Ce système d'exploitation alimente discrètement toutes les IA - et aussi la plupart des futurs emplois en informatique

Sans Linux, il n'y aurait pas de ChatGPT. Aucune IA du tout. Aucune. Voici pourquoi.

Points clés de Linux-Terminal.com

• L'IA fonctionne sous Linux. Point final. Il n'y a pas de substituts.
• Canonical et Red Hat développent des distributions Linux spécifiques à Nvidia Vera Rubin.
• Le noyau Linux est en cours d'optimisation pour les charges de travail en IA et en apprentissage automatique.

L'IA moderne a commencé avec l'open source, et elle fonctionnait sur Linux. Aujourd'hui, Linux n'est pas seulement important pour l'intelligence artificielle ; c'est la base sur laquelle repose l'ensemble de la pile moderne d'IA d'aujourd'hui. Des clusters d'entraînement hyperscale jusqu'aux boîtiers d'inférence en périphérie, tout est Linux de haut en bas.

Les tours de magie de l'IA sont en réalité le produit agrégé d'une infrastructure très prosaïque : des superordinateurs, des fermes de GPU et des clusters cloud qui fonctionnent presque tous avec une version de Linux. Les principaux frameworks d'apprentissage automatique -- TensorFlow, PyTorch, scikit-learn et leurs dérivés -- ont tous été développés et optimisés en premier sur Linux. Les outils autour de ces frameworks, de Jupyter et Anaconda à Docker et Kubernetes, sont de la même manière optimisés pour Linux.

Pourquoi les emplois en informatique vivront et mourront sur Linux

Pourquoi ? Parce que c'est sur Linux que les chercheurs et les ingénieurs de production déploient réellement l'IA. Les futurs emplois informatiques dépendront de Linux pour leur succès ou leur échec.

Vous voyez, l'IA fonctionne sur Linux parce que c'est l'environnement le plus flexible, puissant et évolutif pour les charges de travail distribuées et gourmandes en GPU que l'IA moderne exige. De plus, l'ensemble des outils et de l'écosystème cloud s'est standardisé sur Linux.

Oui, chaque plateforme d'IA, qu'il s'agisse d'OpenAI, Copilot, Perplexity, Anthropic ou de votre chatbot IA préféré, est construite sur Linux, plus les pilotes, bibliothèques et orchestration, le tout assemblé de différentes manières. Les parties propriétaires peuvent attirer la marque, mais sans Linux, elles ne sont nulle part.

Cela se traduit par plus d'emplois Linux.

Comme le note le rapport 2025 sur l'état des talents technologiques de la Linux Foundation, l'IA entraîne une augmentation nette des emplois dans le domaine de la technologie, en particulier des emplois liés à Linux. À quoi cela ressemble, selon le rapport, revient à « l'IA [est] en train de remodeler les rôles plutôt que de les éliminer », « entraînant des changements dans la demande de compétences et de nouvelles opportunités de croissance pour la main-d'œuvre ».

En plus d'augmenter les emplois en administration de systèmes et de réseaux Linux, le site Linux Careers constate « une tendance rapidement émergente impliquant des professionnels qui combinent l'expertise Linux avec l'intelligence artificielle et les opérations d'apprentissage automatique. » Ces nouveaux emplois AI/Linux incluent Spécialiste des opérations AI, Ingénieur MLOps, Ingénieur ML et Ingénieur DevOps/AI.

Bien sûr, les distributeurs de Linux savent tout cela, c'est pourquoi, lorsque de nouvelles distributions Linux sont publiées, leurs créateurs mettent en avant les fonctionnalités d'IA.

Par exemple, Canonical et Red Hat se disputent pour planter leurs drapeaux Linux sur la nouvelle plateforme de superordinateur d'IA Vera Rubin de Nvidia. La course est lancée pour voir qui possédera la couche système d'exploitation des « usines d'IA gigascale ».

Pour sa part, Red Hat introduit Red Hat Enterprise Linux (RHEL) pour Nvidia. Cette édition sélectionnée de RHEL est optimisée spécifiquement pour la plateforme Rubin de Nvidia, y compris les systèmes à grande échelle en rack Vera Rubin NVL72.

La société affirme que cette variante sera livrée avec un support Day 0 pour le processeur Vera, les GPU Rubin et la pile CUDA X de Nvidia, avec des pilotes et des kits d'outils OpenRM validés fournis directement via les dépôts Red Hat.

Le noyau Linux et l'IA

Canonical déploie également le support officiel d'Ubuntu pour la plateforme Nvidia Rubin, ciblant également le Vera Rubin NVL72. L'entreprise basée à Londres ancre son récit autour de l'idée de faire du CPU Vera personnalisé basé sur Arm un « citoyen de première classe », avec une parité x86 dans sa prochaine version Ubuntu 26.04.

Ainsi, contrairement à Red Hat, qui a un RHEL uniquement pour les processeurs de Nvidia, le nouvel Ubuntu prendra en charge Nvidia. Cette version intégrera également des fonctionnalités telles que la virtualisation imbriquée et la partition et la surveillance de la mémoire ARM (MPAM) afin de mieux partitionner la bande passante mémoire et le cache pour les charges de travail IA multi-locataires.

