SpaceXAI a démontré sa capacité à déployer rapidement une infrastructure d’intelligence artificielle à une échelle impressionnante : le premier cluster Colossus, comprenant environ 100 000 GPU NVIDIA H100 et une puissance de calcul d’environ 130 MW, a été opérationnel en seulement 122 jours. La version suivante, Colossus II, a été encore plus rapide à mettre en place. Cependant, une information publiée par The Information met en évidence un problème différent : ces premiers centres auraient connu des interruptions fréquentes, et SpaceX aurait commencé à revoir une partie de leur conception afin d’améliorer leur fiabilité. La question ne concerne plus seulement le nombre de GPU installés, mais le niveau de redondance nécessaire pour transformer cette capacité en un service cloud fiable, pouvant être commercialisé de manière durable auprès de tiers.
Les clés de Colossus et le défi de la redondance en 30 secondes
- SpaceXAI a déployé les 100 000 premiers H100 de Colossus en 122 jours, et le premier cluster de Colossus II en 91 jours.
- Leur capacité totale est d’environ 1 GW de puissance de calcul, selon la documentation de SpaceX.
- The Information indique que les premiers centres ont connu des interruptions fréquentes, et que certains éléments sont en cours de redesign.
- SpaceX vend déjà de la capacité à des tiers, dont Google, ce qui accroît les exigences en matière de disponibilité.
- L’énergie, les batteries, la refroidissement, le réseau et la redondance sont des variables déterminant le potentiel d’expansion de ce modèle.
Ce changement est crucial : Colossus ne peut plus être uniquement perçu comme un superordinateur dédié à l’entraînement de Grok. Après l’intégration de xAI chez SpaceX, la société commercialise aussi une partie de sa gigantesque infrastructure GPU à des clients externes.
Un document soumis à la Securities and Exchange Commission (SEC) montre l’étendue de cette évolution. Le 5 juin 2026, SpaceX a signé un contrat avec Google pour fournir une capacité d’environ 110 000 GPU NVIDIA, en plus de CPU, mémoire et autres composants. Google s’est engagé à payer 920 millions de dollars par mois entre octobre 2026 et juin 2029, avec des clauses d’annulation ou de modification possibles si SpaceX ne livre pas la capacité prévue.
Avec de tels contrats, la rapidité de déploiement reste un avantage stratégique. Cependant, assurer la continuité opérationnelle devient tout aussi essentiel.
De 100 000 H100 en 122 jours à plus de 1 GW de puissance de calcul
L’histoire de Colossus commence par une décision clé qui explique en partie sa rapidité.
Plutôt que de construire un centre de données traditionnel à partir de zéro, xAI a réutilisé une ancienne usine Electrolux à Memphis. En seulement 122 jours, la société y a installé environ 100 000 GPU NVIDIA H100 et une capacité de 130 MW.
SpaceX utilise aujourd’hui cette rapidité comme argument commercial. Dans sa documentation pour la SEC, la société compare ce délai à une référence d’environ deux ans pour construire un centre de données « greenfield » de 100 MW, bien que cette comparaison ne signifie pas une équivalence exacte entre les projets.
Colossus a continué de croître : SpaceXAI affirme avoir doublé le système à environ 200 000 GPU en 92 jours supplémentaires. La documentation indique aussi plus de 0,5 exaoctet de stockage et jusqu’à 2,8 Tb/s de connectivité par serveur pour des charges distribuées.
Colossus II a porté cette démarche plus loin encore.
Selon le document déposé auprès des investisseurs, le premier cluster comprenait environ 110 000 GPU GB200 et 210 MW de puissance de calcul en 91 jours.
