Blog

Public
28 Oct, 2026

Fondamentaux du terrain de jeu : tuiles, cartes de hauteur, voxels et génération procédurale

Le terrain dans les jeux vidéo sert de surface de base pour le déplacement du joueur et le contexte environnemental. Ce n'est pas un simple décor visuel, mais un outil de conception essentiel. Il détermine les itinéraires, les horizons visuels et l'ambiance générale du monde du jeu. Bien qu'il imite souvent des surfaces naturelles comme la roche, le sable et le sol, le terrain peut également représenter des structures artificielles, telles que du pavé fissuré. Une conception efficace du paysage implique la formation intentionnelle du relief pour soutenir des expériences de jeu et des dynamiques de mouvement spécifiques. Le terrain est donc un composant essentiel de l'architecture des niveaux, et non un simple élément d'arrière-plan statique.Dans le développement de jeux en deux dimensions, le terrain est généralement construit à l'aide d'un système basé sur des tuiles. Cette approche utilise de petites images régulières disposées en grille pour former la carte complète du niveau. Les tuiles individuelles, telles que l'herbe, la terre ou l'eau, sont des ressources réutilisables qui définissent à la fois l'apparence visuelle et les propriétés fonctionnelles de l'environnement, y compris la praticabilité et les limites de collision. Cette méthode est particulièrement efficace pour les jeux à vue de dessus et de profil, permettant aux développeurs de créer rapidement des niveaux complexes à partir d'un ensemble limité de composants. La structure de la grille garantit que chaque tuile s'ajuste parfaitement en place, offrant un cadre cohérent et gérable pour la conception des niveaux et la gestion des ressources.Le terrain en trois dimensions repose souvent sur des cartes de hauteur, qui sont des images en niveaux de gris où la luminosité des pixels correspond à l'altitude. Dans ce système, les pixels blancs représentent les points élevés, les pixels noirs indiquent les zones basses et les valeurs grises désignent les hauteurs intermédiaires. Le moteur de jeu interprète ces données pour déformer une grille plate en collines et en vallées. Bien que les cartes de hauteur soient efficaces sur le plan computationnel et faciles à éditer, elles présentent une limitation structurelle importante : chaque point de la carte ne peut stocker qu'une seule valeur de hauteur. Par conséquent, les cartes de hauteur ne peuvent pas représenter des géométries complexes telles que des grottes, des tunnels ou des surplombs où le sol se trouve au-dessus d'un autre sol, ce qui limite leur utilisation aux paysages ouverts et non superposés.Pour les environnements nécessitant des grottes, des surplombs ou un sol destructible, les systèmes de voxels offrent une solution plus flexible. Les voxels traitent le monde comme une grille tridimensionnelle de minuscules cellules, chacune étant désignée comme solide ou vide. Cette structure permet de créer des îles flottantes, des tunnels souterrains et un terrain qui peut être creusé ou détruit. Historiquement, les systèmes de voxels étaient évités en raison de leur forte complexité computationnelle et de leur coût en performance. Cependant, les récentes avancées dans les outils assistés par intelligence artificielle commencent à rendre ces approches plus accessibles, réduisant la barrière technique pour la mise en œuvre de terrains interactifs complexes dans les moteurs de jeu modernes.La détaillage de surface est réalisé à l'aide de splatmaps, des textures cachées qui dictent le placement et le mélange des matériaux. Une splatmap utilise généralement quatre canaux de couleur, chacun étant assigné à un matériau spécifique comme l'herbe, le sol, la roche ou le sable. L'intensité de chaque canal détermine la visibilité de ce matériau, permettant des transitions fluides entre les surfaces là où les canaux se chevauchent. De nombreux outils de développement automatisent ce processus en appliquant des matériaux sur la base de règles de terrain, par exemple en plaçant de la roche sur les pentes raides. De plus, les systèmes peuvent décorer automatiquement les régions avec des ensembles thématiques de plantes et de textures, créant des biomes distincts sans peinture manuelle.La génération procédurale utilise le bruit mathématique pour créer le terrain via du code. Le bruit fournit des valeurs lisses et aléatoires qui peuvent être interprétées comme des hauteurs pour générer des collines. La superposition de plusieurs échelles de bruit combine de larges collines avec de petites bosses pour un aspect plus naturel. Des motifs de bruit supplémentaires peuvent déterminer les niveaux d'humidité, influençant le placement des forêts, des déserts ou de la neige. Cette méthode permet la génération de mondes infinis, en calculant les zones uniquement lorsque le joueur s'en approche. Cependant, le terrain basé sur le bruit manque de cohérence spatiale entre les zones éloignées, nécessitant souvent des ajustements importants pour éviter les motifs répétitifs, ce qui le rend le plus adapté comme point de départ pour de petits projets ou des game jams.

