Que signifie GPU ?

L'acronyme GPU se réfère à Graphics Processing Unit, soit un processeur graphique ou unité de traitement graphique en français. C’estle composant chargé d’alimenter les graphiques sur un PC. Ce terme a été créé dans les années 1990 par le fabricant de composants Nvidia. Aujourd’hui, cet acronyme est amplement utilisé à l’écrit comme à l’oral.

GPU intégré vs GPU dédié

La plupart des récents CPU (processeur en anglais central processing unit) sont dotés d’un GPU intégré. Ce dernier est traditionnellement utilisé pour afficher Windows sur un écran connecté, lire des vidéos, regarder des images et naviguer sur des sites web complexes. Par contre, il n’est pas assez puissant pour alimenter des logiciels plus exigeants comme les jeux ou les logiciels de montage vidéo.

Ce n'est pas tout à fait le cas avec les cartes graphiques intégrées très modernes, les GPU intégrées UHD d'Intel offrent des performances graphiques décentes sans qu’elle soit volumineuse et encombrante. Ce qui permet de maintenir des performances élevées dans les ordinateurs portables légers.

Le GPU intégré Intel de 11e génération est capable de faire tourner Rocket League à une résolution de 1080p à 60fps, ce qui n'aurait pas été possible avec un GPU intégré il y a seulement quelques années de cela.

Pour les tâches graphiques plus avancées, vous aurez besoin d’un GPU dédié (ou discret), que l'on trouve généralement dans les PC de bureau haut de gamme. C'est là que les deux principaux acteurs, AMD et Nvidia, entrent en jeu.

Les GPU dédiés d'AMD et de Nvidia sont complètement séparés du CPU et se connectent à la carte mère directement via des emplacements PCIe. Ils disposent de leur propre allocation de mémoire pour les opérations graphiques exclusivement, ce qui leur permet de gérer des applications graphiques complexes avec facilité.

Si vous avez besoin de plus de puissance, certains PC haut de gamme vous permettront d'utiliser deux GPU côte à côte. C'est sans doute excessif pour un ordinateur gamer standard, mais idéal pour les entreprises.

Les GPU dédiés sont ce qu’il y a de mieux pour des tâches graphiquement exigeantes, comme le rendu 3D, l'édition de vidéos à 360 degrés ou la lecture des derniers jeux AAA en 4K à 60fps.

Qu'est-ce que la technologie du ray tracing ?

La technologie de ray tracing, présente sur les GPU Nvidia RTX 30 Series et AMD RX 6000 Series les plus récentes, est dédiée au rendu graphique. Elle permet de tracer de manière réaliste le chemin de la lumière, en simulant les sources lumineuses de manière réaliste pour créer des environnements et des objets qui paraissent plus authentiques. Il simulera également la façon dont la lumière interagit avec les objets virtuels qu'elle touche et ces derniers interagissent à leur tour avec le monde.

La technologie peut varier en fonction du programme, mais l'utilisation la plus populaire du ray tracing en ce moment est le jeu.  

Les jeux prenant en charge le ray tracing semblent plus réalistes et offrent aux joueurs des environnements plus immersifs à explorer, qu'il s'agisse d'un simple faisceau de lumière brillant à travers les fenêtres d'une maison abandonnée que vous explorez, ou d'un éclairage au néon se reflétant parfaitement sur les murs métalliques brillants d'une ville futuriste que vous traversez à la vitesse de l'éclair.

C'est une expérience qui fait plus de différence qu'un simple renforcement des textures ou de la résolution.

Minecraft RTX est un exemple parfait de ce qu’apporte le ray tracing aux jeux.

Les GPU sont-ils seulement nécessaires pour jouer à des jeux ?

Alors que les GPU discrets sont principalement utilisés pour alimenter des programmes graphiquement intenses comme les jeux, les logiciels d'édition photo et vidéo, etc., l'utilisation des GPU est en constante évolution.

En raison de la capacité des GPU à effectuer des opérations parallèles sur de multiples ensembles de données, les ingénieurs se tournent de plus en plus vers les GPU pour les applications scientifiques et l'IA. Cela s'explique en partie par le fait que les GPU sont plus efficaces que les CPU haut de gamme en matière d'apprentissage automatique.

Les GPU étant capables de traiter plus de données sur une période donnée qu'un CPU, et les avantages s'étendent également à l'alimentation des réseaux de neurones.

Les GPU sont également utilisés pour exploiter les cryptomonnaies, ce qui a provoqué un manque de stocks disponibles sur le marché des GPU à son apogée en 2017 et 2018.