Le second a été déployé en seulement 64 jours, ajoutant encore 110 000 GPU GB300 et environ 220 MW.
| Déploiement | Matériel communiqué | Puissance de calcul | Durée |
|---|---|---|---|
| Colossus, première phase | ~100 000 H100 | ~130 MW | 122 jours |
| Extension Colossus | jusqu’à ~200 000 GPU | — | +92 jours |
| Colossus II, premier cluster | ~110 000 GB200 | ~210 MW | 91 jours |
| Colossus II, second cluster | ~110 000 GB300 | ~220 MW | 64 jours |
| Collaboration des deux | diverses générations | environ 1 GW | capacité totale |
Ces chiffres proviennent principalement de SpaceX et doivent être considérés comme des données communiquées par la société elle-même. L’organisme indépendant Epoch AI utilise l’imagerie satellite, les permis et des modèles de refroidissement pour estimer la capacité des grands centres IA. Selon ses estimations, Colossus II dépasserait un million d’H100 équivalent, mais ce chiffre reste une approximation plutôt qu’un inventaire officiel de GPU physiques.
Ce décalage est important : un « H100 équivalent » tente de normaliser la capacité de calcul de différentes générations et ne signifie pas que le nombre exact de GPU H100 soit installé.
Construire vite et concevoir pour l’échec ne sont pas le même défi
Le rythme effréné de déploiement comporte ses risques potentiels.
The Information a rapporté en septembre que les premiers centres de données de xAI avaient connu des interruptions fréquentes. Selon leurs sources, lors de la première phase, l’accent a été mis sur la mise en marche rapide de la capacité plutôt que sur le déploiement d’une infrastructure complète garantissant une fiabilité optimale.
Ils signalent aussi qu’au cours de l’été, l’équipe responsable des centres de données a été réorganisée, intégrant des ingénieurs issus de l’organisation de lancement de SpaceX. Une partie de l’infrastructure existante est en cours de redesign.
SpaceX n’a pas publié de métriques détaillées comme la disponibilité annuelle, la durée moyenne des arrêts, le nombre de GPU affectés ou leurs causes précises. Il n’est donc pas possible d’affirmer publiquement quels composants ont échoué ou si le manque de redondance en est responsable.
Toutefois, cette situation soulève une question technique importante :
Un cluster d’entraînement interne et un service d’infrastructure proposé à des clients tiers peuvent supporter différemment les risques.
Pour entraîner un modèle, le logiciel peut sauvegarder des checkpoints et reprendre le travail après une panne. La perte d’un nœud ne nécessite pas forcément l’arrêt total si l’architecture permet de l’isoler.
Mais plus le cluster est grand, plus le nombre absolu de composants susceptibles de tomber en panne est élevé.
Des centaines de milliers de GPU impliquent aussi des serveurs, alimentations, commutateurs, liens optiques, systèmes de refroidissement, stockage, pompes, transformateurs et kilomètres de câblage. La disponibilité globale ne dépend pas uniquement de la fiabilité des GPU.
La redondance classique d’un centre de données vise justement à éviter qu’un défaillance critique n’interrompe une part trop importante de l’infrastructure.
Cela peut passer par une alimentation électrique multi-chemins, des systèmes UPS, des batteries, des générateurs, des capacités de refroidissement supplémentaires, des pompes redondantes, des réseaux redondants ou des architectures permettant d’isoler des racks ou des serveurs sans arrêter l’ensemble.
Mais chaque couche supplémentaire a un coût : argent, espace, délai pour le déploiement.
Le dilemme de Colossus est là : une partie de son avantage provient précisément de la suppression ou de la simplification de processus qui ralentissent la construction classique.
L’énergie et l’évolution du design
L’infrastructure électrique autour de Memphis illustre une partie de cette évolution.
Dans leur documentation réglementaire, SpaceX indique que Colossus et Colossus II ont été initialement alimentés en grande partie par des générateurs sur site. La rapidité avec laquelle ils ont pu déployer cette infrastructure énergétique constitue une force concurrentielle.
Cette stratégie a aussi suscité des controverses.
En juillet, Reuters a rapporté l’utilisation de dizaines de turbines à gaz dans le Tennessee et le Mississippi, ainsi que les disputes réglementaires et judiciaires concernant leurs permis et leurs émissions. SpaceXAI affirme que ces installations sont temporaires, en attendant la mise en service de solutions permanentes.
