyses IANotes techniquesDocumentationOS LinuxPlateformes cloud d'IACentres de données IA privésBlogRechercherPlan du site
Bureau de Belgique
Workstation SRL, Rue Vanderkindere 34, 1180 Uccle, BrusselsBE 0751.518.683Lun - Ven : 9h00 - 18h00 CET
+32 492 45 67 46
Siège social au Royaume-Uni
77-79 Marlowes, Hemel Hempstead HP1 1LFItinéraire : prenez la sortie 20 de la M25, Outer LondonN° d'entreprise: 11641870Lun - Ven : 9h00 - 18h00 GMT
+44 7515 356 146
Bureau de l'Inde
#159 Sector 9, Pocket 1, DDA Flats, 110077 Dwarka, New Delhi
+91 98881 98841
Bureau de Taïwan
3F, No. 2-4, Aisi Rd., Ren'ai Dist., Keelung City 200, Taiwan基隆市仁愛區愛四路2之4號3樓Lun - Ven : 9 h 00 - 18 h 00, heure de Taïwan (GMT+8)
+886 926 892 701+32 492 45 67 46
Bureau en Estonie
Aleksander Puškini tn 30-25, 20306 Narva, EstoniaLun - Ven : 9 h 00 - 18 h 00, heure d’Estonie (EET)
+32 492 45 67 46

© 2026 Workstation AI. Tous droits réservés.

ConfidentialitéSuppression des donnéesCookiesConditions d'utilisationPlan du site web

NVIDIA, le logo NVIDIA, RTX, RTX PRO, Blackwell, CUDA, NVLink, MGX, Omniverse, Spectrum-X, Quantum, BlueField, DGX et HGX sont des marques commerciales et/ou des marques déposées de NVIDIA Corporation aux États-Unis et dans d'autres pays. AMD, le logo AMD Arrow, EPYC, Instinct, Ryzen et Threadripper sont des marques commerciales d'Advanced Micro Devices, Inc. Dell et PowerEdge sont des marques commerciales de Dell Inc. ou de ses filiales. Intel et Xeon sont des marques commerciales d'Intel Corporation ou de ses filiales. AMAX, AceleMax et LiquidMax sont des marques commerciales d'AMAX Engineering Corporation. Tous les autres noms de produits, logos et marques appartiennent à leurs propriétaires respectifs. Nous les utilisons uniquement pour identifier les produits que nous décrivons, fournissons ou prenons en charge ; leur utilisation ne signifie pas que leurs propriétaires nous cautionnent.

Loading blog...

Accueil / Blogs
AI FactoryNvidiaGPUData CentreHardwareAILLM

Ce qu'apporte réellement une usine d'IA : un rack, 32 GPU Blackwell Ultra et le travail qu'il accomplit pour vous

De vos données aux réponses, aux agents et à vos propres modèles, expliqué sans jargon

Balinder Walia2 novembre 202610 min read
What an AI factory actually delivers: data in, answers, agents, forecasts and models out.

« Usine d'IA » devient rapidement l'une de ces expressions que tout le monde emploie et que peu de gens définissent. Cet article explique, en termes métier simples, ce qu'une usine d'IA apporte réellement : ce qui entre, ce qui sort, comment le travail y circule chaque jour, et ce dont vous avez besoin pour en posséder et en exploiter une. Nous utilisons tout au long de l'article une configuration réelle, un rack de quatre serveurs Compal SGX30-2 avec 32 GPU NVIDIA Blackwell Ultra, pour que les chiffres soient concrets. Les ingénieurs qui veulent l'architecture des nœuds, la conception du réseau et les tests de mise en service liront l'article technique.

Ce qu'apporte réellement une usine d'IA : vos données entrent dans un rack de quatre serveurs Compal SGX30-2 avec 32 GPU Blackwell Ultra et en ressortent sous forme de réponses pour le personnel, d'agents qui agissent, de prévisions et de vos propres modèles.

En une phrase. Une usine d'IA est une chaîne de production qui transforme vos propres données en résultats utiles (réponses, décisions, prévisions et modèles entraînés) sur du matériel que vous contrôlez, et sa justification économique repose sur le fait de maintenir cette chaîne occupée, sécurisée et en amélioration constante.

