NVIDIA a bridé vos RTX : ce que gpu-unlock change pour l’IA locale
Votre carte graphique dispose peut-être encore d’une réserve de calcul pour l’intelligence artificielle. Avec gpu-unlock et ses adaptations, des développeurs parviennent à lever certaines limitations du débit des Tensor Cores sur plusieurs GeForce RTX. Les résultats publiés atteignent presque 80 % de gain en BF16 sur une RTX 3090 Ti, et des accélérations apparaissent aussi dans des logiciels d’IA. [1][2]
Génération d’images, traitement de longs documents, modèles de langage : cette découverte mérite l’attention des passionnés qui veulent mieux exploiter leur PC.
Je vous explique le fonctionnement, les résultats et les limites dans ma vidéo :
▶ NVIDIA a BRIDÉ vos RTX… on les débloque et c’est violent
Données et état des projets vérifiés le 25 octobre 2026. Les mesures citées proviennent des rapports communautaires liés dans les sources.
Le déblocage cible un chemin de calcul précis. Les Tensor Cores accélèrent notamment les multiplications de matrices, très utilisées par les réseaux neuronaux. Sur les cartes concernées, certaines opérations avec des entrées FP16 ou BF16 et une accumulation en FP32 s’exécutent à un débit réduit. gpu-unlock agit sur les sélecteurs matériels qui contrôlent ce débit. [1]
Les entrées sur 16 bits permettent de travailler avec des nombres compacts, tandis que l’accumulateur FP32 additionne les produits avec une précision supérieure. Cette combinaison revient dans de nombreuses opérations d’IA. Le bénéfice dépend donc des instructions effectivement utilisées par le logiciel.
Sous Linux, le module intervient avant le pilote NVIDIA. Il exploite une faille du programme d’amorçage interne du GPU pour permettre l’écriture de registres normalement protégés. Les sélecteurs de vitesse SS0 et SS1 sont configurés, puis, sur Ampere et Ada, une réinitialisation de la fonction PCIe prépare le passage au pilote habituel. Cette procédure ne flashe pas le VBIOS. [3]
Le changement porte sur le débit des instructions. Il n’ajoute aucune unité de calcul ni aucune VRAM à une GeForce.
Les chiffres les plus spectaculaires viennent des multiplications de matrices. Un rapport sur RTX 3090 Ti donne les résultats suivants, avec de grandes matrices de taille 8192³, une accumulation FP32 et une limite de puissance de 450 W dans les deux états. Les valeurs correspondent aux médianes de cinq échantillons. [2]
| Format des entrées | Avant déblocage | Après déblocage | Gain de débit |
|---|---|---|---|
| FP16 | 87,46 TFLOPS | 118,39 TFLOPS | +35,4 % |
| BF16 | 87,50 TFLOPS | 157,41 TFLOPS | +79,9 % |
| TF32 | 42,58 TFLOPS | 82,61 TFLOPS | +94,0 % |
Le +80 % concerne donc un calcul BF16 précis sur une RTX 3090 Ti. Il ne correspond pas à une hausse générale de 80 % de toutes les performances d’une RTX.
La génération d’images montre déjà un intérêt concret. Un propriétaire de RTX 3060 12 Go, variante GA104, a publié une comparaison dans ComfyUI avec le même workflow, la même seed et les mêmes réglages. La limite de puissance est de 170 W. Sur SDXL, les résultats rapportés sont les suivants : [4]
| Mesure SDXL dans ComfyUI | Avant | Après |
|---|---|---|
| Débit des itérations | 1,44 it/s | 1,95 it/s |
| Temps total, décodage VAE compris | 21,8 s | 16,2 s |
Cela représente environ 26 % de temps en moins sur cette génération. Ce retour concerne une configuration particulière, mais il montre que le déblocage peut accélérer une tâche réelle, au-delà du benchmark de matrices.
Pour un assistant local, la distinction entre prefill et decode devient essentielle. Le prefill traite le prompt et le contexte fourni au modèle. Le decode génère ensuite les nouveaux tokens. Les deux phases peuvent rencontrer des limites différentes.
Dans un rapport comparatif sur deux RTX 3080 modifiées à 20 Go, limitées à 220 W chacune, les gains varient nettement selon le moteur et la phase mesurée. [5]
| Usage mesuré | Résultat rapporté |
|---|---|
| Prefill avec vLLM | +33 à +36 % de débit |
| Temps avant le premier token avec vLLM | Environ 25 à 26 % plus court |
| Prefill avec Strata, contextes de 32K et 128K tokens | Environ +12 à +13 % de débit |
| Prefill avec Strata, contexte de 8K tokens | Gain négligeable dans ce test |
| Decode dans les deux moteurs | Aucun gain clairement établi |
À petit batch, la génération des tokens peut être principalement limitée par la bande passante mémoire. Libérer du calcul n’élimine pas l’attente des données. Un assistant peut donc commencer à répondre plus tôt, sans écrire beaucoup plus vite ensuite.
