Ultralytics à l’AMD Dev Day Shanghai : l’IA locale rencontre les systèmes agentiques
Ultralytics partage les enseignements tirés de l’AMD Dev Day Shanghai sur l’AMD AI : déploiement local de l’IA, systèmes agentiques, ROCm et Ryzen AI Max 395.
Ultralytics a participé à l’AMD Dev Day à Shanghai pour découvrir comment AMD et ses partenaires façonnent la prochaine phase de l’infrastructure d’IA. Le message le plus fort de l’événement était clair : le débat autour de l’IA d’AMD dépasse les modèles autonomes pour s’orienter vers des systèmes d’IA déployables. Parmi les présentations, les démonstrations de produits et les échanges avec les partenaires, les principaux thèmes étaient l’IA agentique, le déploiement de l’IA locale, les écosystèmes open source et les outils pour développeurs nécessaires pour rendre ces systèmes pratiques à grande échelle.
Comme l’a déclaré Lisa Su, présidente du conseil d’administration et directrice générale d’AMD, « Il n’y a jamais eu de moment plus passionnant pour travailler dans la technologie qu’aujourd’hui. »
Pour les équipes qui développent de vrais produits d’IA, cette évolution est importante. Elle suggère que la réussite dans la prochaine phase du marché dépendra peut-être moins de l’accès à un unique modèle de pointe que de la capacité des équipes à orchestrer efficacement les workflows, maîtriser les coûts d’inférence, protéger les données sensibles et choisir l’environnement de déploiement adapté à chaque tâche.
Le message d’AMD : l’IA a besoin d’une stratégie de calcul full-stack#
L’un des grands thèmes de l’AMD Dev Day était la volonté d’AMD de se positionner comme un fournisseur de calcul complet de bout en bout pour l’ère de l’IA. L’entreprise a présenté son approche comme un moyen de prendre en charge les workloads d’IA dans les environnements cloud, client et edge, tout en mettant l’accent sur un écosystème logiciel ouvert plutôt que sur une pile propriétaire fermée.
Cette présentation est importante, car elle reflète l’évolution du développement de l’IA. Concevoir des produits d’IA modernes ne consiste plus seulement à entraîner un modèle ou à appeler une API de modèle. Les équipes doivent de plus en plus prendre en charge l’expérimentation locale, les workflows multi-agents, l’optimisation de l’inférence, les tests à l’échelle d’une station de travail et le déploiement en entreprise. Le discours d’AMD lors de l’événement a constamment relié sa stratégie matérielle à cette réalité logicielle et systémique plus large.
Lisa Su a clairement résumé cette ambition pendant l’événement : « Nous voulons intégrer l’IA partout dans l’écosystème. »
Fig. 1. Lisa Su sur scène lors de l’AMD Dev Day à Shanghai.
L’IA agentique était le thème dominant de l’événement#
S’il y avait une idée répétée tout au long de la journée, c’était la transition des interactions traditionnelles avec les LLM vers des systèmes d’IA agentiques. Les intervenants ont décrit cette évolution comme un passage de prompts et de réponses ponctuels à une orchestration multi-agents, dans laquelle différents agents planifient, exécutent, évaluent et collaborent au sein de workflows.
Cela compte, car les systèmes agentiques imposent de nouvelles exigences à la pile d’IA. Selon le cadrage de l’événement, ces systèmes ont besoin non seulement de performances GPU, mais aussi d’une puissance de traitement CPU importante, d’une orchestration des flux de données et d’une capacité mémoire suffisante pour prendre en charge des boucles d’inférence répétées et une exécution en plusieurs étapes.
Pour les développeurs et les équipes IA, la leçon à retenir est que l’avantage concurrentiel pourrait venir de la conception de systèmes d’IA efficaces, et non de la simple sélection du modèle le plus performant. La capacité à connecter les modèles aux workflows, aux outils, aux données locales et aux processus métier devient une composante essentielle du produit lui-même.
