Dans l’arène féroce des cartes graphiques, où chaque géant tente de forger son propre écosystème technologique pour asseoir sa domination, l’actualité récente d’un moddeur a de quoi bousculer les certitudes. Alors que NVIDIA déploie sa nouvelle génération de suréchantillonnage, le DLSS 5, avec l’ambition de le cantonner à ses propres architectures, une initiative audacieuse vient de prouver que les frontières techniques sont parfois plus poreuses qu’il n’y paraît. Cette prouesse, encore à un stade expérimental, ouvre la porte à des réflexions profondes sur l’interopérabilité des technologies de rendu neuronal et le potentiel de la communauté à transcender les barrières propriétaires. Nous allons explorer en détail comment un développeur indépendant est parvenu à faire tourner le DLSS 5 sur des cartes AMD Radeon, les implications techniques de cette découverte et ce que cela pourrait signifier pour l’avenir de l’optimisation graphique.
Le DLSS 5, une technologie initialement verrouillée chez NVIDIA
Le Deep Learning Super Sampling (DLSS) de NVIDIA s’est imposé comme une innovation majeure dans l’industrie du jeu vidéo, offrant des gains de performances substantiels tout en améliorant la qualité visuelle grâce à l’intelligence artificielle. Sa cinquième itération, le DLSS 5, pousse encore plus loin cette approche avec des avancées significatives en matière de rendu neuronal, promettant une fidélité accrue et une efficacité énergétique optimisée. NVIDIA a toujours positionné le DLSS comme un avantage concurrentiel clé de ses cartes GeForce RTX, en l’intégrant profondément à son écosystème matériel via des Tensor Cores dédiés, conçus spécifiquement pour accélérer les calculs d’IA. L’entreprise a investi massivement dans la recherche et le développement pour faire de cette technologie un argument de vente exclusif, la rendant officiellement incompatible avec les GPU de ses concurrents, notamment AMD. Cette stratégie vise à fidéliser les utilisateurs et à renforcer la position dominante de NVIDIA sur le marché des cartes graphiques haut de gamme, en offrant des performances et des fonctionnalités que ses rivaux ne peuvent pas égaler avec leurs propres solutions, telles que le FSR d’AMD.
Historiquement, les technologies de suréchantillonnage de NVIDIA ont été étroitement liées à son matériel, nécessitant des composants spécifiques pour fonctionner de manière optimale. Le DLSS 5 ne déroge pas à cette règle, s’appuyant sur des optimisations logicielles et matérielles pour délivrer ses promesses. Cependant, cette approche propriétaire a toujours suscité l’intérêt des développeurs tiers et des moddeurs, désireux de repousser les limites et d’explorer les possibilités d’interopérabilité. La complexité du DLSS, avec ses modèles d’apprentissage profond et ses algorithmes sophistiqués, a longtemps rendu difficile toute tentative d’adaptation sur d’autres architectures. Pourtant, l’histoire de la technologie est jalonnée d’exemples où la communauté a réussi à contourner les restrictions imposées par les fabricants, prouvant que l’ingéniosité humaine peut parfois transcender les barrières techniques et commerciales, comme on l’a vu avec des mods permettant le DLSS sur des GPU non-RTX de NVIDIA.
L’exploit technique : DLSS-NR sur les Radeon RX 7000 et RX 9000
C’est dans ce contexte que le projet DLSS-NR on AMD a émergé, porté par un moddeur dont l’identité reste discrète, mais dont la prouesse technique est indéniable. Ce projet, encore à un stade très expérimental, a démontré la capacité d’exécuter la composante de rendu neuronal du DLSS 5 sur des cartes graphiques AMD Radeon RX 9000, et même sur certaines RX 7000. L’approche du moddeur s’appuie sur une particularité des architectures RDNA 3 et RDNA 4 d’AMD, à savoir leur capacité à traiter efficacement les calculs en format FP8 (8-bit floating point). Le rendu neuronal du DLSS 5 exploite précisément ce type de calculs à faible précision pour optimiser ses performances et son efficacité. Les Radeon RX 9000, basées sur l’architecture RDNA 4, bénéficient d’une accélération matérielle spécifique pour ces calculs, tandis que les RX 7000, avec leur architecture RDNA 3, peuvent également être exploitées, bien que potentiellement avec des performances moindres en raison de différences d’optimisation.