Du stockage de l'information à sa production

Pendant trente ans, les centres de données ont surtout stocké et servi de l'information : sites web, bases de données, e-mails, fichiers. Une usine d'IA fait quelque chose de différent. Elle fabrique de nouvelles informations à la demande. Un collaborateur pose une question sur un contrat et obtient une réponse tirée de vos propres archives documentaires. Un agent lit une réclamation entrante, la vérifie par rapport à la politique applicable et rédige une décision. Un modèle entraîné sur cinq ans de vos dossiers de maintenance prédit quelle machine tombera en panne le mois prochain.

L'unité de production est le token, un fragment de texte qu'un modèle lit ou écrit. Chaque réponse, chaque résumé et chaque action d'agent est constitué de tokens. Les questions qui comptent dans une usine d'IA sont donc les mêmes que dans n'importe quelle usine : combien peut-elle produire, quelle est la qualité de la production, combien coûte chaque unité, et avec quelle fiabilité fonctionne-t-elle ?

Ce qui entre, ce qui sort

EntréeSortie
Documents, contrats, politiques, manuelsDes réponses précises avec références à la source, en quelques secondes
Tickets, e-mails, historiques de chatDes agents qui trient, rédigent des réponses et orientent le travail
Données opérationnelles et de capteursPrévisions, alertes d'anomalies et prédictions de maintenance
Votre code et vos dossiers d'ingénierieDes assistants de codage qui connaissent vos systèmes et vos normes
Retours sur ce qui a fonctionnéDe meilleurs modèles le mois suivant : affinés sur vos propres résultats

La colonne de droite est ce pour quoi vous payez. Le rack n'est que la machine qui le produit.

La chaîne de production, étape par étape

La chaîne de production de l'usine d'IA : 1 Ingestion, 2 Entraînement, 3 Évaluation, 4 Service, 5 Amélioration, avec une boucle de retour d'Amélioration vers Ingestion, et en dessous une planification continue, des contrôles de santé, des correctifs et la supervision SysOps247.

  1. Ingestion. La matière première arrive : documents, dossiers, tickets, code. Elle est nettoyée, dédoublonnée et, si nécessaire, les données personnelles sont masquées. Le texte est transformé en embeddings afin de pouvoir être recherché par le sens plutôt que par mot-clé.
  2. Entraînement ou affinage. La plupart des organisations n'entraînent pas un modèle à partir de zéro. Elles prennent un modèle ouvert performant et l'affinent sur leurs propres données, pour qu'il parle leur langage et connaisse leurs produits. Avec 32 GPU, c'est un travail qui se mesure en heures ou en jours, pas en mois.
  3. Évaluation et promotion. Avant qu'un nouveau modèle n'atteigne le personnel ou les clients, il est testé en termes de précision, de sécurité, de coût et de vitesse. Les modèles qui réussissent sont promus étape par étape d'un anneau de test à la production, comme les bonnes équipes logicielles publient leur code. Nous utilisons pour cela notre propre Ring Promoter, de sorte que chaque version dispose d'une piste d'audit et peut être annulée.
  4. Service. C'est ici que la valeur est créée : assistants de chat, recherche documentaire, agents et API répondant aux requêtes toute la journée. L'accès passe par WSL Proxy, qui gère le chiffrement, l'authentification et le pare-feu applicatif web, et les clés et identifiants sont stockés dans WSL Vault plutôt que dans le code.
  5. Amélioration. Chaque interaction vous apprend quelque chose : quelles réponses ont aidé, lesquelles ont été corrigées, où les agents se sont bloqués. Ces retours deviennent les données d'entraînement et de test du cycle suivant. Cette boucle explique pourquoi une usine d'IA prend de la valeur avec le temps, au lieu de se déprécier comme l'informatique ordinaire.

