NVIDIA publie la plateforme d’orchestration GPU Run :IA en open source

NVIDIA a annoncé le 2026-10-13 qu’elle publiait l’intégralité de la plateforme Run :IA en logiciel open source, rend IA ant la charge de travail de qualité production et l’orchestration GPU disponibles pour les clients, développeurs et partenaires de l’écosystème sans nécessiter d’abonnement payant ni de support professionnel, selon un article de Tanya Lenz sur le blog des développeurs NVIDIA.

Cette version élargit la plateforme NVIDIA DSX IA Factory en établissant Run :IA comme une base ouverte pour l’écosystème plus large. NVIDIA a finalisé l’acquisition de Run :IA le 2024-12-30, comme l’a rapporté TechCrunch à cette époque.

Capacités et composants de la plateforme

Run :IA est une plateforme basée sur Kubernetes qui gère la planification des charges de travail IA et l’allocation des ressources GPU pour le développement interactif, l’entraînement des modèles et l’inférence. Selon la documentation NVIDIA en vigueur à 2026-10-13, les capacités de la plateforme incluent le pooling et le partage GPU, l’allocation fractionnée des GPU, la priorisation des charges de travail, les quotas organisationnels, le contrôle d’accès basé sur les rôles et la surveillance de l’utilisation. Ce sont des capacités opérationnelles prévues, et non des garanties de performance.

La version du 13 octobre inclut la plateforme intégrée Run :IA et quatre composants modulaires pouvant être adoptés indépendamment : KAI Scheduler, GPU Fractioning Operator, KAI Resource Management et Workload Map. NVIDIA a publié KAI Scheduler sous la licence Apache 2.0 et l’a contribué à la Cloud Native Computing Foundation sous forme de projet bac à sable, selon l’annonce.

KAI Scheduler coordonne le groupé de planification avec la simulation en mémoire, l’attribution équitable et des quotas, la connaissance de la topologie, le partage GPU entre plusieurs méthodes y compris MIG et MPS, ainsi que le support de l’allocation dynamique des ressources. L’opérateur de fractionnement GPU permet le fractionnement natif GPU 13.4 CUDA sur Kubernetes avec une isolation de la mémoire dure imposée par le pilote CUDA. KAI Resource Management fournit une couche organisationnelle cartographiant les ressources GPU aux projets, départements et équipes avec des parts de capacité définies et des pools de nœuds pour du matériel hétérogène. Workload Map définit un contrat pour traiter divers types de charges de travail Kubernetes — y compris PyTorchJob, RayCluster, JobSet et KServe InferenceService — comme des objets de première classe tout au long de leur cycle de vie.

Disponibilité et adoption de l’écosystème

Le code source complet de la plateforme open source Run :IA est disponible dans l’organisation GitHub d’usine NVIDIA DSX IA. Il est également distribué en tant que produit communautaire sur NVIDIA NGC avec un tableau de contrôle pour l’installation. Le code source Run :IA est régi par les licences open source applicables ; le produit communautaire NGC nécessite l’acceptation de l’accord de licence logicielle NVIDIA et des conditions spécifiques au produit pour les produits NVIDIA IA. Aucun abonnement payant n’est requis pour le produit communautaire, et le support entreprise NVIDIA n’est pas inclus, selon l’annonce.

Les offres commerciales supportées par NVIDIA de Run :IA restent disponibles en tant que produit autonome, via NVIDIA Mission Control et NVIDIA IA Enterprise, ainsi que sur certains marketplaces cloud, avec des disponibilités, des licences et des conditions de support variant selon l’offre.

huit partenaires de l’écosystème ont détaillé leurs intégrations dans des annonces liées au post du 13 octobre. Crusoe intègre Run :IA avec Crusoe Managed Kubernetes. Mirantis étend k0rdent IA avec Run :IA pour la fourniture d’infrastructures gérées par cycle de vie. Nebius propose Run :IA en tant qu’application un-clic dans Nebius IA Cloud. OpenNebula Systems intègre Run :IA à la plateforme Cloud IA OpenNebula via OneKS. Rafay étend son intégration pour offrir Run :IA comme un service entièrement géré avec une infrastructure automatisée et une gestion du plan de contrôle. Saturn Cloud intègre Run :IA pour aider les opérateurs à lancer des services d’inférence IA en marque blanche via sa plateforme Token Factory ; Saturn Cloud a annoncé cette intégration le 2026-09-17, selon PR Newswire. Spectro Cloud intègre Run :IA à PaletteAI pour l’automatisation du cycle de vie. vCluster fournit Run :IA via des modèles de déploiement pré-validés avec des environnements par locataire.

Projets open source associés

L’annonce détaillait également deux projets open source complémentaires. Model Streamer lit simultanément les poids des modèles et les diffuse directement dans la mémoire GPU pour réduire la latence de démarrage à froid pour les charges d’inférence. Il est intégré en amont dans vLLM et SGLang, est livré dans le conteneur AWS vLLM Deep Learning, et est documenté par Google Cloud et Microsoft Azure. Les fournisseurs de plateformes de stockage WEKA, VAST Data et DDN ont publié indépendamment des benchmarks ; WEKA a rapporté un chargement dans la mémoire GPU en 3.5 secondes, soit environ 40 % plus vite que le NVMe local, tandis que DDN a rapporté moins de quatre secondes pour le modèle Qwen3-32B de 65.5 Go sur huit GPU. Ce sont des chiffres rapportés par les fournisseurs pour des configurations spécifiques, et non des affirmations universelles de performance.

Grove fournit une API Kubernetes pour orchestrer des charges de travail multicomposantes, incluant pipelines agents, service désagrégé et formation en mélange d’experts. Il propose une mise à l’échelle automatique consciente de la topologie et un ordre hiérarchique en groupe, et sur NVIDIA GB200 NVL72 il gère automatiquement les ressources ComputeDomain. Grove est une partie modulaire de NVIDIA Dynamo qui peut être utilisée indépendamment.

Contexte et limites

L’annonce 2026-10-13 marque un passage de la distribution propriétaire précédente de Run :IA à un modèle open source au sein de l’écosystème DSX IA Factory. Les équipes de plateforme peuvent inspecter le code, contribuer au développement, déployer la pile intégrée ou adopter des composants individuels. La distribution communautaire n’inclut pas le support en entreprise ; les organisations nécessitant des droits de support doivent utiliser les offres commerciales de NVIDIA.

NVIDIA a indiqué que tout le développement du planificateur KAI se fait dans le dépôt communautaire et que les améliorations passent par la même base de code. L’entreprise continue de soutenir les mainteneurs du projet et a déclaré qu’elle travaillerait avec l’écosystème plus large pour faire progresser la planification des charges de travail IA.

Source : developer.nvidia.com.