Avec l’essor des agents d’intelligence artificielle, les processeurs retrouvent une place stratégique dans les centres de données. Mais comment mesurer leur efficacité réelle ? Pour Arm, les benchmarks traditionnels ne suffisent plus : il faut désormais évaluer les performances à l’échelle du processeur, du serveur et du rack entier.
Pendant plusieurs années, la course à la puissance de calcul pour l’intelligence artificielle s’est concentrée sur les GPU, indispensables à l’entraînement et à l’exécution des grands modèles de langage. L’arrivée des agents autonomes redistribue toutefois les cartes. Comme l’explique the-ai.news dans son analyse consacrée aux performances des CPU face à l’IA agentique, les processeurs généralistes deviennent essentiels pour coordonner les tâches, gérer les accès aux données et faire fonctionner simultanément des milliers d’agents.
Pourquoi les agents IA changent les besoins en processeurs
Contrairement à un chatbot classique, qui répond à une question puis attend la suivante, un agent IA peut enchaîner des dizaines d’opérations sans intervention humaine. Il interroge des bases de données, exécute du code, consulte des API, manipule des fichiers et communique avec d’autres services.
Chacune de ces opérations sollicite les ressources informatiques traditionnelles : CPU, mémoire vive, stockage et réseau. Le GPU conserve son rôle dans l’inférence des modèles, mais le processeur central assure une grande partie de l’orchestration.
Cette évolution pourrait transformer profondément le marché. Selon une projection citée dans l’article, celui des CPU pourrait passer de 26 milliards de dollars en 2025 à 246 milliards en 2030. Une estimation particulièrement ambitieuse, qui doit être considérée comme un scénario de croissance plutôt que comme une certitude.
Socket, serveur et rack : trois niveaux pour mesurer les performances
Pour Arm, comparer deux processeurs sur la seule base de leur fréquence ou de leur nombre de cœurs n’a plus beaucoup de sens dans un environnement d’IA agentique.
Le fabricant recommande d’étudier trois niveaux complémentaires.
Au niveau du socket, c’est-à-dire du processeur installé sur la carte mère, les tests doivent mesurer la puissance de calcul, les performances par cœur et la capacité à traiter plusieurs opérations simultanément.
Au niveau du système, l’évaluation intègre les interactions entre processeur, mémoire, stockage et interfaces réseau. Un CPU performant peut être ralenti par une bande passante mémoire insuffisante ou des échanges de données trop nombreux.
Au niveau du rack, qui regroupe plusieurs serveurs dans une même baie, les critères changent encore. Il faut déterminer combien de tâches peuvent être réalisées dans les limites de consommation électrique, de refroidissement et d’espace disponible.
Cette dernière approche est particulièrement importante pour les opérateurs de centres de données, dont la capacité de développement dépend de plus en plus des contraintes énergétiques.
La performance utile plutôt que la puissance théorique
L’objectif n’est plus seulement d’exécuter une opération le plus rapidement possible, mais de déterminer combien de tâches un système peut mener à terme en maintenant des délais de réponse acceptables.
Un serveur capable d’exécuter rapidement une tâche isolée ne sera pas nécessairement le plus efficace lorsque plusieurs milliers d’agents travaillent en parallèle. Les performances peuvent se dégrader sous l’effet de la saturation mémoire, des accès réseau ou des conflits entre processus.
Arm rappelle notamment l’intérêt de benchmarks comme TPC-E, historiquement utilisés pour évaluer des systèmes transactionnels complexes. L’enjeu consiste aujourd’hui à développer des méthodes comparables, mais adaptées aux opérations multiples et continues des agents IA.
Cette approche accompagne également les ambitions commerciales du fabricant. Arm affirme que son processeur AGI CPU peut offrir près de deux fois plus de travail par rack que certaines configurations x86 concurrentes sur des charges agentiques spécifiques. Ces résultats reposent sur des mesures au niveau serveur vérifiées par Signal65, puis extrapolées à l’échelle du rack : ils ne constituent donc pas une garantie de performances identiques dans toutes les infrastructures.
Quelles conséquences pour les infrastructures réseau ?
Pour les entreprises qui exploitent leurs propres serveurs, cette évolution impose de revoir certains critères de dimensionnement.
La consommation électrique, la dissipation thermique et la densité de calcul deviennent aussi importantes que la puissance brute. Mais le réseau joue également un rôle déterminant : des agents qui multiplient les appels API et les échanges avec des services distants peuvent générer une forte augmentation des communications internes.
Il faut donc surveiller la latence, la bande passante, les performances des interfaces réseau et la capacité des serveurs à maintenir une charge élevée sans dégradation excessive.
Le meilleur processeur n’est pas nécessairement le plus rapide sur un benchmark isolé, mais celui qui permet de réaliser le plus de travail utile pour un coût énergétique et matériel maîtrisé.
Cette vision, défendue par Arm dans un contenu sponsorisé, sert naturellement les intérêts du constructeur. Elle met néanmoins en évidence une transformation bien réelle : à mesure que les agents IA se multiplient, la performance informatique dépend davantage de l’efficacité de l’ensemble de l’infrastructure que des caractéristiques d’un composant pris isolément.