
Microsoft veut utiliser les GPU inutilisés des particuliers
Microsoft a obtenu un brevet pour entraîner des IA avec la puissance inutilisée de GPU, y compris sur des appareils appartenant à des tiers. Une idée familière pour ceux qui connaissent Render Network, qui rémunère déjà des fournisseurs de calcul graphique. Quelques jours auparavant, Sam Altman dénonçait de son côté la faible utilisation de la RAM des PC personnels. Trois approches différentes, un même débat : à qui devrait servir la puissance informatique dont nous sommes propriétaires ?
Microsoft a breveté une méthode pour entraîner des IA sur nos GPU
Le 10 novembre 2026, le brevet américain US 12,792,414 B2, attribué à Microsoft Technology Licensing, a été accordé. Son titre : Opportunistic Micro-Training on Edge Devices Using Spare GPU Utilization. La demande avait été déposée le 30 avril 2025, puis publiée le 5 novembre 2026.
L'idée consiste à confier de petites portions d'entraînement de modèles d'IA à des appareils dont le processeur graphique est temporairement disponible. Un PC gaming, par exemple, possède souvent une carte graphique capable d'effectuer beaucoup de calculs alors que son propriétaire navigue simplement sur Internet.
Le brevet ne se limite pas à constater cette capacité libre. Il décrit comment découper l'entraînement en microtâches, choisir les appareils selon leur disponibilité et agréger leurs résultats malgré des connexions ou des performances variables. La température, la consommation et la charge de travail peuvent servir à moduler les tâches. Le dispositif prévoit aussi de vérifier les réponses, notamment en comparant plusieurs résultats et en tenant compte de la fiabilité des appareils.
Le texte évoque une autorisation explicite des propriétaires de machines tierces et la possibilité de les rémunérer en argent, crédits logiciels ou accès aux modèles. Ce sont des exemples envisagés par le brevet, pas les conditions d'un service annoncé. Un brevet accordé ne signifie pas qu'un produit est déjà déployé.
Render Network propose déjà de louer de la puissance graphique
L'idée de partager des GPU n'est pas née chez Microsoft. Render Network met déjà en relation des fournisseurs de puissance graphique et des utilisateurs qui ont besoin de calculs. Historiquement orienté vers le rendu 3D, le réseau s'est ouvert aux traitements liés à l'intelligence artificielle.
Sa documentation décrit notamment un Render Compute Network destiné à l'inférence, au fine-tuning et à d'autres tâches de calcul. Les opérateurs de nœuds apportent leur matériel et peuvent recevoir des récompenses en RENDER, le jeton de l'écosystème. Cela ne veut pas dire que n'importe quel ordinateur peut rejoindre le réseau sans conditions : les exigences matérielles, l'admission des nœuds et les modalités de rémunération dépendent des programmes.
La parenté avec Microsoft est évidente : transformer des GPU sous-utilisés en capacité de calcul accessible à d'autres. La distinction porte sur l'architecture et les usages. Render Network organise un marché décentralisé de services GPU. Le brevet Microsoft décrit une méthode particulière de micro-entraînement opportuniste, capable de travailler avec des appareils disponibles de manière intermittente. Les deux approches peuvent se recouper sans être identiques.
Et Sam Altman dans cette histoire ?
Le 29 octobre 2026, dans le podcast Cheeky Pint, Sam Altman a critiqué la faible utilisation de la mémoire vive des ordinateurs personnels. Il évoquait une DRAM utilisée, selon son estimation, environ 5 % du temps et défendait une meilleure mutualisation dans les centres de données. Aucun protocole de mesure n'était fourni pour ce chiffre.
Il parlait alors de l'inférence locale, c'est-à-dire du fait d'exécuter un modèle sur sa propre machine plutôt que dans le cloud. Ses propos concernaient donc la DRAM, et non directement les GPU. Faire ce distinguo évite de lui attribuer une proposition de location des cartes graphiques qu'il n'a pas formulée dans cet échange.
Les trois initiatives pointent malgré tout vers la même tension économique : d'un côté, une industrie qui cherche des capacités de calcul et de mémoire ; de l'autre, des équipements personnels dont les ressources ne sont pas sollicitées en permanence. Altman défend leur concentration dans le cloud, Render organise un marché distribué et Microsoft étudie des calculs réalisables sur des appareils éloignés des centres de données.
Pourquoi ne pas simplement entraîner tous les modèles sur les PC des particuliers ?
L'entraînement d'un gros modèle exige souvent des échanges rapides entre processeurs, beaucoup de mémoire et une bonne synchronisation. Des cartes réparties chez des milliers de particuliers sont séparées par Internet, avec sa latence, ses coupures et ses débits inégaux. Une tâche qui exige une communication permanente entre GPU ne se distribue donc pas aussi facilement qu'un rendu d'images indépendantes.
C'est précisément ce que Microsoft cherche à contourner avec des tâches découpées et des mises à jour asynchrones. Mais le coût des transferts, la qualité des résultats et la sécurité des données restent des contraintes. Tous les entraînements ne deviennent pas subitement compatibles avec le PC du salon.
