L’École navale de troisième cycle des États-Unis (Naval Postgraduate School, NPS) vient de mettre en service un système NVIDIA DGX GB300 dédié à la formation et à la recherche en intelligence artificielle appliquée à la défense. Installé sur le campus de Monterey, en Californie, ce supercalculateur permettra d’entraîner des modèles, d’exécuter des simulations et de traiter des données sensibles sur place, sans dépendre à chaque tâche d’une infrastructure cloud externe.

Les essentiels du supercalculateur militaire de NVIDIA

• La NPS a activé le premier DGX GB300 de NVIDIA installé dans une organisation militaire américaine.
• Plus de 1 500 étudiants résidents et environ 600 enseignants pourront accéder à des capacités locales d’entraînement et d’inférence.
• Les projets couvrent la cybersécurité, la météorologie, l’autonomie, les océans, les jumeaux numériques et la réponse aux catastrophes.
• NVIDIA a offert le système à la fondation de l’université.
• DDN, VAST Data et Vertiv ont fourni le stockage, la gestion des données, le refroidissement et l’intégration.

L’activation a eu lieu le 22 juillet lors du congrès Converge @ NPS, en présence de Jensen Huang, fondateur et PDG de NVIDIA, de Samuel Paparo, commandant du Commandement du Pacifique des États-Unis, et d’Ann Rondeau, présidente de la NPS. L’établissement présente ce système comme le premier NVIDIA DGX GB300 déployé dans le secteur militaire américain, dans le cadre d’un accord de recherche et développement signé en décembre 2024 entre NVIDIA et la NPS pour étendre l’usage de l’IA dans l’éducation, la recherche appliquée et la sécurité nationale.

Une IA installée directement sur le campus

Le DGX GB300 donnera accès à de la puissance de calcul IA à plus de 1 500 étudiants résidents et environ 600 enseignants. La NPS forme des officiers américains et alliés dans des disciplines comme l’opération spatiale, l’ingénierie, l’océanographie, la cybersécurité, l’autonomie et l’analyse opérationnelle, et ce nouvel équipement permet à une partie de ces travaux de rester en interne, sur le campus même.

Cela compte particulièrement quand les projets touchent des données sous restriction ou des simulations qui ne doivent pas transiter automatiquement par un fournisseur cloud public, un enjeu déjà bien connu sur le segment du calcul IA local qui gagne du terrain jusque dans les entreprises.

L’infrastructure servira aussi bien à l’entraînement qu’à l’inférence : l’entraînement développe ou ajuste des modèles à partir de données propres, l’inférence les exécute pour produire des prévisions, des classifications ou des réponses. La NPS indique que ce système soutiendra la recherche en IA, cybersécurité, systèmes autonomes, modélisation et analyse opérationnelle. NVIDIA cite aussi la météorologie prédictive, la réponse aux catastrophes et la création de jumeaux numériques d’environnements complexes.

Ce déploiement ne transforme pas le campus en centre de données géant. L’université le décrit comme une brique intégrée à son infrastructure de calcul haute performance existante, combinant traitement, mémoire, réseau, stockage et logiciels de gestion dans une plateforme évolutive, capable d’accueillir plusieurs unités. L’équipement embarque aussi NVIDIA Mission Control, une couche logicielle qui supervise l’infrastructure IA : démarrage des charges de travail, surveillance des ressources, gestion unifiée des systèmes DGX.

Des modèles océaniques aux jumeaux numériques militaires

Un des axes majeurs de la NPS concerne la modélisation des océans et de l’atmosphère. Les chercheurs mettent au point des modèles pour représenter l’état de la mer, anticiper les évolutions météo et analyser l’impact de diverses conditions sur les opérations navales ou la gestion d’urgence. Ces projets demandent de grandes quantités de données et de nombreuses répétitions : un modèle peut tester des milliers de combinaisons de vents, de températures, de pressions, de vagues ou de courants avant de produire une prévision utile, et le calcul accéléré par GPU exécute ces opérations en parallèle pour gagner en rapidité.

L’université collabore aussi avec MITRE sur des environnements de jumeaux numériques via NVIDIA Omniverse. Ces systèmes recréent des espaces physiques et des conditions opérationnelles pour étudier la navigation, la prise de décision et le comportement de systèmes autonomes en situation incertaine. Un jumeau numérique n’est pas une copie exacte du réel : c’est une représentation informatique qui combine modèles, données et lois physiques pour simuler des décisions sans les coûts ni les risques d’une expérience réelle.

