Vocageek #58 : c’est quoi un GPU ?

Pour découvrir d’autres termes sur les technologies du numérique, va sur notre page spéciale Vocageek !

La définition

GPU signifie Graphics Processing Unit, soit « unité de traitement graphique » en français. C’est un circuit électronique spécialisé composé de milliards de transistors microscopiques gravés sur une plaquette de silicium. À l’origine, le GPU a été créé uniquement pour accélérer l’affichage des images et des vidéos dans les jeux vidéo. Mais aujourd’hui, il est devenu bien plus qu’une simple puce graphique : c’est le moteur principal qui fait fonctionner l’intelligence artificielle moderne.

Le savais-tu ? Le premier GPU de l’histoire a été créé par NVIDIA en 1999 et s’appelait le GeForce 256.

Ne pas confondre CPU et GPU !

On peut facilement confondre ces deux composants informatiques. Les CPU et les GPU partagent de nombreux points communs. Ils sont en effet tous deux des moteurs de traitement informatiques, des microprocesseurs basés sur le silicium, et ils gèrent tous deux les données. Mais les CPU et les GPU possèdent des architectures différentes et ont un rôle différent.

Le CPU (Central Processing Unit) est le « cerveau » de l’ordinateur. Constitué de milliards de transistors, il exécute les commandes et les processus nécessaires au bon fonctionnement de ton ordinateur et de ton système d’exploitation. Le GPU, lui, fonctionne totalement différemment. Il possède des milliers de petits cœurs moins puissants individuellement, mais qui travaillent tous ensemble en même temps. Cette architecture parallèle lui permet d’effectuer des milliers d’opérations simultanément. Imagine une usine : le CPU serait un seul ouvrier ultra-rapide, tandis que le GPU serait une armée de milliers d’ouvriers qui collaborent sur la même tâche.

Cette différence rend le GPU idéal pour toutes les tâches qui peuvent être divisées en milliers de petits calculs identiques : afficher des millions de pixels à l’écran, calculer des effets de lumière dans les jeux vidéo, traiter des vidéos en 4K… et entraîner des intelligences artificielles !

Pourquoi l’IA a-t-elle besoin de GPU ?

Les modèles d’IA comme ChatGPT, DALL-E ou les outils de reconnaissance d’images doivent effectuer des milliards de calculs mathématiques pour fonctionner. Par exemple, pour entraîner une IA à reconnaître des chats sur des photos, il faut lui montrer des millions d’images et ajuster des millions de paramètres dans le modèle. Ces opérations sont répétitives et peuvent être faites en parallèle : c’est exactement la spécialité des GPU !

Les chercheurs en IA utilisent souvent des fermes entières de GPU pour développer les nouvelles générations d’intelligence artificielle. L’inférence, c’est-à-dire l’utilisation du modèle entraîné pour répondre à tes questions ou générer des images, nécessite également des GPU pour être rapide. Quand tu poses une question à ChatGPT et qu’il te répond en quelques secondes, ce sont des GPU qui travaillent en coulisses pour calculer la réponse.

Les GPU, un bien stratégique

Sans les GPU, l’explosion de l’IA générative n’aurait tout simplement pas été possible. Ces puces sont devenues si importantes que leur fabricant principal, NVIDIA, est devenu l’entreprise la plus valorisée au monde en novembre 2025 ! Et les GPU sont devenus si stratégiques que certains pays, comme les États-Unis, limitent leur exportation pour conserver un avantage technologique.

Certaines cartes graphiques pour l’IA peuvent atteindre plusieurs milliers d’euros l’unité !

À regarder cette vidéo de la chaîne La Plus-Value qui explique la différence entre CPU et GPU :