Autre question : qui accepte que des données ou des fragments de modèle circulent vers des ordinateurs extérieurs ? Pour certaines applications confidentielles, la distribution à des machines tierces peut être rédhibitoire. Le brevet décrit des mécanismes de validation des résultats ; cela ne constitue pas à lui seul une garantie générale de confidentialité.
Faire travailler un GPU au repos est-il écologique ?
Un GPU inutilisé n'est pas équivalent à un GPU qui calcule gratuitement. Une carte graphique au repos réduit normalement sa consommation. Lorsqu'on lui confie une tâche d'IA, elle consomme davantage d'électricité, chauffe et sollicite son système de refroidissement.
Le bilan dépend donc de ce que l'on compare. Si les calculs effectués chez les particuliers évitent effectivement d'acheter ou de faire fonctionner d'autres machines, la mutualisation peut présenter un intérêt. Si elle stimule surtout une demande supplémentaire de calcul, le gain environnemental est bien moins évident.
Pour le propriétaire du PC, le calcul doit aussi inclure le prix du kilowattheure, le temps de fonctionnement, le bruit éventuel et la rémunération nette. Recevoir des crédits ou des jetons ne garantit pas une opération rentable. Aucun tarif universel ne permet aujourd'hui de conclure qu'une carte graphique domestique rembourserait automatiquement son coût.
Qui décide de l’utilisation de notre matériel ?
L'ordinateur personnel permet aujourd'hui de jouer, travailler et exécuter des modèles d'IA localement sans dépendre systématiquement d'une plateforme. Une offre de calcul distribué peut donner une seconde utilité à ce matériel, à condition que l'utilisateur conserve le choix de participer, de fixer ses limites et d'arrêter les calculs.
Le brevet Microsoft mentionne le consentement exprès pour les appareils appartenant à des tiers. Cela ne prouve ni qu'un futur produit conserverait exactement le même fonctionnement ni qu'il serait imposé aux utilisateurs. Affirmer que Windows va louer silencieusement nos GPU serait donc aller bien au-delà des informations disponibles.
Il reste une interrogation commerciale : lorsqu'une entreprise bénéficie de calculs exécutés sur du matériel déjà payé par ses utilisateurs, comment partage-t-elle la valeur créée ? Render répond avec son système de rémunération et de marché, tandis que Microsoft n'a pas annoncé de programme public correspondant à son brevet.
Une même idée, trois visions du calcul informatique
Microsoft, Sam Altman et Render ne proposent pas la même solution. Pourtant, leurs initiatives illustrent un changement dans la manière d'évaluer l'informatique personnelle : sa capacité disponible devient une ressource économique potentielle.
Le débat ne devrait pas être de savoir si un ordinateur a le droit de rester inactif. Un équipement nous appartient aussi lorsqu'il ne travaille pas. La question utile est plutôt de savoir si nous voulons mettre temporairement sa puissance à disposition, à quel prix et avec quelles garanties.
Si Microsoft transforme un jour ce brevet en service, le véritable test ne sera pas seulement technique. Il faudra vérifier que l'utilisateur y gagne quelque chose et qu'il peut réellement dire non.
Sources
- USPTO, brevet US 12,792,414 B2 : délivrance et revendications du brevet Microsoft, 10 novembre 2026.
- Justia, texte de la demande Microsoft : description technique, consentement et compensation envisagée.
- Cheeky Pint, transcription intégrale : propos de Sam Altman sur la DRAM, 29 octobre 2026.
- Render Network Foundation, FAQ : fonctionnement, calcul IA et rémunération des opérateurs.
- Render Network, participation des opérateurs : modalités d’accès au réseau GPU.
Microsoft va-t-il utiliser la carte graphique de mon PC sans mon accord ?
Rien ne permet de l'affirmer. Le brevet envisage explicitement des appareils tiers ayant donné leur autorisation. Il ne prouve pas l'existence d'un service déployé sur Windows.
Le brevet Microsoft est-il déjà accordé ?
Oui. Le brevet américain US 12,792,414 B2 a été accordé le 10 novembre 2026, après la publication de la demande le 5 novembre.
Peut-on déjà gagner de l’argent avec un GPU inutilisé ?
Oui, des plateformes comme Render Network rémunèrent certains opérateurs de nœuds. L'éligibilité du matériel, les tâches disponibles et la rentabilité varient.
Sam Altman parlait-il des cartes graphiques inutilisées ?
Non, dans son entretien du 29 octobre 2026 il parlait principalement de DRAM et d'inférence locale. Son chiffre de 5 % était une estimation non documentée.
Le calcul distribué consomme-t-il moins d’électricité ?
Pas automatiquement. Faire tourner un GPU augmente sa consommation par rapport au repos. Le bilan dépend de la capacité de calcul réellement évitée ailleurs et du coût énergétique de l'ensemble du système.