Ce qui fait fonctionner tout cela est un noyau Linux qui a été modifié de manière continue pour suivre l'appétit vorace de l'IA pour l'accélération matérielle. Les noyaux modernes gèrent les pilotes de GPU et d'accélérateurs spécialisés, une gestion sophistiquée de la mémoire pour déplacer rapidement les tenseurs, et des planificateurs optimisés pour des tâches par lots massivement parallèles.

En bref, le noyau a été reconfiguré au cours de la dernière décennie pour devenir un système d'exploitation pour les accélérateurs matériels d'IA.

Mémoire : placer les données là où se trouvent les GPU

Plus précisément, l'un des facilitateurs les plus importants a été la gestion de la mémoire hétérogène. Cela permet d'intégrer la mémoire des dispositifs, comme la mémoire graphique/vidéo de l'unité de traitement graphique (GPU VRAM), dans le sous-système de mémoire virtuelle de Linux.

Cela, combiné avec la mise en mémoire tampon Direct Memory Access (DMA-BUF) et l'optimisation Non-Uniform Memory Access (NUMA), permet aux environnements d'exécution de l'IA de garder les tenseurs proches de l'accélérateur et de réduire la copie de données, ce qui a tendance à ralentir les performances.

Les noyaux récents traitent également les combinaisons CPU-GPU avancées, telles que les nœuds CPU/GPU de style NUMA étroitement couplés, comme des citoyens de première classe. Grâce à cela, la mémoire peut être migrée entre la RAM attachée au CPU et la mémoire GPU à large bande passante à la demande.

Cela, comme l'a expliqué Nvidia, « permet au CPU et au GPU de partager une seule table de pages par processus, permettant à tous les threads CPU et GPU d'accéder à toute la mémoire allouée par le système. »

Accélérateurs : un véritable sous-système, pas un ajout

Linux dispose désormais d'un sous-système dédié aux accélérateurs de calcul, conçu pour exposer les GPU, les unités de traitement Tensor (TPU) et les circuits intégrés spécifiques aux applications d'IA (ASIC) à vos programmes d'IA et d'apprentissage automatique (ML).

De plus, le support GPU est passé d'une approche axée sur les graphiques à une approche intensive en calcul, via le Direct Rendering Manager (DRM), des piles ouvertes comme ROCm et OpenCL, et les pilotes Compute Unified Device Architecture (CUDA) de Nvidia.

Le travail sur le noyau s'est étendu pour couvrir de nouveaux accélérateurs d'IA tels que le Habana Gaudi d'Intel, le Edge TPU de Google et les cartes FPGA/ASIC, avec des pilotes et des abstractions de bus. Cela permet aux programmes d'IA tels que PyTorch ou TensorFlow de les reconnaître et de les utiliser comme n'importe quel autre appareil. Ainsi, toute personne créant aujourd'hui de nouvelles puces pour l'IA part du principe légitime que Linux y fonctionnera.

Planification : nourrir les accélérateurs affamés

L'ordonnanceur par défaut de Linux, le Earliest Eligible Virtual Deadline First (EEVDF), l'ordonnanceur en temps réel et l'équilibrage NUMA ont tous été optimisés pour permettre aux charges de travail en IA de verrouiller les CPU, d'isoler les voisins bruyants et d'alimenter les accélérateurs sans fluctuation. Les travaux visant à augmenter la fréquence par défaut du timer du noyau de 250 Hz à 1000 Hz montrent déjà des améliorations mesurables dans l'accélération des modèles de langage étendus (LLM) avec un coût énergétique négligeable.

Bien que ce ne soit pas un paramètre par défaut de Linux, certaines distributions, comme les noyaux à faible latence d'Ubuntu, disposent désormais de cela comme paramètre standard.

Chemins directs : supprimer l'intermédiaire CPU

Les noyaux modernes permettent aux GPU d'accéder directement à la mémoire, au stockage et même aux dispositifs pairs, en utilisant des technologies telles que GPUDirect de Nvidia et le DMA peer-to-peer. Combiné avec Compute Express Link (CXL) et une gestion améliorée de l'unité de gestion de la mémoire d'entrée/sortie (IOMMU), cela permet aux accélérateurs de contourner le CPU lors du déplacement des données. Cela élimine les goulots d'étranglement qui bloquaient auparavant les sessions d'entraînement en apprentissage automatique. Cette plomberie invisible explique pourquoi les clusters d'IA peuvent se mettre à l'échelle sans s'effondrer sous leur propre E/S.

Tout cela revient à dire que, lorsque les dirigeants parlent de « stratégie d'IA », ce qu'ils ne disent pas, c'est que la réalité peu glamour est que la stratégie d'IA dépend de la gestion de Linux à grande échelle. Il s'agit principalement de patcher les noyaux, de renforcer les conteneurs et de sécuriser des charges de travail opaques. L'IA peut faire la une, mais Linux reste le système d'exploitation qui effectue le travail réel.