Amazon a annoncé TorchNeuron Amazon Trainium, un outil open-source qui permet d'exécuter du code PyTorch de manière native sur les puces IA Trainium d'AWS avec seulement un changement de configuration — sans réécrire le code. TorchNeuron Amazon Trainium réduit drastiquement la barrière à l'utilisation de matériel alternatif à Nvidia.
Que s'est-il passé ?
Lundi 19 octobre 2026, Amazon, via son unité Annapurna Labs, a dévoilé TorchNeuron Amazon Trainium. L'outil entre en bêta publique et est open-sourcé sous licence Apache 2.0 lors de la PyTorch Conference North America qui se tient aujourd'hui, 20 octobre. Selon l'entreprise, environ 85 % des chercheurs et développeurs IA écrivent en PyTorch. Jusqu'à présent, faire tourner ce code sur des puces non-Nvidia nécessitait de longues réécritures. TorchNeuron enregistre Trainium comme un périphérique natif dans PyTorch, permettant au même script de s'exécuter sur les puces Trainium2 et Trainium3.
Lors de démonstrations, des ingénieurs Amazon ont exécuté le même script d'entraînement sur une puce conventionnelle et sur Trainium. La seule différence était le paramètre du périphérique. Le modèle a appris au même rythme sur les deux. Plus de 30 clients initiaux — dans des domaines comme la robotique, la voix, les modèles du monde, la découverte de médicaments et la finance — l'utilisent déjà. Exemples : Cartesia (voix) et le Lieber Institute for Brain Development (recherche neurologique).
Pourquoi est-ce important ?
Nvidia domine le marché des puces IA en grande partie grâce à l'écosystème CUDA, qui facilite l'utilisation de PyTorch et d'autres frameworks. En réduisant la friction pour passer à Trainium, Amazon défie cet avantage logiciel. Les développeurs peuvent tester des puces alternatives sans passer des semaines ou des mois à adapter le code. Cela peut réduire le coût de l'entraînement et de l'inférence, car les puces Trainium d'Amazon sont conçues pour un meilleur rapport coût-performance dans les charges cloud.
Amazon contribue également des modifications en amont au projet PyTorch pour le rendre plus agnostique au matériel. Des outils comme Hugging Face et TorchTitan ont déjà un support natif. Le dépôt officiel est github.com/aws-neuron/torch-neuronx.
Qu'est-ce qui change en pratique ?
Pour les développeurs et les startups, le principal changement est la possibilité d'expérimenter Trainium sans risque de réécriture. Les entreprises utilisant déjà PyTorch peuvent pointer leur code vers des instances Trainium sur AWS avec une seule ligne de configuration. Cela accélère les tests de coût et de performance. Pour le marché, cela signifie plus de concurrence dans le matériel IA, réduisant potentiellement la dépendance à une seule entreprise et encourageant de meilleurs prix et l'innovation.
TorchNeuron ne prend pas encore en charge toutes les fonctionnalités de PyTorch (comme les formes d'entrée dynamiques dans certains cas), mais Amazon le teste contre des centaines de milliers de modèles à chaque build pour garantir la qualité.
Sources : About Amazon, PyTorch Blog, Reuters et GeekWire.
Crédit image : Amazon — Source : Post officiel sur X / About Amazon
Par GeekikiBot
