Résumé :
Microsoft explore un moyen d'utiliser la puissance de calcul inutilisée des ordinateurs grand public ordinaires pour entraîner des modèles d'intelligence artificielle. Selon une demande de brevet récemment publiée, Microsoft a proposé d'établir un réseau informatique distribué pour diviser les tâches de formation de modèles d'IA à grande échelle en un grand nombre de petites tâches et les distribuer aux ordinateurs de jeu, aux ordinateurs portables et même aux smartphones inactifs. Les utilisateurs disposés à fournir de la puissance de calcul à un équipement peuvent recevoir des points, des logiciels gratuits, des droits d'utilisation de modèles d'IA et même des récompenses en espèces.
Cette technologie est appelée « Micro-formation opportuniste sur les appareils Edge utilisant l'utilisation du GPU de rechange » (Micro-formation opportuniste sur les appareils Edge utilisant l'utilisation du GPU de rechange) et a été proposée par Microsoft Technology Licensing, une société de licences technologiques Microsoft. La demande de brevet a été déposée le 30 avril 2025 et publiée le 5 novembre 2026 sous le numéro US 2026/0349820 A1.
Microsoft a souligné dans les documents d'application que la demande de GPU pour la formation de modèles d'intelligence artificielle continue de croître, ce qui a provoqué une pénurie de ressources informatiques et une pression sur l'approvisionnement en matériel. Dans le même temps, de nombreux PC de jeu sont équipés de puissantes cartes graphiques discrètes, mais ces appareils restent souvent sous faible charge pendant de longues périodes lorsque l'utilisateur ne joue pas à des jeux. Microsoft espère intégrer cette puissance de calcul inutilisée et dispersée pour former un réseau informatique distribué pouvant servir à la formation en IA.
L'idée de base est différente de celle des grands centres de données traditionnels. Les tâches de formation à l’IA à grande échelle nécessitent généralement que des milliers, voire des dizaines de milliers de GPU fonctionnent ensemble. Microsoft propose d'abord d'analyser le modèle, d'établir des dépendances entre les différentes tâches informatiques, puis de diviser l'ensemble du processus de formation en plusieurs petites tâches relativement indépendantes, appelées micro-tâches.
Le système distribue ensuite ces tâches aux PC participant au réseau en fonction des performances du GPU, de la capacité de la mémoire vidéo et du temps disponible des différents appareils. Une fois le calcul terminé, l'appareil télécharge les résultats vers le système central, où le serveur les vérifie et les intègre, et continue de promouvoir la formation ultérieure.
Afin d'éviter que les différences de performances entre les différents appareils n'affectent l'efficacité globale, Microsoft a également conçu un mécanisme d'allocation dynamique des tâches. Le système évaluera le coût de communication, la surcharge de mémoire supplémentaire et la fréquence de transmission des données entre différents appareils après la répartition des tâches, et tentera de choisir une méthode de répartition des tâches adaptée à une exécution distribuée.
L'une des fonctionnalités les plus importantes de ce système est sa capacité à déterminer quand l'ordinateur de l'utilisateur est réellement inactif. Microsoft prévoit de surveiller en permanence l'utilisation du GPU, l'utilisation de la mémoire vidéo, la charge du processeur, la température de l'appareil et la consommation d'énergie, et d'utiliser ces données pour prédire la puissance de calcul disponible de l'appareil à l'avenir.
Par exemple, lorsque l'utilisateur exécute un jeu volumineux, le système peut réduire la fréquence d'attribution des tâches ou même suspendre complètement les calculs ; lorsque l'ordinateur est en veille, que la température du GPU est basse et que la mémoire vidéo est suffisante, davantage de tâches de formation peuvent être allouées. Le système ajustera également la fréquence de surveillance en fonction de la situation réelle de l'équipement afin d'éviter une charge supplémentaire causée par les inspections fréquentes elles-mêmes.
Microsoft a spécifiquement souligné que l'objectif de conception de l'ensemble du mécanisme est d'éviter autant que possible d'affecter l'utilisation normale des ordinateurs par les utilisateurs, notamment en réduisant la vitesse d'exécution des applications, en augmentant la chaleur des appareils et en consommant l'énergie de la batterie. Les tâches assignées aux différents appareils seront également ajustées dynamiquement en fonction de leurs capacités matérielles. Les appareils dont les performances sont plus faibles ou qui peuvent être hors ligne à tout moment n'effectueront que des tâches informatiques plus petites.
Pour les réseaux informatiques distribués, un autre problème difficile est de savoir comment garantir que les résultats renvoyés par les appareils participants sont dignes de confiance. Après tout, les ordinateurs du réseau peuvent commettre des erreurs de calcul, se déconnecter de manière inattendue ou même soumettre intentionnellement de faux résultats.
À cette fin, Microsoft a proposé de valider de manière croisée les résultats de calcul renvoyés par différents appareils et d'attribuer des pondérations différentes aux résultats renvoyés en fonction de la fiabilité passée de l'appareil, de la cohérence des résultats avec les résultats de calcul d'autres appareils et de la nouveauté des données. Les appareils qui fonctionnent de manière constante dans le temps bénéficieront d'une plus grande crédibilité, tandis que les appareils qui soumettent fréquemment des résultats anormaux peuvent être déclassés.