Le déploiement de l’IA locale devient plus stratégique#
Un autre thème notable de l’AMD Dev Day était l’accent mis sur le déploiement de l’IA locale. AMD et ses partenaires ont répété que les workloads d’IA avancés doivent de plus en plus s’exécuter au plus près du lieu où le travail est effectué, notamment sur des ordinateurs portables, des stations de travail et du matériel d’entreprise.
Les raisons avancées étaient constantes tout au long de l’événement :
- Une latence réduite
- Une meilleure confidentialité des données
- Un contrôle renforcé des workflows sensibles
- Une dépendance réduite aux coûts des API cloud
AMD a utilisé le Ryzen AI Max 395 comme preuve clé à l’appui de cet argument, en mettant en avant des configurations dotées de jusqu’à 128 Go de mémoire unifiée et capables d’exécuter localement de grands modèles dans un seul pool mémoire, sans partitionnement. L’événement a également présenté des configurations de développement à l’échelle d’une station de travail utilisant la Radeon AI Pro R9700 et l’AMD Threadripper Pro 9000 pour les tests et la montée en charge locale avant le déploiement.
Le message général n’était pas que le cloud allait disparaître. L’événement présentait plutôt un modèle hybride dans lequel les environnements locaux et cloud fonctionnent ensemble. Les tâches plus courantes ou sensibles à la latence et à la confidentialité peuvent s’exécuter localement, tandis que les tâches plus exigeantes peuvent toujours être transférées vers le cloud lorsque cela est nécessaire.
Les coûts d’inférence de l’IA et la demande en tokens façonnent les choix d’infrastructure#
L’AMD Dev Day a également mis en évidence la pression économique qui sous-tend ces décisions d’architecture. Les intervenants ont insisté sur la croissance rapide de la demande en tokens, l’augmentation des coûts d’inférence et la pression que cela exerce sur les développeurs et les entreprises qui conçoivent des produits d’IA.
Dans ce contexte, l’IA locale a été présentée autant comme une stratégie de maîtrise des coûts que comme une stratégie technique. Le message répété de l’événement était que la prochaine phase de l’IA récompensera les équipes qui utilisent le calcul plus efficacement, et pas simplement celles qui en consomment le plus.
Pour les concepteurs de solutions d’IA, c’est un signal concret. Les décisions d’infrastructure deviennent de plus en plus des décisions produit. La latence, la confidentialité, la mémoire et le coût des tokens ne sont plus des détails techniques secondaires.
Fig. 2. Kit d’évaluation AMD Versal AI Edge Series Gen2 VEK385.
AMD ROCm et l’écosystème IA open source#
Une autre conclusion majeure de l’AMD Dev Day concernait le rôle central des écosystèmes logiciels ouverts. AMD a mis en avant ROCm, la compatibilité sans modification du code avec les principaux frameworks, la prise en charge de plus de 3 millions de modèles via Hugging Face et ModelScope, ainsi que des objectifs de prise en charge dès le premier jour pour les nouvelles versions de modèles.
Nick Ni, directeur principal de la gestion des produits IA chez AMD, a bien résumé cette priorité : « Pour la plupart d’entre vous dans cette salle, en réalité, le logiciel est l’essentiel. »
L’événement a également mis en avant plusieurs initiatives destinées aux développeurs :
- AMD AI Developer Cloud avec un accès GPU gratuit pour les développeurs en Chine
- Intégration de ModelScope Studio avec des options d’exécution sur GPU AMD
- AMD AI Playbooks avec des guides étape par étape
- Un programme pour développeurs qui a accueilli plus de 100 000 développeurs ces derniers mois
Cette partie de l’événement semblait particulièrement importante, car elle soulignait une vérité fondamentale : les capacités matérielles ne suffisent pas à elles seules à favoriser l’adoption. Les développeurs ont besoin d’outils matures, de frameworks familiers, de documentation et de moyens simples pour expérimenter. C’est l’écosystème qui transforme les promesses de performance en plateformes utilisables.
