Comment NVIDIA utilise l’open source pour s’imposer sur la 6G

Un an après avoir publié en open source son architecture sans fil Aerial aux côtés de sa bibliothèque de simulation Sionna, le concepteur de puces américain réussit un tour de force stratégique. En fournissant aux chercheurs les briques logicielles nécessaires pour concevoir les futurs réseaux mobiles 6G nativement adossés à l’intelligence artificielle, l’entreprise multiplie par dix l’adoption de ses outils en douze mois et installe durablement son écosystème de calcul accéléré au cœur des télécommunications de demain.

L’offre s’articule autour de deux piliers open source complémentaires : Sionna, une bibliothèque Python basée sur TensorFlow dédiée à la simulation différentiable des liaisons radio, et Aerial CUDA-Accelerated RAN (ACAR), un environnement d’exécution logiciel capable de traiter l’intégralité de la couche physique des réseaux d’accès radio 5G et 6G directement sur des cartes graphiques standardisées, sans dépendre de processeurs de signal dédiés et fermés. Résultat : un million de téléchargements, ce n’est pas rien.

De la robotique industrielle aux récepteurs neuronaux

L’approche défendue dans l’annonce publiée par NVIDIA dépasse la simple transmission de données brutes : elle vise à doter les équipements d’une compréhension contextuelle de leur environnement radio. Au King’s College de Londres, une équipe d’ingénieurs a interfacé un bras robotique avec un module compact Jetson AGX Orin exploitant Sionna. Plutôt que de saturer la liaison montante en transférant des flux vidéo continus, le robot communique de manière sémantique en ne transmettant que les coordonnées et la description compacte des objets manipulés, réduisant le temps d’exécution des tâches de 52,6 %.

Sur le front de la réception radio en conditions dégradées, l’opérateur japonais SoftBank a combiné un récepteur neuronal fondé sur l’apprentissage automatique avec la plateforme logicielle Aerial. Lors d’expérimentations menées avec un smartphone 5G du commerce sous fortes interférences, ce récepteur neural a surclassé les architectures conventionnelles sur l’ensemble des 15 configurations évaluées, enregistrant un pic de débit supérieur de 60 %. À Zurich, les chercheurs de l’ETH sont parvenus à réduire le taux d’erreur par bloc de plus d’un tiers en adaptant les poids de leurs modèles d’inférence directement aux mesures radio locales.

Le calcul ouvert pour bousculer le duopole des équipementiers

La question de l’empreinte environnementale s’impose également dans les travaux universitaires. À l’université de Leeds, les chercheurs ont couplé un supercalculateur compact DGX Spark à un jumeau numérique pour anticiper la demande réseau dix minutes à l’avance. Ce dispositif éteint automatiquement les stations de base inutilisées tout en vérifiant que les antennes adjacentes absorbent les terminaux connectés, réduisant la consommation électrique de l’infrastructure radio de 45,6 % sans coupure de service.

Cette offensive par l’open source place les équipementiers historiques (NDLR : comme Ericsson et Nokia) face à un défi d’envergure. En rendant son code librement accessible aux laboratoires mondiaux, le géant des semi-conducteurs s’assure que les futurs standards des réseaux des années 2030 seront nativement optimisés pour ses propres architectures de processeurs graphiques. L’épreuve de vérité attend désormais ces prototypes de laboratoire : prouver qu’une pile logicielle entièrement virtualisée et ouverte peut tenir la cadence des cœurs de réseaux d’opérateurs desservant des dizaines de millions d’abonnés simultanés.