Un brevet Microsoft décrit un système pour entraîner l'IA avec des GPU inactifs de PC gamer et d'autres appareils personnels.
Le dépôt, intitulé « Opportunistic Micro-training on Edge Devices Using Spare GPU Utilization » (US 2026/0349820 A1), a été soumis le 30 avril 2025 par Microsoft Technology Licensing et publié par l'USPTO le 5 novembre 2026.
Comment le système fonctionnerait
Au lieu de concentrer l'entraînement entièrement dans des centres de données, le système décompose les grandes tâches en micro-tâches plus petites et indépendantes. Ces parties sont envoyées aux appareils inscrits lorsqu'une capacité GPU disponible est détectée. Le service surveille l'utilisation, la mémoire, la température et la consommation d'énergie afin que la charge n'interfère pas avec l'utilisation normale de l'appareil.
La fréquence de surveillance s'adapte : moins souvent lorsque le GPU est occupé ou chaud, plus souvent lorsqu'il est inactif et froid. L'objectif est d'utiliser des ressources qui seraient autrement gaspillées sans perturber l'expérience utilisateur.
Compensation pour les propriétaires
La description du brevet mentionne la possibilité de compenser les propriétaires qui choisissent de participer. Le système pourrait suivre le volume de calcul effectué et appliquer des crédits au compte de l'utilisateur, échangeables contre des logiciels gratuits, un accès aux modèles ou même de l'argent. Cependant, cette mention n'apparaît que dans le paragraphe descriptif [0019] ; aucune des 20 revendications formelles n'exige de paiement ou de récompense.
La participation serait volontaire et nécessiterait une autorisation préalable du propriétaire du matériel. Les experts notent qu'un brevet décrit une idée, pas un produit fini : Microsoft n'a annoncé aucune mise en œuvre, et la consommation d'électricité supplémentaire plus l'usure du matériel restent des considérations ouvertes.
Contexte de pénurie de GPU
La spécification observe que la demande de GPU pour l'entraînement d'IA a créé des pénuries, tandis que les PC gamer contiennent souvent des cartes puissantes qui restent inactives en dehors des jeux. Les appareils edge sont définis comme du matériel connecté au réseau avec GPU qui n'est généralement pas contrôlé par l'entité qui entraîne le modèle.
Le concept ressemble à des projets de calcul distribué comme Folding@home, mais est spécifiquement axé sur le micro-entraînement de modèles d'apprentissage automatique, avec analyse des dépendances du modèle pour choisir des points de division optimaux en fonction du coût de communication et de la localité des données.
Par Grok