Public
28 Oct, 2026

Mod Super Mario 64 en réalité mixte sur Pico : IA et rendu stéréoscopique authentique

Le technologue créatif XR Lucas Martinic a présenté un mod de réalité mixte de Super Mario 64 fonctionnant sur les casques Pico. Le projet transforme le classique de 1996 en une fenêtre 3D flottante. Les utilisateurs peuvent interagir physiquement avec le monde du jeu, par exemple en prenant Mario du Royaume des Champignons et en le posant sur une table réelle. Cet effet repose sur un code assisté par IA et une version décompilée du jeu original, créant un pont fluide entre le plateforme numérique et l'espace physique. Le mod marque une étape importante pour rendre les jeux 3D anciens accessibles sur le matériel moderne de calcul spatial, sans recourir aux techniques de portage traditionnelles, souvent imparfaites.Photo : Lucas MartinicLe développement a commencé en s'appuyant sur l'implémentation de Super Mario 64 pour Quest 3 réalisée par Jonas Jakobi en 2023. Cependant, Martinic a choisi de repartir de zéro en utilisant une version décompilée du code source. Il a utilisé le modèle Claude Opus 5.5 en conjonction avec PICO CLI, un kit d'outils en ligne de commande qui relie les assistants de codage par IA aux outils de calcul spatial et de développement XR de Pico. Un avantage technique majeur est l'absence de solutions de contournement stéréoscopiques, telles que le rendu par trame alternée ou l'extrapolation du tampon de profondeur. Ces techniques sont courantes dans les ports VR, mais produisent souvent des résultats visuels sous-optimaux. En revanche, le mod assure un rendu stéréoscopique authentique et fonctionne nativement à 90 images par seconde. Aucune date de sortie précise n'a été annoncée, mais Martinic a indiqué que des détails supplémentaires seraient partagés sur son site web et sur GitHub dans un proche avenir.

Public
28 Oct, 2026

Limitation de la mémoire GPU par charge de travail dans Kubernetes avec CUDA 13.4 et le planificateur KAI