Pourquoi la Chine s’est distinguée lors de l’AMD Dev Day#
Le rôle de la Chine sur le marché de l’IA était un autre thème récurrent. Plusieurs intervenants ont décrit la Chine comme un environnement de premier plan pour l’innovation en IA open source, notamment dans les domaines façonnés par l’efficacité, le déploiement local et les contraintes pratiques de l’ingénierie.
Les partenariats avec Zero One AI et Stepfun ont servi à renforcer ce point. Les notes de l’événement décrivaient un système tout-en-un multi-agents destiné aux entreprises, développé conjointement avec Zero One AI et reposant sur l’architecture Ryzen AI Max pour un déploiement local, ainsi qu’un modèle Stepfun optimisé pour le matériel AMD et conçu pour les tâches agentiques.
L’implication plus large est que la Chine n’est pas seulement un marché majeur de l’IA, mais aussi un terrain d’expérimentation important pour le déploiement de l’IA locale, les modèles open source et la conception d’infrastructures sensibles aux coûts.
Ce qu’Ultralytics a retenu de l’AMD Dev Day Shanghai#
Du point de vue de l’équipe Ultralytics, le signal le plus utile de l’AMD Dev Day était l’accent mis sur les systèmes d’IA déployables plutôt que sur les capacités de l’IA considérées de manière abstraite. L’événement s’est constamment concentré sur la manière dont les développeurs et les entreprises peuvent réellement exécuter, intégrer, sécuriser et mettre à l’échelle l’IA dans des environnements de production.
Cela soulève notamment des questions comme :
- Que faut-il exécuter localement plutôt que dans le cloud ?
- Comment les équipes doivent-elles envisager la latence et la confidentialité ?
- Comment les développeurs peuvent-ils réduire leur dépendance aux API d’inférence coûteuses ?
- Quels outils et quelles couches logicielles facilitent l’adoption des plateformes d’IA ?
Ce sont des questions pratiques qui définissent de plus en plus la manière dont les produits d’IA performants sont conçus. Nous nous posons également directement ces questions dans notre façon de développer et de distribuer les modèles Ultralytics YOLO. La flexibilité du déploiement, c’est-à-dire la possibilité d’exécuter un modèle sur un ordinateur portable, une station de travail ou une instance cloud, a toujours été une contrainte de conception essentielle pour nous, et non une réflexion après coup.
La volonté de favoriser les écosystèmes open source et l’efficacité de l’inférence mise en avant lors de l’AMD Dev Day a renforcé une conviction que nous avons déjà : les outils d’IA les plus utiles sont ceux qui s’intègrent aux workflows réels, sur du matériel réel, sans obliger les équipes à reconstruire leur infrastructure autour d’un fournisseur ou d’une plateforme unique.
Fig. 3. L’équipe Ultralytics lors de l’AMD Dev Day à Shanghai.
Réflexions finales#
L’AMD Dev Day Shanghai a clarifié un point : le débat autour de l’infrastructure d’IA gagne en maturité. L’attention se détourne de la seule taille brute des modèles pour se porter sur les systèmes plus vastes nécessaires pour rendre l’IA utile dans le monde réel. Les workflows agentiques, le déploiement de l’IA locale, les outils open source et l’efficacité de l’infrastructure ont été les thèmes les plus clairs de l’événement.
Pour les équipes qui développent des produits d’IA, cette évolution mérite toute leur attention. La prochaine vague de progrès pourrait venir du choix de la bonne architecture, du bon modèle de déploiement et du bon écosystème pour développeurs, plutôt que du modèle le plus volumineux.
Si tu développes des systèmes de vision par ordinateur et que tu réfléchis à l’endroit où l’inférence doit s’exécuter — sur l’appareil, sur site ou dans le cloud —, les modèles Ultralytics YOLO sont conçus pour offrir cette flexibilité. Explore notre dépôt GitHub pour commencer, découvre comment la vision par ordinateur s’intègre aux déploiements réels dans l’industrie manufacturière et la logistique, ou consulte nos options de licence pour commencer à développer.
