9 septembre 2026
Distribuer des tâches indépendantes permet de tester des services locaux au coût par événement mesurable.
Signal de marché
Le 3 septembre, NVIDIA a présenté PAIR en bêta pour répartir les requêtes d’inférence entre ordinateurs d’un réseau local. Chaque requête s’exécute sur un nœud ; l’outil ne mutualise pas la mémoire GPU et ne répartit pas un modèle entre machines.
Lecture pour le FAI
Le FAI peut commencer par des tâches acceptant une file d’attente : résumer des événements, préparer des rapports ou classer des descriptions déjà produites. L’analyse d’images exige également de valider modèle multimodal, moteur et formats d’entrée.
Le pilote doit comparer un nœud dédié et une capacité distribuée à charge identique. Mesurer coût par événement accepté, attente p95, énergie, support et qualité évite de considérer les GPU inutilisés comme gratuits. Les revenus doivent couvrir infrastructure amortie, exploitation et réserve.
Lien avec Horus ISP
Dans l’architecture proposée avec Horus ISP, caméras et détection initiale restent chez le client ; le datacenter organise événements, preuves, droits, applications et tenants. Un service complémentaire recevrait les tâches autorisées et retournerait les résultats liés à l’événement original. Le cloud serait explicitement autorisé.
L’intégration reste à valider. Le périmètre LAN de PAIR ne démontre ni isolation multi-tenant, ni fonctionnement intersites, haute disponibilité ou SLA. Quotas, traçabilité et contrôles d’accès supplémentaires seraient nécessaires. Les alarmes critiques doivent conserver capacité réservée et récupération testée.
Services et offres
- Rapports visuels par agence avec quota mensuel et validation humaine.
- Traitement privé des événements avec droits et conservation convenus.
- Capacité réservée pour les clients exigeant des réponses rapides.
- Évaluation du coût par événement avant d’étendre le matériel.
Sources
- Sparks Fly: NVIDIA Accelerates Local AI at IFA 2026. NVIDIA, 2026-09-03.
- NVIDIA PAIR Virtual Inference Router Expands Available Compute on Your Local Network. NVIDIA Technical Blog, 2026-09-03.