Les charges de travail IA nécessitent souvent seulement une fraction d'un GPU, mais l'attribution de dispositifs entiers entraîne une capacité inactive et une utilisation inefficace de l'infrastructure. Les GPU NVIDIA prennent en charge divers mécanismes de partage, y compris Multi-instance GPU (MIG) pour l'isolation matérielle, le time-slicing pour l'exécution séquentielle des processus et Multi-Process Service (MPS) pour l'exécution concurrente dans des espaces d'adresses séparés. Bien que MPS permette le partage des ressources de calcul, il manquait auparavant de limites de mémoire strictes. CUDA 13.4 comble cette lacune en introduisant un nouveau mode de partage temporel qui applique des limites de mémoire de manière transparente pour l'application, garantissant que chaque charge de travail fonctionne dans des contraintes de mémoire définies sans nécessiter de modifications de code.Figure 1. Le time-slicing partage le temps du GPU. Le SM-sharing partage ses multiprocesseurs de flux (sm)La mise en œuvre de ces fonctionnalités dans un cluster Kubernetes nécessite une coordination au niveau des nœuds, indépendante du planificateur. L'opérateur open source gpu-fractioning, hébergé sous l'organisation KAI Scheduler sur GitHub, fonctionne en parallèle avec NVIDIA GPU Operator pour gérer cette configuration. Il remplit trois fonctions essentielles : lire les annotations des pods pour déterminer les besoins en mémoire et en calcul, configurer les GPU attribués pour imposer ces limites et gérer la transition entre les différents modes de partage. Cet opérateur garantit que le matériel respecte les limites logiques définies par le planificateur du cluster, comblant ainsi l'écart entre les décisions de planification de haut niveau et l'exécution de bas niveau sur les GPU.Le processus commence par la spécification des besoins en ressources et des modes par les développeurs via les annotations YAML des pods. Le planificateur sélectionne ensuite les GPU appropriés, enregistre l'allocation de mémoire et le mode de partage du calcul dans les annotations des pods pour chaque conteneur, puis affecte la charge de travail. L'opérateur gpu-fractioning lit ces annotations et configure les GPU en conséquence. Tout planificateur Kubernetes capable d'écrire ces annotations peut imposer des fractions de GPU, à condition de respecter deux règles : sélectionner des GPU disposant d'une mémoire libre suffisante et éviter de mélanger les modes de calcul sur un même appareil. KAI Scheduler est le premier à intégrer cette fonctionnalité, introduisant un mode de partage de GPU appelé NvFractions à partir de la version v0.18.0.Le mode NvFractions de KAI Scheduler permet aux administrateurs de définir des charges de travail fractionnaires à l'aide de quatre annotations clés qui gèrent les requêtes de mémoire, les limites de croissance, les modes de partage du calcul et le nombre d'appareils. Les requêtes de mémoire peuvent être spécifiées comme des tailles absolues en utilisant les unités standard de Kubernetes ou comme des fractions d'un GPU à l'aide de l'annotation gpu-fraction. Une nouvelle fonctionnalité permet aux charges de travail de déclarer une requête minimale garantie et une limite de pic maximale, cette dernière étant facultative et prenant par défaut la valeur de la requête si elle est omise. Les limites de fraction doivent dépasser gpu-fraction et rester inférieures à 1. Le partage du calcul est désormais explicite et défini par conteneur, permettant de choisir entre sm-sharing et time-slicing.Un GPU partagé fonctionne dans un seul mode de calcul à la fois, c'est pourquoi KAI Scheduler empêche le placement de charges de travail avec des modes différents sur le même GPU, bien qu'un seul nœud puisse héberger les deux modes sur des appareils distincts. Pour les configurations multi-GPU, l'annotation gpu-fraction-num-devices spécifie le nombre d'appareils sur lesquels s'étend la charge de travail, la requête de mémoire s'appliquant individuellement à chaque appareil. Par exemple, une requête de 40Gi avec quatre appareils alloue 40Gi sur chaque GPU. Cette configuration est idéale pour les serveurs d'inférence qui nécessitent une mémoire garantie par GPU et peuvent augmenter leur utilisation lorsque les voisins sont inactifs, en utilisant sm-sharing pour les charges de travail de confiance exécutées simultanément dans un même domaine d'erreurs.En revanche, le time-slicing convient au développement ou aux tâches par lots, telles que les notebooks et les petits runs de fine-tuning, où l'isolement est préférable. Dans ce mode, chaque charge de travail reçoit son propre domaine d'erreurs, ce qui signifie qu'un plantage dans une tâche n'affecte pas les autres. Une charge de travail peut demander la moitié de deux GPU avec une limite de croissance jusqu'à 80 % lorsque la mémoire est disponible. L'exécution de nvidia-smi à l'intérieur du conteneur affichera la part fractionnaire de mémoire pour chaque GPU attribué. Les deux outils, KAI Scheduler et l'opérateur gpu-fractioning, sont disponibles sur GitHub sous l'organisation KAI Scheduler, avec des guides détaillés d'installation et de configuration pour tous les mécanismes de partage.

