L’École d’ingénierie navale des États-Unis a mis en service un système NVIDIA DGX GB300 destiné à la formation et à la recherche en intelligence artificielle appliquée à la défense. Installé sur son campus de Monterey, en Californie, ce superordinateur permettra de former des modèles, d’exécuter des simulations et de traiter des informations sensibles directement au sein de l’institution, sans dépendre entièrement d’infrastructures cloud externes pour chaque charge de travail.

Les essentiels du superordinateur militaire de NVIDIA en 30 secondes

• La Naval Postgraduate School 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 apporté stockage, gestion des données, refroidissement et intégration.

L’activation a eu lieu le 22 juillet lors du congrès Converge @ NPS, en présence de Jensen Huang, fondateur et PDG de NVIDIA ; Samuel Paparo, commandant du Commandement du Pacifique des États-Unis, et Ann Rondeau, présidente de la Naval Postgraduate School (NPS).

L’institution présente ce système comme le premier NVIDIA DGX GB300 déployé dans le secteur militaire américain. Son installation s’inscrit dans le cadre d’un accord de recherche et développement signé en décembre 2024 entre NVIDIA et la NPS, visant à étendre l’usage de l’intelligence artificielle dans l’éducation, la recherche appliquée et la sécurité nationale.

Une intelligence artificielle installée directement sur le campus

Le DGX GB300 offrira un accès à la puissance de calcul en intelligence artificielle à plus de 1 500 étudiants résidents et à environ 600 enseignants. La Naval Postgraduate School forme des officiers américains et alliés dans des disciplines telles que l’opération spatiale, l’ingénierie, l’océanographie, la cybersécurité, l’autonomie et l’analyse opérationnelle.

Ce nouvel équipement permet à une partie de ces travaux d’être effectuée en interne, directement sur le campus. Cela revêt une importance particulière lorsque les projets impliquent des données sous restriction, des informations opérationnelles sensibles ou des simulations qui ne doivent pas être automatiquement transmises à un fournisseur cloud public.

L’infrastructure pourra être utilisée aussi bien pour l’entraînement que pour l’inférence. L’entraînement consiste à développer ou ajuster des modèles à partir de données propres, tandis que l’inférence correspond à leur exécution pour générer prévisions, classifications ou réponses.

La NPS indique que ce système soutiendra la recherche en intelligence artificielle, cybersécurité, systèmes autonomes, modélisation et analyse opérationnelle. NVIDIA mentionne également d’autres domaines comme la météorologie prédictive, la réponse aux catastrophes et la création de jumeaux numériques d’environnements complexes.

Ce déploiement ne transforme pas le campus en un grand centre de données. L’université décrit ce système comme une composante intégrée à son infrastructure de calcul haute performance existante. Il combine traitement, mémoire, réseau, stockage et logiciels de gestion dans une plateforme évolutive, pouvant accueillir plusieurs unités.

L’équipement intègre également NVIDIA Mission Control, une couche logicielle conçue pour superviser et gérer l’infrastructure IA. Elle permet notamment le démarrage des charges de travail, la surveillance de l’état des ressources et la gestion des systèmes DGX comme une plateforme unifiée.

Des modèles océaniques aux jumeaux numériques militaires

Un des axes principaux de la Naval Postgraduate School 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 changements météorologiques et analyser l’impact de diverses conditions sur les opérations navales ou la gestion d’urgence.

Ces projets requièrent généralement de grandes quantités de données et de multiples répétitions. Un modèle peut exercer des milliers de combinaisons de vents, températures, pressions, vagues ou courants avant de produire une prévision utile. Le traitement accéléré par GPU permet d’exécuter ces opérations en parallèle, gagnant en rapidité et efficacité.

Par ailleurs, l’université collabore avec MITRE sur la création d’environnements de jumeaux numériques, utilisant notamment 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 situations incertaines.

Un jumeau numérique n’est pas une copie exacte du réel. Il s’agit d’une représentation informatique combinant modèles, données et lois physiques pour simuler des décisions sans engager les coûts ou risques d’une expérience réelle.

Dans un contexte militaire, il peut servir à étudier le comportement de véhicules, communications, capteurs ou personnels face à des conditions changeantes. Il est aussi utile pour générer des données synthétiques permettant d’entraîner des algorithmes lorsque les exemples réels sont rares, classifiés ou coûteux à obtenir.

Ce système facilitera également le développement interne de modèles fondamentaux. Cela ne signifie pas nécessairement que la NPS cherche à concurrencer les grands modèles commerciaux, mais plutôt à créer des modèles spécialisés, entraînés ou ajustés pour la météorologie, la détection d’anomalies, le traitement de signaux ou la planification spécifique.

L’IA militaire exige infrastructure locale et personnel formé

La mise en service du DGX GB300 ne répond pas uniquement à une question de capacité informatique. Les États-Unis souhaitent que leurs officiers comprennent comment utiliser l’intelligence artificielle, ses limites, ses risques et ses impacts sur la prise de décision.

Samuel Paparo a souligné lors de l’événement que les futurs commandants évolueront dans des environnements où l’information circulera plus vite, réduisant le délai de réponse. Selon lui, l’avantage ne réside pas seulement dans de meilleurs algorithmes, mais aussi dans la capacité des responsables à interpréter les résultats et à exercer un jugement humain.

Ce point est crucial 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 ou civil, une erreur de prévision peut avoir des conséquences majeures.

L’accès direct à cette infrastructure permettra aux étudiants de manipuler les modèles concrètement, plutôt que de se limiter à l’utilisation d’outils préfabriqués. NVIDIA a aussi étendu sa collaboration via son Deep Learning Institute, qui propose des ressources de formation pour intégrer l’IA dans diverses disciplines.

Ce partenariat est bénéfique pour NVIDIA également, qui valorise son matériel et ses logiciels dans une institution formant les futurs responsables techniques, opérationnels et en gestion publique. Ce dispositif renforce ainsi la présence de ses solutions dans les programmes de l’administration américaine en matière d’IA.

Le système a été offert à la Naval Postgraduate School Foundation, qui finance aussi 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 opération des racks.

Ces éléments illustrent pourquoi un supercalculateur IA ne peut se résumer à un simple 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. En cas de défaillance dans l’un de ces domaines, une partie du potentiel n’est pas exploitée.

Le modèle DGX GB300 repose sur l’architecture Grace Blackwell Ultra. En configuration rack, la plateforme GB300 NVL72 comprend 72 GPU Blackwell Ultra et 36 CPU Grace, reliés via une interconnexion NVLink atteignant 130 TB/s de bande passante totale. NVIDIA n’a pas publié de détails précis ni le coût total du système à Monterey.

Les modèles précis d’entraînement, les jeux de données, ou encore si certains projets sont classifiés, restent inconnus. Les informations disponibles décrivent des axes de recherche et d’enseignement généraux, non des capacités militaires déployées concrètes sur le terrain.

Malgré cela, cette initiative reflète une tendance claire : les institutions publiques et de défense souhaitent disposer d’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 superordinateur NVIDIA DGX GB300 installé dans le domaine militaire des États-Unis.

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

Non, NVIDIA a effectué une donation à la fondation de l’université. Certaines entreprises partenaires ont fourni stockage, infrastructure et support technique.

Source : blogs.nvidia