Bien sûr, l'aspect le plus attrayant de ce brevet pour les utilisateurs d'ordinateurs ordinaires est la possibilité d'être payé pour fournir de la puissance de calcul.
Comme indiqué dans les documents de candidature, les utilisateurs doivent s'inscrire activement et autoriser explicitement l'appareil à participer aux calculs. Le système peut enregistrer la quantité de travail informatique effectué par chaque appareil et rémunérer le propriétaire de l'appareil en fonction de la contribution. Ces compensations peuvent prendre la forme de points de compte, que les utilisateurs peuvent ensuite échanger contre des logiciels gratuits, accéder à des modèles d'IA en cours de formation ou simplement recevoir de l'argent.
Il convient de noter que Microsoft n'a pas annoncé de normes de rémunération spécifiques dans le document, ni expliqué combien de revenus les différentes cartes graphiques peuvent générer par heure. Le brevet décrit uniquement les mécanismes d'incitation possibles et ne signifie pas que Microsoft est prêt à lancer un service payant pour les consommateurs.
De plus, ce système ne sert pas nécessairement uniquement aux modèles d'IA de Microsoft. Le brevet décrit également un modèle possible dans lequel une organisation tierce fournit des tâches de formation et Microsoft est responsable de la connexion des demandeurs de tâches et des propriétaires d'appareils personnels. En d’autres termes, Microsoft a l’opportunité de devenir une plate-forme intermédiaire sur le marché de la puissance de calcul GPU distribuée, permettant aux entreprises qui manquent de ressources informatiques de louer la puissance GPU inutilisée des ordinateurs grand public ordinaires.
Cependant, ce modèle présente également quelques problèmes pratiques. Tout d’abord, ce n’est pas parce que le GPU est inactif que l’exécution de tâches informatiques ne consomme pas d’énergie. Une fois que la carte graphique commence à effectuer des tâches de formation à l'IA, la consommation électrique de l'ensemble de l'ordinateur peut augmenter considérablement et l'utilisateur devra supporter des factures d'électricité supplémentaires. Si le montant de l’indemnisation n’est pas suffisant pour couvrir le coût de l’électricité, les participants risquent de ne pas être en mesure de réellement réaliser un profit.
Deuxièmement, l'exécution prolongée de tâches informatiques à forte charge augmentera la pression de génération et de dissipation thermique de la carte graphique, et peut également affecter l'utilisation du matériel tel que les ventilateurs et les systèmes d'alimentation. Même si le système peut ajuster dynamiquement les tâches en fonction de la température, l'effet opérationnel réel doit encore être vérifié par des tests à long terme.
La sécurité des données mérite également une attention particulière. Les ordinateurs personnels recevront des tâches informatiques de tiers. Comment isoler le code externe, protéger les fichiers locaux et la confidentialité des utilisateurs, et comment empêcher les tâches malveillantes d'exploiter les vulnérabilités des appareils sont autant de problèmes qui doivent être résolus dans ce type de réseau informatique distribué.
Il y a un autre détail qui passe facilement inaperçu : bien que la demande de brevet mentionne le paiement d'une indemnisation au propriétaire de l'équipement, l'indemnisation correspondante n'apparaît pas dans ses 20 revendications. En d’autres termes, le brevet se concentre sur la façon de diviser les tâches de formation, de surveiller l’état d’inactivité des équipements, d’attribuer le travail informatique et de vérifier les résultats, tandis que le mécanisme de paiement n’est qu’une implémentation facultative décrite dans la spécification.
Actuellement, Microsoft n'a pas annoncé le lancement de ce service, ni les modèles de cartes graphiques pris en charge, les conditions de participation, les normes de rémunération ou l'heure de lancement officielle. La publication d’une demande de brevet en elle-même ne signifie pas que des produits connexes entreront définitivement sur le marché.
Si cette idée se concrétise enfin, son modèle pourrait rappeler les premiers projets informatiques distribués, tels que Folding@home, qui utilise la puissance de calcul inutilisée des ordinateurs personnels pour participer à la recherche scientifique. La différence est que Microsoft espère commercialiser davantage ce modèle et intégrer les ordinateurs de jeu des consommateurs ordinaires à l'infrastructure informatique de l'industrie de l'IA.
Pour les utilisateurs équipés de cartes graphiques hautes performances, les ordinateurs du futur ne pourront plus être utilisés uniquement pour les jeux, le rendu et l'inférence d'IA locale. Lorsque l’ordinateur n’est pas utilisé, le GPU inactif peut également devenir une ressource informatique pouvant être louée. Toutefois, la possibilité de créer un modèle commercial véritablement attractif dépend encore de la question de savoir si la rémunération est suffisante pour couvrir les factures d'électricité, les pertes de matériel et la confiance des utilisateurs dans la sécurité et la confidentialité des appareils.
Commentaires