Nvidia publie en open source sa plateforme d'orchestration GPU Run:ai sous licence Apache 2.0

Nvidia a rendu disponible en open source l'intégralité de sa plateforme d'orchestration GPU Run:ai, selon des informations publiées le 19 octobre 2026. Le logiciel est distribué sous licence Apache 2.0, qui autorise l'usage commercial et la modification. Run:ai agit comme une couche qui décide de la répartition des charges de travail d'IA exécutées sur des clusters Kubernetes entre les processeurs graphiques.

Ce que contient la version publiée

La version publiée regroupe plusieurs composants essentiels. Le principal est KAI Scheduler, qui détermine comment et dans quel ordre les tâches sont placées sur les GPU. Elle inclut également le fractionnement de GPU reposant sur CUDA 13.4, une technique permettant de partager un seul processeur graphique entre plusieurs charges de travail.

La gestion des quotas fait aussi partie du paquet, permettant aux administrateurs de plafonner la consommation de GPU par équipe et par projet. Pour les développeurs, Nvidia fournit un environnement local basé sur Kind, un outil qui exécute des clusters Kubernetes dans des conteneurs Docker sur une seule machine.

Pourquoi c'est important

Nvidia avait acquis la société israélienne Run:ai en 2024 et avait alors indiqué son intention de publier le logiciel en open source. Cette décision transforme ce qui était un produit commercial en un code que les organisations peuvent examiner, adapter et exécuter sur leur propre infrastructure, sans frais de licence.

Les GPU restent parmi les ressources les plus coûteuses et les plus rares pour l'entraînement et le déploiement de grands modèles. La planification, le fractionnement et les contrôles de quotas aident les entreprises à tirer davantage de travail du matériel qu'elles possèdent déjà. Une option sous licence permissive pourrait séduire les fournisseurs de cloud et les entreprises exploitant leurs propres centres de données, qui souhaitent un contrôle plus fin sur les accélérateurs partagés.

Les détails sur la feuille de route du projet, sa gouvernance communautaire et l'éventuel support de matériel autre que Nvidia n'étaient pas disponibles au moment de la rédaction. Le niveau d'adoption de la plateforme dépendra de la contribution et de la prise en main par des développeurs extérieurs à Nvidia.