Avec Minions, Apple expérimente une façon de traiter certaines tâches d’IA sans acheter de GPU supplémentaires. Le projet mobilise la puissance inutilisée des Mac équipés de puces Apple Silicon pour désengorger ses infrastructures d’intelligence artificielle. Une vieille idée remise au goût du jour.
Même chez Apple, il faut parfois patienter pour accéder à suffisamment de puissance de calcul. Certaines tâches d’intelligence artificielle soumises par les développeurs aux serveurs de l’entreprise mettaient ainsi plus de dix heures avant de pouvoir démarrer. Avec Minions, des chercheurs de Cupertino ont trouvé une parade assez astucieuse pour accélérer tout cela en récupérant les ressources graphiques inutilisées des Mac des employés. Depuis la mise en place de ce système de calcul partagé, ces mêmes traitements peuvent désormais être lancés en quelques minutes seulement, selon Apple Insider.
Attention toutefois à ne pas confondre réduction du temps d’attente et accélération des calculs. Minions permet surtout aux équipes de travailler plus rapidement en évitant les files d'attente des GPU centralisés.
Des GPU potentiellement disponibles sans acheter de nouvelles machines
Le principe consiste à répartir les tâches entre des Mac dont les processeurs graphiques ne sont pas pleinement utilisés. Chaque ordinateur récupère une partie du travail, l’exécute localement, notamment grâce à Ollama pour la génération de texte, puis renvoie son résultat.
Si un Mac est éteint, mis en veille ou déconnecté, le système confie simplement le travail inachevé à une autre machine.
Cette architecture concerne aujourd’hui l’inférence, c’est-à-dire l’utilisation de modèles d’IA déjà entraînés. Elle ne permet donc pas, pour l’instant, d’entraîner collectivement de nouveaux modèles.
Les machines visées sont les Mac équipés de puces Apple Silicon, qu’il s’agisse d’ordis portables ou de bureau comme les Mac mini et Mac Studio. Les chercheurs ne donnent cependant pas de configuration minimale permettant d’affirmer que tous les modèles sont utilisables dans les mêmes conditions.
- Un Mac toujours aussi compact et bien construit
- La puce M6, tout simplement impressionnante
- Pas de chauffe, pas de bruit
SETI@home faisait déjà travailler nos ordinateurs pour la science
L’idée de mettre en commun la puissance inutilisée des ordinateurs ne date évidemment pas de maintenant. Dès 1999, SETI@home invitait les particuliers à participer à la recherche d’une intelligence extraterrestre en analysant des signaux radio avec leurs propres machines.
Folding@home a ensuite repris ce principe pour étudier les protéines, en recrutant notamment les PlayStation 3 à partir de 2007. Apple avait même développé Xgrid, un système permettant de répartir des calculs entre plusieurs Mac dès 2004.
Minions remet donc une recette éprouvée au service de l’IA avec un avantage économique évident pour les éditeurs disposant déjà d’un parc de Mac récents. Les ordinateurs sont déjà là, leur puissance graphique est disponible une bonne partie du temps et il n’est pas nécessaire d’acheter systématiquement de nouveaux accélérateurs. Même si faire travailler ces machines consomme toujours de l’électricité…
- La puce M4 Max, ses performances, son insolente maîtrise énergétique
- Un Mac redoutable dans tous les usages de création
- Connectiques nombreuses, SSD rapide
Apple pourrait-il un jour utiliser les Mac de ses clients ?
Pour expérimenter Minions, les chercheurs d'Apple se sont d'abord appuyés sur les Mac de leurs propres équipes, parfois en se coordonnant sur Slack pour récupérer quelques heures de puissance de calcul. Mais leur étude envisage déjà d'aller plus loin, en fédérant les ressources de plusieurs organisations, voire d'une communauté mondiale.
Une telle évolution soulèverait forcément des questions de confidentialité, de consommation électrique et de rémunération. Pour l'instant, Apple n'a toutefois annoncé aucun programme destiné aux particuliers.
Prêter son ordinateur pour chercher des extraterrestres avait un certain charme. Aider un GAFAM à faire tourner et développer son IA, un peu moins…
L’inférence correspond à l’exécution d’un modèle déjà entraîné pour produire un résultat (générer du texte, classer une image, résumer un document, etc.). Elle mobilise surtout de la puissance de calcul au moment de répondre à une requête, avec des besoins en mémoire et en GPU souvent importants, mais plus prévisibles que l’entraînement. L’entraînement, lui, consiste à ajuster les paramètres du modèle à partir de grandes quantités de données, ce qui demande généralement beaucoup plus de temps, de données, de stockage et une coordination fine entre GPU. Beaucoup d’architectures distribuées faciles à déployer pour l’inférence ne passent pas à l’échelle aussi simplement pour l’entraînement. C’est pour cela qu’un système peut désengorger des files d’attente d’inférence sans pour autant fabriquer plus vite un nouveau modèle.
Un ordonnanceur répartit les tâches entre plusieurs machines disponibles en tenant compte de leurs capacités (GPU, mémoire), de leur charge et de leur disponibilité réelle. Sur des postes de travail, la contrainte majeure est l’instabilité : une machine peut se mettre en veille, changer de réseau ou être éteinte sans prévenir. Le système doit donc découper le travail en unités relançables, détecter rapidement les nœuds indisponibles et réassigner les morceaux non terminés ailleurs. Cette tolérance aux pannes évite de perdre du temps de calcul et garantit qu’un traitement progresse malgré des ressources intermittentes. En pratique, la qualité de l’ordonnancement joue souvent autant sur le délai de mise en route (file d’attente) que sur la vitesse brute de calcul.
Dans des infrastructures IA, le goulot d’étranglement n’est pas toujours le nombre d’opérations par seconde, mais l’accès aux GPU partagés : si tout le monde soumet des jobs, une file d’attente se forme. Ajouter des ressources opportunistes (comme des GPU de machines peu sollicitées) permet d’absorber les pics de demande et de démarrer plus vite les traitements, même si chaque machine individuelle n’est pas plus rapide qu’un serveur dédié. Le temps total de calcul d’un job peut rester similaire, car il dépend toujours des performances du GPU, de la bande passante mémoire et du modèle utilisé. En revanche, le time-to-start (délai avant exécution) baisse fortement, ce qui améliore la productivité des équipes. C’est un levier d’optimisation de capacité et de disponibilité, plus qu’un gain direct de performance par watt.