La démonstration de cette compatibilité a été effectuée sur des titres exigeants comme Cyberpunk 2077 et GTA V Enhanced, des jeux connus pour leur gourmandise en ressources graphiques et leur capacité à mettre à l’épreuve les technologies de suréchantillonnage. Les résultats visuels obtenus sur une Radeon RX 9070 XT, par exemple, sont suffisamment convaincants pour attester du bon fonctionnement du principe. Il est crucial de souligner qu’il ne s’agit pas d’un simple équivalent ou d’une émulation, mais bien de l’exécution de la technologie de rendu neuronal de NVIDIA elle-même sur du matériel AMD. Cette réalisation est d’autant plus remarquable qu’elle contourne les verrous logiciels et les dépendances matérielles que NVIDIA a mis en place pour protéger son écosystème. Le moddeur a vraisemblablement dû analyser en profondeur le fonctionnement interne du DLSS 5, notamment la manière dont il interagit avec les pilotes graphiques et le matériel, pour adapter son exécution aux spécificités des GPU Radeon.
Les implications pour NVIDIA, AMD et l’écosystème du jeu vidéo
Cet exploit technique, bien que rudimentaire et non officiel, soulève des questions fondamentales sur la nature propriétaire des technologies de suréchantillonnage et leur avenir. Pour NVIDIA, c’est un rappel que même les technologies les plus avancées et les plus protégées peuvent être déconstruites et adaptées par une communauté de développeurs motivés. Cela pourrait potentiellement diluer l’exclusivité du DLSS, qui est un argument de vente majeur pour ses cartes RTX. Si de tels mods deviennent plus stables et accessibles, ils pourraient réduire l’incitation pour certains joueurs à opter pour une carte NVIDIA uniquement pour le DLSS, surtout si AMD propose des alternatives matérielles compétitives. Cependant, il est important de noter que NVIDIA pourrait renforcer ses mesures de protection ou modifier l’implémentation de ses technologies pour rendre de telles adaptations plus difficiles à l’avenir.
Pour AMD, cette démonstration est à double tranchant. D’un côté, elle valide la polyvalence de ses architectures RDNA 3 et RDNA 4, prouvant qu’elles sont capables de gérer des calculs d’IA complexes, y compris ceux conçus par un concurrent. Cela pourrait potentiellement ouvrir la voie à des solutions d’interopérabilité plus officielles à l’avenir, ou du moins à des optimisations pour d’autres types de charges de travail IA. D’un autre côté, AMD a développé sa propre technologie de suréchantillonnage, le FidelityFX Super Resolution (FSR), qui est open source et compatible avec un large éventail de cartes graphiques, y compris celles de NVIDIA. L’existence d’un mod DLSS sur Radeon pourrait détourner une partie de l’attention du FSR, bien que les deux technologies aient des approches différentes. Le FSR mise sur une compatibilité maximale et une implémentation logicielle, tandis que le DLSS s’appuie sur le machine learning et des composants matériels dédiés pour un rendu plus précis.
Bilan et perspectives
L’aventure du DLSS 5 sur Radeon est une histoire fascinante de contournement technique et de persévérance communautaire. Elle démontre que même les technologies les plus avancées et les plus propriétaires peuvent être adaptées, du moins partiellement, sur des architectures concurrentes lorsque des points communs techniques sont exploités. Pour l’instant, il s’agit d’un projet de modding expérimental, loin d’être une solution clé en main pour le grand public. Les performances, la stabilité et la qualité d’image peuvent varier considérablement, et il n’y a aucune garantie que NVIDIA ne prenne pas des mesures pour bloquer de telles initiatives à l’avenir. Cependant, cette prouesse ouvre une fenêtre sur un futur où l’interopérabilité des technologies de rendu neuronal pourrait devenir une réalité plus tangible, poussant potentiellement les fabricants à adopter des standards plus ouverts ou à innover encore plus pour conserver leur avantage. C’est une piqûre de rappel que l’innovation ne se limite pas aux laboratoires des grandes entreprises, mais qu’elle peut aussi surgir de la passion et de l’ingéniosité d’une communauté de développeurs déterminés à repousser les limites du possible.