Sous ces cinq étapes, un ordonnanceur répartit les GPU entre les équipes et les tâches, de sorte que l'entraînement peut s'exécuter la nuit sur une capacité qui sert le personnel pendant la journée. Les GPU inactifs sont ce qui coûte le plus cher dans une usine d'IA, et une bonne planification permet de les éviter.

Ce que contient le rack, et le rôle de chaque élément

Notre brique de base standard est le Compal SGX30-2, un serveur NVIDIA-Certified pour la plateforme HGX B300. Quatre d'entre eux forment un rack. Voici ce que contient chaque serveur, en termes simples.

ComposantPar serveurCe qu'il fait pour vous
Carte de base NVIDIA HGX B300 NVL88 GPU Blackwell Ultra, 288 Go de mémoire chacunLe moteur. Exécute et entraîne les modèles. Une grande mémoire permet d'accueillir de grands modèles et de longs documents sans compromis.
Processeurs Intel Xeon 62 (6767P, 6776P ou 6768P)Prépare les données, exécute le système d'exploitation et alimente les GPU en continu.
Mémoire DDR5-6400 ECC32 × 96 Go (3 To)Espace de travail pour le chargement des données et pour mettre de côté la mémoire des modèles lorsque les GPU sont occupés.
Disques NVMe E1.S8 × 3,84 ToStockage local rapide pour les jeux de données, les fichiers de modèles et les points de contrôle d'entraînement.
Disques de démarrage M.22 × 960 GoSystème d'exploitation, en miroir pour qu'une seule panne n'arrête pas le serveur.
SuperNIC NVIDIA ConnectX-88 intégrées, 8 ports 800GUne ligne privée à 800 Gb/s pour chaque GPU, afin que 32 GPU répartis sur quatre serveurs puissent travailler ensemble sur une même tâche.
NVIDIA BlueField-3 B32401Gère séparément le stockage et le trafic des utilisateurs, avec sécurité et isolation intégrées.
Alimentations12 × 3200 W Titanium, redondance 6+6La moitié d'entre elles peut tomber en panne, ou une arrivée électrique peut être coupée, et le serveur continue de fonctionner.
Garantie3 ans, retour en atelierRéparations et remplacements organisés par notre intermédiaire.

À l'échelle du rack, cela représente 32 GPU, environ 8,4 To de mémoire GPU, 12 To de mémoire système et environ 123 To de stockage local rapide, le tout relié par une fabric réseau fonctionnant à 800 Gb/s par GPU.

Ce que cette capacité signifie en pratique

Nous veillons à ne pas promettre de chiffres de performances que nous n'avons pas mesurés sur votre charge de travail, car le débit réel dépend du modèle, de la longueur des questions et des réponses, et du nombre de personnes qui l'utilisent simultanément. Mais certaines choses découlent directement de la mémoire et de la conception :

  • Les grands modèles ouverts tiennent sans difficulté. Un seul serveur dispose de 2,1 To de mémoire GPU ; même des modèles de plusieurs centaines de milliards de paramètres peuvent donc être servis depuis un seul serveur, avec de la marge pour de longues conversations.
  • Plusieurs services peuvent fonctionner côte à côte. Un serveur peut héberger votre assistant principal tandis qu'un autre gère la recherche documentaire et les embeddings, et que les deux restants s'occupent des agents et de l'affinage nocturne.
  • Les tâches d'entraînement peuvent utiliser tout le rack. Lorsqu'un affinage a besoin des 32 GPU, la fabric à 800 Gb/s permet aux quatre serveurs d'agir comme un seul, et l'ordonnanceur rend ensuite la capacité au service.
  • Il est conçu pour les modèles de raisonnement. Blackwell Ultra double la vitesse des calculs d'« attention » au cœur des modèles modernes par rapport à la première génération Blackwell, ce qui compte surtout lorsque les modèles réfléchissent à un problème avant de répondre.

Acheter ou louer

Les GPU dans le cloud sont excellents pour les expériences et les besoins ponctuels. L'équation économique change dès que l'IA fait partie du travail quotidien. La capacité louée est facturée à l'heure, qu'elle soit utilisée ou non, et son prix, sa disponibilité et ses conditions appartiennent à quelqu'un d'autre. La capacité possédée est un coût fixe : chaque question supplémentaire traitée, chaque exécution d'agent ou chaque modèle entraîné en réduit le coût unitaire.

