Kernel Forge : l'optimisation CUDA décuplée avec IA

Kernel Forge est une nouvelle solution pour l’optimisation des noyaux CUDA, présentée le 29 juillet 2026. Ce projet est centré sur l’utilisation d’un environnement agentiel permettant de générer et d’optimiser des noyaux CUDA à partir de modèles basés sur des grands modèles de langage (LLM). Conçu pour fonctionner directement avec des modèles PyTorch, Kernel Forge vise à minimiser l’effort humain dans le processus d’optimisation de code sur GPU. Le projet est disponible en libre accès sur arXiv.

Contexte factuel immédiat, Kernel Forge se distingue par sa capacité à intégrer n’importe quel modèle PyTorch sans modification, comblant ainsi les limitations des outils existants qui nécessitent souvent une intégration manuelle des codes CUDA générés. Avant Kernel Forge, optimiser ces noyaux nécessitait l’intervention d’experts pour écrire du code GPU bas niveau, ce qui représentait un obstacle pour de nombreux développeurs.

Détails des performances : Lors de l’évaluation sur un NVIDIA DGX Spark avec GPU GB10, Kernel Forge n’a nécessité que 50 itérations par noyau pour surpasser le mode d’exécution prompt de PyTorch. Les gains de performance incluent une amélioration de 1,52 fois pour adaptive_avgpool2d dans ResNet-50, 1,70 fois pour group_norm dans Stable Diffusion 3.5 Medium, et 2,83 fois pour softmax dans Gemma 4 E2B.

Implications pour l’industrie, ces optimisations deviennent accessibles à un public plus large et non spécialisé, augmentant ainsi l’efficacité et réduisant les coûts pour les entreprises développant des applications IA basées sur PyTorch. Cela facilite la démocratisation de l’accès à des outils de haute performance nécessaire pour supporter des charges de travail complexes.

Conséquences pour les PME françaises : Les entreprises pourraient bénéficier de ces développements en réduisant leurs charges informatiques et en augmentant la compétitivité de leurs solutions IA. Cela pourrait permettre une réduction des coûts d’infrastructure, rendant les solutions IA plus viables économiquement pour les petites structures.

Positionnement concurrentiel : Comparé aux solutions concurrentes, Kernel Forge offre une interface graphique interactive pour le suivi des progrès et l’inspection des noyaux candidats, facilitant la détection et la résolution des échecs, et se positionne comme un outil innovant et convivial. Pour en savoir plus sur Kernel Forge, consultez le dépôt GitHub du projet.