La société a ensuite indiqué qu’elle retirerait ces turbines temporaires à mesure qu’elle avançait vers une centrale à gaz permanente de 1,2 GW, dont la mise en service est prévue d’ici juillet 2027.
À cette production d’énergie s’ajoute une capacité de stockage électrique exceptionnelle.
Canary Media a détecté, via images satellite, 720 Tesla Megapack sur Colossus II en juillet. Selon la version installée, cette batterie pourrait atteindre environ 2,8 GWh, fournissant entre 720 MW et 1 400 MW de puissance. SpaceXAI n’a pas encore publié de fiche technique complète pour confirmer ces chiffres.
Une batterie de cette envergure peut remplir plusieurs fonctions : stabilisation de l’alimentation, absorption de transitoires, gestion des pics de demande ou maintien de charges lors d’événements électriques. Sa présence ne révèle pas directement la configuration de redondance du centre, mais montre que le système énergétique devient de plus en plus complexe.
SpaceXAI recherche aussi davantage d’alimentation provenant de la Tennessee Valley Authority (TVA), tout en développant sa propre production.
Ainsi, l’image d’un bâtiment rempli de GPU connecté à des turbines provisoires évolue : Colossus se mue en un campus énergétique et de calcul, combinant multiples sources d’énergie, stockage et connexions réseau.
Vendre de la puissance de calcul modifie les règles
La fiabilité devient encore plus critique, car SpaceXAI ouvre Colossus à d’autres entreprises.
En mai, ils ont annoncé un accord fournissant la capacité de Colossus 1 à Anthropic. Selon SpaceXAI, cette installation comprend plus de 220 000 GPU NVIDIA, dont H100, H200 et GB200. Anthropic prévoit d’utiliser cette capacité pour ses services Claude Pro et Claude Max.
L’accord avec Google illustre en détail l’impact commercial de ne pas respecter les délais de livraison.
Le document déposé à la SEC prévoit qu’en cas de non-livraison des GPU engagés avant le 30 septembre 2026, Google peut, après une période de grâce d’un mois, résilier le contrat ou réduire la capacité, avec une baisse proportionnelle des paiements.
Ce qui fait de la disponibilité une question financière.
Lorsque Colossus était principalement une infrastructure interne à xAI, une interruption pouvait entraîner des retards d’entraînement ou des coûts supplémentaires. Lorsqu’elle est vendue à des tiers pour des centaines de millions de dollars par mois, la capacité livrée et opérationnelle devient une obligation contractuelle.
Cette transition explique aussi pourquoi la prochaine étape de Colossus pourrait davantage consister à équilibrer vitesse, coût et redondance plutôt qu’à battre un nouveau record de déploiement.
SpaceX connaît déjà bien cette problématique dans un autre secteur.
Ses activités spatiales dépendent de la conception de systèmes résilients, capables de tolérer des pannes, de détecter des anomalies et de continuer à fonctionner avec des composants redondants. La participation d’ingénieurs issus de l’organisation de lancement dans le développement de l’infrastructure des centres de données, comme le rapporte The Information, concorde avec cette volonté d’une ingénierie davantage orientée sur la fiabilité, même si les détails précis restent encore confidentiels.
La taille ne semble pas freiner l’expansion : SpaceX affiche environ 1 GW de puissance de calcul cumulée entre Colossus et Colossus II, tout en disposant de capacités énergétiques supplémentaires pour continuer à croître. Son objectif public pour Memphis est désormais d’atteindre un million de GPU.
Le premier Colossus a montré qu’une entreprise pouvait transformer une usine en l’un des plus grands clusters IA du monde en quatre mois. Colossus II a prouvé que le processus pouvait être accéléré encore davantage.
La prochaine étape sera différente : SpaceXAI doit prouver que cette méthode de déploiement peut aussi garantir la disponibilité nécessaire pour satisfaire ses clients externes, qui commandent des dizaines de milliers de GPU.
Dans le domaine de l’IA, mettre rapidement en marche 100 000 accélérateurs constitue un avantage concurrentiel ; assurer leur disponibilité en cas de panne est ce qui permet de les transformer en véritable cloud.