Il existe d'autres raisons que le coût. Avec une usine d'IA sur votre propre infrastructure, vos données, vos invites et vos résultats ne quittent jamais le Royaume-Uni ni votre contrôle, ce qui simplifie considérablement les échanges relatifs au RGPD britannique, avec les régulateurs et avec les clients. Vous disposez aussi de la capacité quand vous en avez besoin, sans demande de quota ni attente qu'une région cloud se libère.

Ce n'est pas la bonne solution pour tout le monde. Si votre usage de l'IA est occasionnel, ou si vous n'avez besoin d'une grande capacité que pendant quelques semaines, la location est généralement moins chère. Nous vous dirons honnêtement de quel côté de cette ligne vous vous situez.

Ce qu'il faut pour l'héberger

  • Alimentation : chaque serveur a besoin d'environ 14 kW et le rack d'environ 60 kW. Cela exclut la plupart des salles serveurs de bureau ordinaires, mais de nombreuses salles de colocation au Royaume-Uni peuvent le fournir.
  • Refroidissement : le SGX30-2 est refroidi par air, aucune installation de refroidissement liquide n'est donc nécessaire, mais la salle doit pouvoir accueillir des racks haute densité avec confinement des allées chaudes.
  • Espace : 40U d'espace en rack pour les quatre serveurs, plus les commutateurs réseau et le stockage.
  • Délai : les GPU pour centre de données de NVIDIA sont alloués par NVIDIA et les fabricants de serveurs, et les délais se mesurent en mois. La préparation du site et la conception se font pendant l'attente, de sorte que l'usine peut être mise en service peu après la livraison.
  • Formalités : les GPU avancés sont soumis aux contrôles à l'exportation britanniques et américains ; nous confirmons donc l'utilisateur final, l'usage prévu et le site d'installation avant de pouvoir confirmer la fourniture.

Qui l'exploite une fois en service

Une usine mal exploitée perd peu à peu de sa production à cause des pannes, des dérives et des failles de sécurité. Nous pouvons exploiter la vôtre dans la mesure que vous souhaitez. Notre service SysOps247 surveille 24 heures sur 24 la santé des GPU, les températures, les erreurs et la capacité, applique les mises à jour de firmware et de sécurité lors de fenêtres planifiées, et gère les pannes et les retours sous garantie. Vos équipes se concentrent sur le travail que produit l'usine.

Une façon raisonnable de commencer

  1. Décrivez le travail. Quelles questions, quelles décisions et quels documents confieriez-vous d'abord à l'IA, et combien de personnes l'utiliseraient ?
  2. Vérifiez le site. Disposez-vous, ou pouvez-vous louer, d'environ 60 kW d'espace en rack ? Nous pouvons l'étudier ou présélectionner des options de colocation.
  3. Commencez par un rack, voire un seul serveur. Tout est construit selon une conception de référence, de sorte que d'autres serveurs et racks peuvent s'ajouter plus tard sans refonte.
  4. Planifiez les trois premiers services. Généralement un assistant pour le personnel portant sur vos documents, un agent pour un processus bien défini et un modèle affiné. Démontrez la valeur sur ces points, puis développez.

Pour aller plus loin

  • Pour l'architecture des nœuds, les quatre réseaux, la pile logicielle, les calculs de dimensionnement des modèles et les tests de réception, lisez l'article technique : Inside a 32-GPU HGX B300 AI factory.
  • Découvrez les solutions d'usine d'IA que nous construisons, des serveurs RTX PRO au GB300 NVL72, ainsi que les pages Compal SGX30-2 et rack HGX B300 de 32 GPU.
  • Le SGX30-2 est disponible à la commande dans notre boutique. Le prix est confirmé sur devis écrit.
  • Vous prévoyez un projet similaire ? Parlez-nous.

Lectures complémentaires

  • Plateformes DGX et usines d'IA
  • IA privée
  • SysOps247
  • Ring Promoter