Performance
Fellow suit ce sujet depuis juillet 2026 : 30 articles résumés en français, dont 5 jugés majeurs ou notables.
Toute l'actualité · 30 articles
gpuvis : un outil de visualisation de traces GPU
Un projet open source sur GitHub permet d'analyser et visualiser les traces d'exécution GPU pour le debugging de performances.
Le LLM Mercury 2.5 atteint 770 tokens par seconde
Le nouveau modèle Mercury 2.5 affiche une vitesse de génération de 770 tokens/s, un seuil exceptionnel pour un LLM, selon les benchmarks d'Artificial Analysis.
Quand Claude peut mesurer une métrique, il parvient à l'optimiser
Anthropic détaille l'approche d'optimisation continue de Claude : la capacité du modèle à s'auto-évaluer sur des métriques précises devient le levier de ses propres gains de performance.
Benchmarker l'inférence LLM à grande échelle avec AIPerf
NVIDIA présente AIPerf, un outil pour mesurer rigoureusement la performance d'inférence LLM au-delà des scripts artisanaux.
Entraîner des modèles Text-to-Image 3,6× plus vite
Une méthode compile les pipelines dynamiquement pour réduire drastiquement les temps d'entraînement.
GPT-5.6 Luna vs GPT-6 Astra : le code à 1,20 $
Comparatif de performance pour la revue de code entre deux modèles d'IA de générations différentes.
Réduire de 90% le coût CPU d'eBPF par mémoïsation
Une optimisation technique majeure abaisse la consommation CPU des programmes eBPF sans recourir à l'IA générative.
On a remplacé MMAP par io_uring dans notre moteur de requêtes Rust : c'est devenu plus lent
Retour d'expérience technique sur une migration io_uring censée accélérer les I/O, mais qui a finalement dégradé les performances.
Un coloriseur syntaxique WebGPU de 27,5 Ko, agnostique du langage
Un outil léger exploite le GPU via WebGPU pour accélérer la coloration syntaxique dans le navigateur, sans dépendre d'un langage spécifique.
Que se passe-t-il quand un GPU écrit en mémoire ?
Une plongée technique dans les mécanismes internes d'écriture mémoire des GPU, entre caches, cohérence et performance.
Performance : éviter la bibliothèque musl
L'analyse comparative montre des pertes de performances significatives avec musl, en particulier sur les opérations de chaînes de caractères.
Superhuman Attention : optimisation d'interface
Une analyse technique des choix de design ayant permis à l'interface de Superhuman de maximiser l'attention et la réactivité.
Un modèle de 8,6 Go limité à 7 requêtes par seconde
L'analyse détaillée des goulets d'étranglement qui entravent le débit d'inférence.
Warnock : amplification géométrique GPU pour graphismes vectoriels
Une nouvelle méthode exploite l'amplification géométrique des GPU pour accélérer le rendu des graphismes vectoriels.
Comprendre la lecture mémoire par un GPU
Analyse technique des mécanismes internes et des implications de l'accès mémoire sur les unités de traitement graphique.
GPU Offload en Rust : portable, sûr et rapide
Une nouvelle approche pour accélérer Rust via le calcul GPU tout en garant sécurité et portabilité.
Rust : exécuter du code SIMD directement sur GPU
Un article technique explore comment compiler et exécuter des instructions SIMD écrites en Rust sur des architectures GPU.
Pourquoi les LLM échouent aux prédictions tabulaires
Une étude démontre les limites structurelles des grands modèles de langage sur les données tabulaires.
NVIDIA Vera : benchmarks pour un stockage IA plus rapide
NVIDIA optimise le stockage natif pour l'IA : chiffrement, compression et intégrité accélérés pour les workflows agentic.
Réplication spéculative de KV pour l'inférence LLM par pics
Une méthode de réplication prédictive du cache KV optimise l'inférence lors des pics de charge.
Simplifier les embeddings : l'approche brute force
Contre l'intuition, la recherche brute force sur des embeddings simples surpasse souvent les méthodes complexes et coûteuses.
Bilan du réécriture de Bun en Rust
Un développeur fait le point sur l'avancement du projet de réécriture du runtime JavaScript Bun en Rust.
ModelExpress : distribution ultra-rapide des artefacts de modèles
NVIDIA optimise le transfert des checkpoints massifs pour réduire la latence et les coûts réseau dans les clusters.
GigaToken : une tokenisation de modèles de langage jusqu'à 1000 fois plus rapide
Un projet open source promet d'accélérer drastiquement le processus de tokenisation utilisé par les LLM, une étape souvent négligée mais coûteuse en performance.
Gigatoken : un tokenizer présenté comme le plus rapide du marché
Un nouveau tokenizer baptisé Gigatoken promet des performances de traitement inédites, selon un thread partagé sur X.
Étendre Polars avec des plugins d'expressions Rust
Un billet technique détaille comment créer des plugins Rust pour ajouter des fonctions personnalisées performantes à la bibliothèque Polars.
Interning dense en arène : le moteur de performance des compilateurs
Un article technique explore comment l'interning de chaînes via arènes denses accélère significativement les compilateurs modernes.
Les verrous PostgreSQL ne passent pas à l'échelle
Un retour d'expérience sur les limites des mécanismes de verrouillage de PostgreSQL face à la montée en charge.
Conversion de couleurs JavaScript : 6 Md opérations/s
Une implémentation GPU accélère massivement les conversions de couleurs en JavaScript via WebGPU.
GPT-5.6 : une intelligence frontalière qui évolue avec l'ambition
OpenAI dévoile GPT-5.6, un modèle promettant plus d'intelligence par token et un meilleur rapport performance-prix.