Comme une réponse aux critiques formulées à l'encontre des 8 Go de VRAM intégrés à ses dernières cartes, NVIDIA optimise nettement l'utilisation par DLSS de la mémoire vidéo.
Argument souvent mis en avant par AMD pour critiquer son concurrent de toujours, la quantité de mémoire vidéo des cartes graphiques NVIDIA a été l'objet d'un récent débat alors que DLSS 4 se montre plus gourmand.
Il faut savoir que sur les jeux les plus récents, 8 Go de VRAM peuvent être très justes pour un affichage en 2 560 x 1 440 et même poser des problèmes sur le simple Full HD (1 920 x 1 080).
Modèle Transformer et occupation VRAM
Sans aucun doute que la technologie DLSS vous est familière. Rappelons simplement qu'il s'agit de profiter de l'intelligence artificielle pour afficher nos jeux favoris dans des définitions d'image plus importantes que réellement calculées par la carte graphique.
L'objectif est évidemment de soulager celle-ci alors que le niveau de détail des jeux les plus modernes n'a jamais été aussi important. Le GPU peut alors se consacrer à d'autres tâches et, lorsque tout va bien évidemment, nos yeux n'y voient que du feu, le rendu DLSS étant aujourd'hui au niveau – voire supérieur ? – à ce que l'on pourrait appeler le rendu natif.
Afin que le travail de DLSS soit sans cesse plus abouti, NVIDIA a procéder – avec la sortie des GeForce RTX série 50 – à une refonte de sa technologie qui s'appuie maintenant sur un nouveau modèle baptisé Transformer et qui remplace donc l'ancien CNN. Problème pour NVIDIA, même si l'écart n'est pas forcément très important, le Transformer consomme davantage de mémoire vidéo.
| Modèle DLSS | 1920 x 1080 | 2560 x 1440 | 3840 x 2160 | 7840 x 4320 |
| CNN | 60,83 Mo | 97,79 Mo | 199,65 Mo | 778,30 Mo |
| Transformer 310.2.1.0 | 106,90 Mo | 181,11 Mo | 387,21 Mo | 1517,60 Mo |
| Transformer 310.3.1.0 | 85,77 Mo | 143,54 Mo | 307,37 Mo | 1225,17 Mo |
Cette différence reste donc un argument pour les détracteurs de DLSS et sans doute pas le meilleur outil de communication pour NVIDIA qui vient, en partie, de corriger le tir avec une nouvelle version du modèle Transformer.
29 avril 2025 à 11h30
Une nouvelle version plus économe
Comme vous pouvez le voir dans le tableau un peu au-dessus, le modèle CNN pouvait occuper jusqu'à 800 Mo de moins que le modèle Transformer dans sa version 310.2.1.0 sur une définition d'image de 7 840 x 4 320 pixels.
Nous le disions, cette augmentation de l'occupation VRAM n'est pas rédhibitoire, mais elle envoie clairement un mauvais signal. De plus, alors que NVIDIA cherche toujours à limiter l'impact de sa techonologie sur la VRAM, il était nécessaire de trouver une solution. C'est plus ou moins chose faite avec la sortie de la version 310.3.1.0 du modèle Transformer.
| Transformer 310.2.1.0 | Transformer 310.3.1.0 | Réduction | Réduction (%) | |
| 1920 x 1080 | 106,90 Mo | 85,77 Mo | 21,13 Mo | 19,76% |
| 2560 x 1440 | 181,11 Mo | 143,54 Mo | 35,57 Mo | 20,75% |
| 3840 x 2160 | 387,21 Mo | 307,37 Mo | 79,84 Mo | 20,62% |
| 7840 x 4320 | 1517,60 Mo | 1225,17 Mo | 292,43 Mo | 19,26% |
La sortie de la nouvelle version du kit de développement DLSS proposé aux partenaires de NVIDIA est donc l'occasion d'introduire de nouvelles bibliothèques pour DLSS et pour la mise à l'échelle de l'image. Le modèle Transformer passe ainsi de la version 310.2.1.0 à la 310.3.1.0 et, avec cette transition, NVIDIA peut afficher une économie de l'ordre de 20 % de l'occupation VRAM.
Schématiquement, DLSS consommera donc moins de mémoire vidéo pour faire tourner le super échantillonnage par exemple. C'est toujours bon à prendre bien sûr, mais gardez à l'esprit que l'essentiel de la VRAM n'est pas occupé par le modèle Transformer : ce sont les textures qui sont les plus gourmandes.
Source : NVIDIA, VideoCardz
) … dans la majorité des cas on voit souvent aucune différence mais la différence elle existe vraiment, ça dépend des images mais si tu prends un screenshot et que tu en fais un jpg y a une différence qui se voit instantanément.
ces détails en plus que tu vois le DLSS les fait apparaitre mais est-ce naturel ? est-ce que c’est prévu c’est là qu’il faut se poser des questions … et tu oublies un truc important, chaque développeur intègre le DLSS à sa façon, parfois ça réussi parfois ça rate c’est une pas une science exacte. quand le DLSS est très bien intégré il donne de bons résultats.