Public
27 Oct, 2026

Material Maker 1.8 est sorti avec les nouveaux nœuds Trimsheet et Auto Export

Rod Zilla a publié la version 1.8 de Material Maker, un logiciel open source basé sur des nœuds pour la création procédurale de matériaux et la peinture de textures 3D. Construit sur le moteur Godot, cet outil sert d'alternative gratuite aux standards de l'industrie comme Substance 3D Designer. La mise à jour vise à améliorer l'efficacité du flux de travail des artistes de jeu en introduisant des nœuds spécialisés qui simplifient la création et l'exportation d'actifs de textures directement dans les moteurs de jeu.L'ajout principal de cette version est le nœud Trimsheet. Il permet de générer des textures de trimsheet spécifiquement pour les applications de jeu. Cette fonction répond à un besoin courant dans les pipelines d'art de jeu, où les textures répétitives sont regroupées dans des cartes uniques pour un rendu efficace. En parallèle, le nouveau nœud Auto Export réexporte automatiquement les cartes de textures chaque fois que le graphe de nœuds sous-jacent est mis à jour. Cette automatisation supprime l'étape manuelle de déclenchement de l'export après chaque modification, accélérant considérablement le processus de conception itératif pour les développeurs travaillant avec des configurations procédurales complexes.Parmi les autres améliorations, on trouve un nœud Crop (recadrage) et un nœud Gaussian Blur (flou gaussien) de haute qualité, qui élargissent la bibliothèque d'outils pour la manipulation des textures. L'interface utilisateur a également été affinée : la recherche fonctionne désormais non seulement sur les nœuds de premier niveau, mais aussi à l'intérieur des sous-nœuds, facilitant la navigation dans les graphes complexes. Un nouveau thème d'interface avec une option de couleur de base personnalisée offre une personnalisation supplémentaire pour les artistes. Le logiciel continue de prendre en charge l'exportation de cartes de textures PBR avec des modèles dédiés pour Unity, Unreal Engine et Godot, garantissant une intégration fluide dans les principaux environnements de développement de jeux.Material Maker 1.8 est disponible pour téléchargement sur Windows, Linux et macOS. Le code source est hébergé sur GitHub sous licence MIT, assurant une transparence totale et permettant des contributions de la communauté. Les binaires compilés peuvent être téléchargés gratuitement depuis la page du développeur sur itch.io. Vous pouvez soutenir le développement continu via Patreon ou en achetant le logiciel sur Steam. L'outil reste une solution robuste pour les artistes à la recherche d'une solution capable et gratuite pour la génération procédurale de textures et la peinture 3D, sans restrictions de licences propriétaires.

Public
26 Oct, 2026

GHARP permet l'animation de têtes 3D en temps réel sur les appareils mobiles

Les chercheurs d'Apple ont présenté GHARP, une nouvelle méthode d'animation de têtes humaines 3D en temps réel basée sur quelques images d'entrée et un signal d'expression pilote. L'innovation clé réside dans la division du processus en deux étapes distinctes : une étape hors ligne de reconstruction de l'identité qui crée une représentation détaillée de la géométrie et de l'apparence du sujet, et une étape d'animation en temps réel qui prédit les résidus dépendants des expressions. Cette séparation permet à l'étape de reconstruction d'être coûteuse en calculs, tandis que l'étape d'animation utilise un réseau léger optimisé pour les appareils mobiles. Cela crée un équilibre favorable entre fidélité visuelle, qualité et performance en temps réel.L'étape d'animation fonctionne dans un espace latent sémantiquement structuré dérivé d'un modèle de reconstruction pré-entraîné. Cette approche garantit que les changements d'expression restent spatialement localisés, rendant la prédiction des résidus très efficace. L'a priori de reconstruction fournit une structure spatiale cohérente, facilitant la fusion de plusieurs vues d'entrée en une représentation gaussienne canonique compacte de taille fixe. En exploitant cet espace structuré, le système peut traiter des mouvements faciaux complexes sans nécessiter de ressources de calcul lourdes lors de la phase de rendu, maintenant ainsi des taux de rafraîchissement élevés adaptés aux applications interactives.Un défi majeur des méthodes d'avatars pilotés par l'expression réside dans le fait que les codes d'expression décrivent généralement uniquement le visage, en omettant la pose du corps et la position des vêtements. Cette omission laisse ces régions sous-spécifiées, conduisant à un problème mal posé où le réseau d'animation peut recourir à une moyenne des apparences corporelles conflictuelles, provoquant un flou visuel et un scintillement temporel. Pour remédier à cela, GHARP intègre un réseau d'alignement corporel qui apprend à aligner le corps de la personne sur l'image cible avec les images de référence d'entrée. Cet alignement élimine l'ambiguïté du signal d'apprentissage, garantissant que les éléments non faciaux restent stables et cohérents pendant l'animation.La méthode atteint une qualité de pointe sur le benchmark Ava-256 tout en améliorant considérablement l'efficacité. Sur un GPU A100, GHARP fonctionne jusqu'à 13 fois plus vite que les méthodes comparables, tout en utilisant 8 fois moins de gaussiennes. Cette réduction de la charge de calcul et cette augmentation de la vitesse rendent la technologie viable pour les applications en temps réel sur du matériel grand public. La combinaison d'une reconstruction de haute qualité et d'un traitement efficace en temps réel positionne GHARP comme une solution pratique pour les développeurs souhaitant intégrer des animations de tête réalistes en temps réel sur les plateformes mobiles et XR sans compromettre les performances.

