Apple transforme les GPU dormants des Mac avec Minions

Apple publie Minions le 28 octobre 2026, dans un article de recherche consacré aux outils, plateformes et cadres pour l’apprentissage automatique. Le système présenté agrège les GPU inutilisés de plusieurs appareils macOS équipés de puces Apple Silicon. Il forme ainsi un cloud GPU virtuel, dynamique et distribué. Minions vise l’exécution de charges d’inférence à grande échelle. L’article est signé Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan et Sean Suchter. Apple décrit cette approche dans sa publication de recherche, disponible sur Apple Machine Learning. Le papier est également référencé sur arXiv, avec l’identifiant 2610.12970 et une publication datée d’octobre 2026.

Les appareils restent sous-utilisés pendant l’usage normal, selon les auteurs. Le projet part de cette capacité GPU disponible sur les appareils Apple Silicon sous macOS. Minions l’agrège pour fournir une infrastructure d’inférence répartie entre plusieurs machines. Cette architecture répond à trois limites attribuées aux infrastructures GPU centralisées. Les auteurs citent leur coût élevé, leur élasticité limitée et les temps d’attente prolongés lorsque les ressources sont contraintes. Le système permettrait aux équipes d’utiliser du matériel existant sans acheter de GPU supplémentaires. La publication présente donc Minions comme une réponse logicielle à l’utilisation partielle des GPU intégrés aux appareils macOS. Elle se concentre sur l’inférence, et non sur un usage général du cloud.

Minions répartit l’inférence sur macOS

Le système exécute des tâches d’inférence sur plusieurs GPU Apple Silicon. La publication indique que Minions fournit une exécution flexible des tâches GPU. Elle mentionne aussi une tolérance aux pannes et une utilisation efficace des ressources. Ces fonctions structurent le fonctionnement du cloud virtuel distribué décrit par l’équipe Apple. Les appareils concernés sont des machines macOS dotées de puces Apple Silicon. Le dispositif rassemble leurs ressources GPU lorsque celles-ci sont disponibles. Les charges ciblées sont des inférences d’apprentissage automatique à grande échelle. Les auteurs décrivent une plateforme capable de fonctionner avec des ressources réparties. Ils associent cette capacité à des environnements où les ressources GPU centralisées sont contraintes, sans présenter Minions comme un remplacement universel.

L’équipe Apple observe qu’un appareil macOS inactif peut contribuer à une plateforme d’inférence distribuée. Cette observation constitue le résultat pratique mis en avant dans la publication. Minions transforme alors plusieurs ressources locales en infrastructure GPU virtuelle. Le système conserve une exécution distribuée des tâches et intègre une tolérance aux pannes. Il vise aussi une utilisation plus efficace des GPU disponibles sur les appareils concernés. Les auteurs indiquent que leur expérience montre le caractère pratique de cette plateforme dans certains environnements contraints. Cette formulation rapporte leur évaluation, sans établir une performance chiffrée. Le papier ne fournit pas ici de volume de machines, de latence ou de gain de coût mesuré.

Apple relie ses travaux à MLX

Les travaux associés mentionnent MLX, un cadre permettant d’explorer et d’exécuter des modèles de langage sur Mac. Apple indique que MLX fonctionne avec tous les systèmes Apple Silicon. La publication associée, datée du 19 novembre 2025, porte sur les modèles de langage et les accélérateurs neuronaux du GPU M5. Un autre article lié, publié le 18 décembre 2024, traite de l’accélération de l’inférence sur les GPU NVIDIA avec ReDrafter. Minions s’inscrit ainsi dans une série de travaux Apple consacrés à l’inférence et à l’utilisation des GPU. Son apport spécifique reste l’agrégation de GPU Apple Silicon inactifs entre appareils macOS, pour former un cloud virtuel distribué.