Calipia : le blog

Microsoft vient de lever le voile sur un nouveau site Fairwater, cette fois à Atlanta, destiné à compléter et étendre le site déjà opérationnel dans le Wisconsin. L’ambition est simple et légèrement mégalomane : assembler plusieurs sites distants en un superordinateur distribué mais perçu comme un seul cluster logique par les workloads IA.

Après plus d’une décennie passée à encaisser les caprices énergétiques et thermiques des infrastructures destinées à l’entraînement de modèles OpenAI, Microsoft affirme avoir “réinventé le datacenter IA”. Le nouveau design Fairwater n’est pas un lifting, mais une refonte structurelle qui combine densité extrême, puissance électrique démesurée, réseau aplati et WAN optique à très faible latence.

Professionnels des architectures critiques : accrochez-vous, on est loin du datacenter classique à 20 kW le rack…

Densité GPU : l’ère des racks à combustion spontanée (ou presque)

Microsoft annonce des racks personnalisés capables d’héberger des grappes massives de GPU NVIDIA Blackwell GB200 et GB300. On parle de centaines de milliers de GPU interconnectés sans hiérarchie réseau complexe.

Objectifs :

• réduire au minimum la latence entre GPU voisins ;
• améliorer le débit des opérations collectives (AllReduce, pipeline parallelism, Mixture-of-Experts multipoint) ;
• maintenir une efficacité d’entraînement élevée même dans les topologies géantes.

Pour les architectes habitués à surveiller la saturation des liens PCIe ou NVLink, ce niveau de densité ressemble à un scénario catastrophe… sauf si le réseau suit, et c’est exactement là que Microsoft a bouleversé son approche.

Refroidissement : exit l’évaporation, bonjour le circuit fermé de 6 ans

Les nouvelles installations utilisent un système de liquid cooling en boucle fermée, conçu pour fonctionner sans remplissage pendant plus de 6 ans. L’évaporation est quasi nulle, limitant la pression sur les ressources en eau tout en permettant d’héberger des accélérateurs qui consomment autant qu’un petit quartier résidentiel.

Cette approche répond à un double enjeu :

1. soutenir des densités thermiques inédites,
2. maintenir un niveau de durabilité acceptable dans un contexte où l’opinion publique est de plus en plus sensible à l’impact environnemental des IA.

Alimentation électrique : 140 kW par rack, 1,36 MW par rangée

À ce stade, on n’est plus dans le datacenter, mais dans la micro-centrale électrique.

Les chiffres :

• environ 140 kW par rack ;
• environ 1,36 MW par rangée.

Traditionnellement, les arcs électriques, les pics de charge de modèles IA, ou les ramp-ups fulgurants des tâches de synthèse de données rendent la distribution instable. Microsoft introduit donc un modèle énergétique “grid-optimized” avec tamponnage local pour amortir les variations brutales de consommation GPU.

Réseau : fini les topologies complexes, place au “flat network”

La pièce maîtresse du design est un réseau Ethernet à deux niveaux, avec un backend SONiC permettant de limiter la dépendance aux fournisseurs et de réduire drastiquement la complexité opérationnelle.

Caractéristiques clés :

• 800 Gbps par GPU, ce qui rend tous les administrateurs réseau jaloux/terrifiés ;
• packet trimming et packet spray pour optimiser l’occupation GPU en temps réel ;
• une architecture plate évitant les goulots d’étranglement traditionnels des pods d’entraînement.

Microsoft vend cela comme une démocratisation de la super-interconnexion. Traduit : une manière efficace de contrôler le coût d’un réseau d’une taille normalement réservée aux instituts nationaux de recherche.

WAN haute performance : quand deux États deviennent un supercalculateur

Le point le plus marquant : les sites d’Atlanta et du Wisconsin ne sont pas conçus comme deux régions indépendantes mais comme un seul cluster réparti géographiquement, synchronisé par une dorsale optique dédiée, extrêmement basse latence.

C’est la naissance d’un AI WAN planétaire, pensé pour :

• l’entraînement distribué multi-région ;
• la continuité opérationnelle entre sites ;
• le partage dynamique de capacité GPU ;
• la mise à disposition de ressources pour toutes les étapes d’un pipeline IA : pré-entraînement, fine-tuning, RL, inference, génération synthétique.

En d’autres termes : un cluster IA dont l’échelle n’est plus limitée par les murs d’un bâtiment.

Conclusion : Microsoft bâtit son “superfactory” IA

Entre densité GPU extrême, réseau plat à très haut débit, alimentation surdimensionnée et interconnexion optique multi-site, Microsoft assemble la première super-fabrique IA commerciale.

Pour les DSI, architectes cloud et responsables d’infrastructures critiques, la question n’est plus “peut-on reproduire cela ?”, mais “comment s’y connecter, et à quel coût ?”.

Derrière le discours marketing, une vérité technique : Microsoft prépare un monde où l’IA consomme des mégawatts comme nous consommons des watts… et où l’infrastructure doit suivre.