Public
26 Oct, 2026

Adobe Substance 3D Painter 12.2 : nouvelles fonctionnalités Cage Painting et Polygon Fill

Adobe a publié Substance 3D Painter 12.2, la dernière version de son logiciel professionnel de création de textures 3D, destiné aux jeux, à l'animation, aux graphismes en mouvement et aux VFX. Cette mise à jour vise à améliorer le processus de cuisson des textures grâce à un nouveau flux de travail à base de pinceau, spécialement conçu pour résoudre les problèmes liés à la cage. L'objectif principal est de simplifier le travail des artistes avec les assets haute polygétrie qui dépassent les limites de la cage générée automatiquement. Cette nouvelle méthode de correction est plus intuitive et précise par rapport aux anciens paramètres d'ajustement global.L'innovation clé de cette version est le flux de travail cage painting, qui permet de peindre directement sur le maillage pour ajuster l'ajustement de la cage. Au lieu de se fier uniquement à la modification du décalage de distance global, les artistes peuvent désormais utiliser les outils Paint, Eraser et Polygon Fill pour modifier localement la géométrie de la cage. Cette approche facilite considérablement la correction de zones spécifiques où des parties du modèle haute polygétrie sortent de la cage pendant la cuisson. Il est à noter qu'il s'agit de la deuxième grande amélioration du flux de travail introduite par Adobe cette année, après la version 12.1, qui permettait aux artistes de peindre pour contrôler la direction des normales et corriger les artefacts dans les cartes cuites.Des mises à jour significatives ont également été apportées à l'outil Polygon Fill, qui propose désormais deux nouveaux modes de sélection pour les boucles de polygones. Le mode « Polygon loop fill » permet de remplir une boucle complète de quads d'un seul clic, tandis que le mode « Partial polygon loop fill » permet de sélectionner un patch rectangulaire de quads sur la surface du maillage. De plus, l'outil prend désormais en charge tous les modes de fusion disponibles dans la pile de calques, offrant une plus grande flexibilité dans l'application des textures. L'interface a été repensée pour améliorer l'efficacité du flux de travail, avec un changement clé : les polygones invisibles sont désormais ignorés par défaut. Cela empêche le remplissage accidentnel du côté arrière du maillage, réduisant ainsi les erreurs courantes lors de la phase de texturage.Parmi les autres améliorations du flux de travail, on trouve une fonction qui met en surbrillance la géométrie correspondante dans le viewport 3D lors du survol d'une entrée dans la liste Texture Set, facilitant ainsi la navigation et la sélection. Le viewport en temps réel prend désormais en charge la transparence indépendante de l'ordre de rendu (order-independent transparency), ce qui élimine efficacement les artefacts de scintillement qui se produisent souvent lorsque des surfaces transparentes ou translucides se chevauchent. Substance 3D Painter 12.2 est disponible pour Windows 11, RHEL 8.6/9.2+, Ubuntu 22.04+ Linux et macOS 15.0+. Les licences perpétuelles sont disponibles via Steam au prix de 199,99 $. Le logiciel est également accessible via les abonnements basés sur Adobe Creative Cloud, avec le plan Substance 3D Texturing à 24,99 $/mois ou 249,99 $/an, et le plan Substance 3D Collection à 59,99 $/mois ou 599,99 $/an.

