La Radeon VII est une carte AMD de 2019 à l’architecture « Vega » (gfx906) : 16 Go de mémoire ultra-rapide et une puissance de calcul encore respectable aujourd’hui. Mais pour l’intelligence artificielle, elle est devenue une carte orpheline : le support officiel a pris fin, et sous Windows les logiciels de calcul scientifique ne l’ont jamais vraiment prise en compte.
Nous l’avons remise au travail. Non pas avec une astuce de compatibilité, mais en reconstruisant de zéro toute la chaîne logicielle, du compilateur jusqu’à la bibliothèque qu’utilisent les chercheurs du monde entier : PyTorch.
Ce que nous avons fait en premier
Pourquoi c’est important
En chemin, nous avons trouvé un défaut qu’aucun message d’erreur ne signalait : pour une combinaison précise de formes, la bibliothèque choisissait la méthode de calcul la plus rapide, mais pas la bonne. Le résultat était un gradient erroné précisément dans la première couche de tout réseau travaillant sur des images en couleur. L’entraînement ne s’arrêtait pas : simplement, il n’apprenait rien.
La recherche automatique choisit la méthode la plus rapide, pas la bonne. Chaque nouvelle forme doit être comparée au moins une fois à un calcul de référence.
C’est la leçon que nous appliquons dans chaque projet, pas seulement en intelligence artificielle : un résultat n’est pas vérifié tant qu’on ne l’a pas confronté à la réalité. C’est sur cette base que nous avons tout mesuré : 98 opérations sur 98 correctes, 20 sur 20 en algèbre linéaire sur GPU, des centaines de formes de convolution contrôlées une à une.
Ce que cela signifie pour nos clients
Cela signifie savoir faire tourner l’intelligence artificielle sur le matériel que l’on possède déjà, sur site, sans envoyer de données confidentielles dans le cloud. Et cela signifie une méthode : quand quelque chose n’est pas pris en charge, nous ne nous arrêtons pas à « c’est impossible », nous descendons d’un niveau jusqu’à trouver la cause.
Une partie de ce travail est partagée sous forme de logiciel libre, afin que d’autres puissent redonner vie à leurs propres cartes.
« Les premiers au monde » : d’après les sources publiques consultées (documentation officielle, dépôts et forums de référence) en novembre 2026, il n’existe aucun autre cas documenté de PyTorch compilé en natif avec ROCm sous Windows pour GPU gfx906. Si vous en connaissez un, écrivez-nous : nous le citerons volontiers. ROCm, MIOpen, PyTorch et ZLUDA sont des projets de leurs auteurs respectifs, distribués sous leurs propres licences.