La quantification compte également. Un autre essai sur RTX 3060 constate un important gain sur des matrices FP16, mais aucun changement mesurable dans son moteur quantifié utilisant un chemin INT8/MMQ. Le format de stockage des poids et les instructions réellement exécutées doivent être examinés ensemble. [6]
La compatibilité se vérifie carte par carte. Les projets publics ne valident pas uniformément toutes les RTX d’une génération. [1][7][8][9]
| Génération | Projet | État documenté au 25 octobre 2026 |
|---|---|---|
| RTX 20 — Turing | turing-unlock | Test publié sur une Dell RTX 2080 Ti modifiée à 22 Go. Les autres cartes et pilotes ne sont pas validés par ce test. |
| RTX 30 — Ampere | gpu-unlock | Plusieurs retours sur des 3060, 3070, 3080, 3090 et 3090 Ti, avec des résultats variables selon le matériel. |
| RTX 40 — Ada | gpu-unlock-ada | Mesures sur RTX 4090 ; validations expérimentales sur certains modèles, dont la 4070 Ti SUPER. Le projet décrit aussi une 4060 Ti 16 Go expérimentale, sans comparaison de débit avant/après sur cette carte. |
| RTX 50 — Blackwell | Travaux exploratoires | Aucun déblocage fonctionnel démontré dans les travaux consultés. La chaîne de démarrage différente nécessite de nouvelles recherches. |
Sur RTX 4090, le projet Ada rapporte environ un doublement du débit de certaines instructions FP16/BF16 avec accumulation FP32. Un essai de multiplications de matrices cuBLAS mesure ensuite +12 à +34 % en FP16, selon la taille des matrices : les résultats d’une application dépendent du calcul réellement effectué. [8]
Le FP8 demande lui aussi une vérification spécifique. Sur la 4070 Ti SUPER testée par le projet Ada, une multiplication de matrices FP8 E4M3 avec accumulation FP32 ne progresse que d’environ 0,3 % après déblocage. Ce kernel ne montre aucun gain significatif. Cela ne tranche pas pour tous les usages FP8, mais empêche de leur appliquer automatiquement les gains FP16/BF16. [10]
Cette découverte s’inscrit dans la lignée des recherches sur les cartes CMP. Les travaux de récupération des capacités du CMP 170HX, puis les adaptations au CMP 90HX basé sur GA102, ont contribué aux méthodes reprises pour les GeForce. L’enjeu actuel pour un PC personnel est bien celui de l’IA : exploiter davantage les opérations que son GPU peut déjà effectuer. [3][11]
L’absence de flash ne signifie pas absence de risque. Un ticket documente une révision qui laissait deux RTX 3090 inutilisables par le pilote après un échec, jusqu’au retour de configuration et au redémarrage complet. Les cartes ont été récupérées et le ticket est fermé comme corrigé. [12]
L’auteur de turing-unlock avertit en outre que l’utilisation des Tensor Cores à plein débit peut endommager le matériel en raison de leur consommation. Un essai suppose de vérifier le modèle exact, les versions utilisées et les températures, tout en conservant une possibilité de démarrage sans déblocage. Les retours cités ne permettent pas de chiffrer ce risque. [7]
Pour un utilisateur d’IA locale, les résultats les plus utiles restent ceux de son propre workflow : secondes par image, temps de traitement d’un document, délai avant la première réponse et consommation. Les premiers rapports montrent un potentiel réel sur les calculs concernés, avec des limites importantes pour certains moteurs quantifiés et pour la génération des tokens.
Votre priorité, c’est de générer des images plus vite ou de réduire l’attente de votre assistant local ? Indiquez votre carte graphique, votre modèle et votre moteur : ces détails font toute la différence pour comparer les résultats.
▶ Retrouvez l’analyse complète dans ma vidéo YouTube
Sources
- gpu-unlock : principe et cartes testées.
- RTX 3090 Ti : rapport de mesures à 450 W.
- Explication du mécanisme Ampere.
- RTX 3060 12 Go GA104 : tests ComfyUI et SDXL.
- Comparaison vLLM et Strata sur deux RTX 3080 20 Go.
- RTX 3060 : matrices FP16 accélérées et moteur quantifié INT8/MMQ inchangé.
- turing-unlock : carte testée et avertissement matériel.
- gpu-unlock-ada : cartes, résultats et limites.
- Travaux exploratoires sur RTX 5090 et Blackwell.
- RTX 4070 Ti SUPER : test FP8 avant/après.
- CMP 90HX : méthode et crédits des travaux antérieurs.
- Incident récupérable sur une révision de gpu-unlock.