En contexte militaire, il peut servir à étudier le comportement de véhicules, de communications, de capteurs ou de personnels face à des conditions changeantes. Il est aussi utile pour générer des données synthétiques et entraîner des algorithmes quand les exemples réels sont rares, classifiés ou coûteux à obtenir. Ce système facilitera également le développement de modèles maison, spécialisés en météorologie, détection d’anomalies, traitement de signaux ou planification, sans que la NPS cherche pour autant à concurrencer les grands modèles commerciaux.

L’IA militaire exige infrastructure locale et personnel formé

La mise en service du DGX GB300 ne répond pas qu’à un besoin de puissance de calcul. Les États-Unis veulent que leurs officiers comprennent comment utiliser l’IA, ses limites, ses risques et son impact sur la prise de décision. Samuel Paparo a souligné lors de l’événement que les futurs commandants évolueront dans des environnements où l’information circule plus vite, réduisant le délai de réponse. Selon lui, l’avantage ne tient pas qu’à de meilleurs algorithmes : il tient aussi à la capacité des responsables à interpréter les résultats et à exercer un jugement humain.

Ce point compte, car une recommandation générée par IA peut reposer sur des données incomplètes, comporter des erreurs ou ne pas refléter une situation nouvelle. En contexte militaire comme civil, une erreur de prévision peut avoir des conséquences lourdes. L’accès direct à cette infrastructure permettra aux étudiants de manipuler les modèles concrètement, plutôt que de se limiter à des outils préfabriqués. NVIDIA a d’ailleurs étendu sa collaboration via son Deep Learning Institute, qui propose des ressources de formation pour intégrer l’IA dans diverses disciplines.

Ce partenariat profite aussi à NVIDIA, qui valorise son matériel et ses logiciels dans une institution formant les futurs responsables techniques, opérationnels et de gestion publique. Le système a été offert à la Naval Postgraduate School Foundation, qui finance également certains projets de recherche nécessitant cette capacité de calcul : en 2025, la fondation a déjà investi 825 000 dollars dans la première édition du Digital Trident AI Challenge, un concours destiné à soutenir des projets liés à la sécurité nationale.

Un DGX GB300 demande bien plus que des GPU

La mise en œuvre a mobilisé plusieurs fournisseurs spécialisés. DDN a fourni une infrastructure de stockage performante pour gérer et protéger les données alimentant l’IA. VAST Data a apporté une plateforme unifiée pour orchestrer l’accès aux données entre sites locaux, cloud et périphériques. Vertiv a assuré l’alimentation électrique, le refroidissement liquide, les tests et la mise en service des racks — un tableau qui rappelle que la question de l’énergie et du refroidissement pèse tout autant que celle des GPU dans un projet de cette taille.

Ces éléments expliquent pourquoi un supercalculateur IA ne se résume jamais à un nombre de GPU. Les accélérateurs ont besoin d’un flux de données rapide, d’une communication efficace entre eux et d’un refroidissement adéquat pour dissiper la chaleur produite ; une défaillance sur l’un de ces points, et une partie du potentiel reste inexploitée. Le modèle DGX GB300 repose sur l’architecture Grace Blackwell Ultra : en configuration rack, la plateforme GB300 NVL72 réunit 72 GPU Blackwell Ultra et 36 CPU Grace, reliés via une interconnexion NVLink qui atteint 130 TB/s de bande passante totale. NVIDIA n’a publié ni détails précis ni coût total du système à Monterey.

Les modèles d’entraînement exacts, les jeux de données ou l’éventuel caractère classifié de certains projets restent inconnus. Les informations disponibles décrivent des axes de recherche et d’enseignement généraux, pas des capacités militaires déployées sur le terrain. Cette initiative reflète malgré tout une tendance claire : les institutions publiques et de défense veulent une capacité locale pour explorer l’intelligence artificielle. Le cloud reste un complément utile, mais le contrôle local garantit une meilleure maîtrise des données, de l’accès, de la disponibilité et de la configuration.

Questions fréquentes

Qu’est-ce que la Naval Postgraduate School ?

C’est une université de troisième cycle de la Marine américaine, située à Monterey, en Californie. Elle forme des militaires américains et alliés, et mène des recherches appliquées en défense et sécurité nationale.

À quoi servira le NVIDIA DGX GB300 ?

L’université prévoit de l’utiliser pour l’entraînement et l’inférence de modèles, la cybersécurité, la météorologie, la robotique, la simulation, la création de jumeaux numériques et la planification en situation de catastrophe.

Est-ce le premier DGX GB300 de l’armée américaine ?

Selon la NPS, oui : il s’agit du premier supercalculateur NVIDIA DGX GB300 installé dans le domaine militaire des États-Unis.

NVIDIA a-t-elle vendu le système à l’université ?

Non. NVIDIA a fait don du système à la fondation de l’université. Certaines entreprises partenaires ont fourni le stockage, l’infrastructure et le support technique.

Source : blogs.nvidia