SECTIONS
EDITIONS
NETWORK
AIXX Pedia L'encyclopédie du calcul intensif

AIXX Pedia › Concept technique › Indicateur d'efficacité PUE

Indicateur d'efficacité PUE

POWER USAGE EFFECTIVENESS · Fiche concept technique

Vue d'ensemble OVERVIEW

Le PUE (Power Usage Effectiveness) est l'indicateur central de l'efficacité énergétique d'un datacenter : consommation totale ÷ consommation des équipements IT — un PUE de 1,0 signifie que toute l'électricité alimente les équipements IT (limite théorique), un PUE de 2,0 signifie que la moitié de l'électricité est absorbée par le refroidissement et les autres infrastructures. Le PUE d'un datacenter IA dépend du taux de pénétration du refroidissement par liquide, de la conception de la salle et des conditions climatiques.

L'apport du refroidissement par liquide au PUE : les salles refroidies par air affichent généralement un PUE de 1,5-1,8 (le refroidissement représente 30-40 %), tandis que les salles refroidies par liquide peuvent descendre à 1,1-1,2 (la part du refroidissement chute fortement) — selon NVIDIA, le taux de pénétration du refroidissement par liquide progresse rapidement dans les datacenters IA ; la conception refroidie par liquide des racks de la série GB est le principal moteur de l'amélioration du PUE (selon les informations publiées).

Chiffres clés KEY NUMBERS

ÉlémentValeur / périmètre
PUE d'une salle refroidie par air1,5-1,8 (typique)
PUE d'une salle refroidie par liquide1,1-1,2 (Excellent)
Limite théorique1,0 (toute l'électricité pour l'IT)
Taux de pénétration du refroidissement par liquideEstimation > 30 % pour les datacenters IA (2025, selon TrendForce)

Ce que cela signifie sur le B300 ON B300

Exigences de PUE des racks des GB200/GB300 NVL72, entièrement refroidis par liquide — lors de la planification d'une salle IA, l'acheteur doit intégrer l'objectif de PUE dans la conception globale (climat du site / méthode de refroidissement / récupération de chaleur fatale), au lieu de « acheter l'équipement d'abord et penser au refroidissement ensuite ». Le PUE impacte directement les coûts d'exploitation (l'électricité constitue le poste majeur de l'OPEX d'une usine IA).

Limites et points de vigilance LIMITS

  • Le PUE n'est pas le seul indicateur : le PUE ne mesure que l'efficacité de l'infrastructure — l'utilisation des GPU, le débit des tâches et l'efficacité des modèles sont autant de KPI essentiels d'une usine IA — un « PUE minimal » ne signifie pas une « production IA maximale ».
  • Retour sur investissement d'une conversion au refroidissement par liquide : l'investissement initial d'une telle conversion est élevé — les économies d'exploitation issues de l'amélioration du PUE mettent plusieurs années à couvrir l'investissement — la décision d'investissement doit s'appuyer sur le coût total de possession (TCO).
  • Différences de méthodologie : le calcul du PUE peut varier selon les fabricants et les rapports — veiller à la cohérence méthodologique lors des comparaisons.

Présentation vidéo VIDEO

Mémoire HBM3eInterconnexion NVLinkSXM / NVL8Refroidissement liquide à plaque froide / CDUFormat de précision FP8MoE mélange d'expertsPuce de commutation NVSwitchRéseau d'interconnexion InfiniBandStockage NVMeCDU de refroidissement par liquideRDMA accès direct à la mémoire distanteGPUDirectTensor CoreMIG (Multi-Instance GPU)PCIe Gen5Calcul confidentielvGPU GPU virtuelFP4 / FP6 flottants basse précisionKV Cache cache d'inférenceScale-up et Scale-outCPO optique co-packagéeNVLink FusionArchitecture modulaire MGXQuantification de modèleParallélisme de tenseursCommunications collectivesUsine à IABoucle de refroidissement liquideTensorRT-LLMMoteur d'inférence vLLMLoRA adaptation bas rangChaîne d'approvisionnement en calculTCO coût total de possessionBenchmark de débit d'inférenceDistillation de modèleChaîne d'alimentation électriqueÉconomie des tokensPipeline de données d'entraînementStack d'optimisation d'inférenceMémoire GDDR7Famille des connecteurs d'alimentation (EPS/PCIe 8pin/12VHPWR/12V-2x6)Chronologie des contrôles à l'exportation vers la ChineGuide de validation GPU (nvidia-smi/GPU-Z)Optimisation d'inférence TensorRTExécution par graphes CUDA GraphsBibliothèque de communications collectives NCCLFormat de modèle ouvert ONNXGénéalogie des générations HBMEntraînement en précision mixteGénérations PCIeGénéalogie des formats de rackDécoder la nomenclature des GPUCircuit de GPU d'occasionComparaison refroidi par air / refroidi par liquideSanté mémoire et diagnostic de pannesMémoire HBM4Interconnexion UALinkFiche modèle B300

Références REFERENCES

  1. Site officiel NVIDIA — page produit Blackwell Ultra / HGX B300 https://www.nvidia.com/en-us/data-center/hgx/
  2. Marché et données de vente : AIXX Exchange (bande de marché de cette base)
Versions et corrections |Cette fiche est maintenue par la rédaction d'AIXX Pedia : rédaction assistée par IA, faits vérifiés à la main. Mise à jour le 2026-10-20 · version v1.0 · chaque modification est historisée et consultable.
Cette base
Politique éditorialeÀ propos de cette base (déclaration d'intérêts)le canal de corrections
Résumé de la charte éditoriale
Chaque affirmation sourcéeLes défauts obligatoirement mentionnés · Corrections publiques tracéesAucune entrée sponsorisée acceptéeZéro élément de prospection ou de vente dans les entréesDonnées de marché intégrées uniquement comme module de données
Famille AIXX
AIXX PediaAIXX ExchangeActualités AIXX
Source des données de marché : AIXX Exchange · © 2026 AIXX Pedia · Une production AIXX