Public
26 Oct, 2026

La plateforme NVIDIA Minerva AIOps relie la télémétrie des usines IA pour maximiser l'efficacité des GPU

Les usines IA représentent certains des environnements opérationnels les plus complexes jamais créés, où des centaines de milliers de GPU, des réseaux NVIDIA Spectrum-X Ethernet, des réseaux de mise à l'échelle NVLink et des planificateurs distribués fonctionnent en synchronisation continue. Dans l'entraînement distribué synchrone, l'ensemble de la tâche progresse au rythme du rang le plus lent, ce qui signifie qu'un GPU, une interface ou un chemin de commutateur dégradé peut gaspiller du temps utile sur de nombreuses ressources saines. Les pannes qui nuisent au rendement sont souvent subtiles, comme un GPU fonctionnant légèrement plus chaud que ses pairs, un dispositif NVMe perdant en performance sous charge soutenue, ou un commutateur générant des tempêtes de trames de pause. Ces signaux ne dépassent rarement les seuils statiques individuellement, mais collectivement, ils créent des retards, allongent les temps d'étape et retardent les points de contrôle, entraînant des pertes de production significatives.Figure 1. Plateforme d'observabilité NVIDIA Minerva AIOpsLe diagnostic est encore compliqué par le fait que les preuves sont dispersées entre différentes équipes : les opérateurs réseau voient les compteurs d'interfaces, les opérateurs de calcul voient l'état des nœuds, et les équipes ML voient les variations des temps d'étape. Cette fragmentation transforme le triage en une chaîne de recherches sur les tableaux de bord et de transferts entre équipes, pouvant potentiellement transformer une panne contenue en des jours de temps de production perdus. NVIDIA Minerva comble ces lacunes en collectant la télémétrie sur l'ensemble de la pile et en cartographiant l'infrastructure aux tâches actives dans un graphe de connaissances dynamique. Elle applique un apprentissage automatique sur mesure pour corréler les symptômes dépendants en incidents de haute fidélité. Un assistant propulsé par un agent IA et un serveur MCP connecté à des outils agentiques externes offrent un chemin conversationnel à travers ces données en direct, avec l'objectif principal de préserver les heures GPU effectives et de maintenir le bon déroulement de l'entraînement des modèles.Figure 2. Graphe de topologie NVIDIA MinervaLa surveillance basée sur des règles a du mal à gérer les « pannes grises », où les composants restent disponibles mais ne présentent des problèmes que sous charge ou par rapport à leurs pairs. Les seuils absolus manquent souvent ces changements, tandis que les seuils agressifs génèrent du bruit lors des variations normales de charge. L'échelle amplifie ce problème, car une seule panne physique peut produire des erreurs d'interface, des indicateurs de congestion et des changements d'utilisation du GPU qui apparaissent comme des événements non liés sur des tableaux de bord distincts. Minerva ingère les métriques, les journaux et la topologie des GPU, des commutateurs Spectrum-X et NVLink, des SuperNIC, des DPU, du stockage, de NCCL et des planificateurs. L'auto-découverte fournit des relations que la télémétrie brute ne possède pas, créant un graphe de connaissances qui cartographie les éléments de l'infrastructure, du planificateur et des charges de travail. Ce graphe se met à jour dynamiquement au fur et à mesure que les tâches démarrent, s'arrêtent ou que les nœuds sont remplacés, soutenant la navigation depuis une vue d'ensemble de l'usine jusqu'à une interface individuelle.Figure 3. Maintenance proactive SuperNICLe graphe de topologie transforme le parcours d'investigation en permettant aux opérateurs de suivre les anomalies depuis une interface jusqu'à son nœud, son chemin de réseau et son affectation de tâche actuelle. Inversement, les ingénieurs ML peuvent suivre un identifiant de tâche à travers les preuves sur le GPU, l'hôte, la NIC et le commutateur. Minerva traite des milliards de points de données de métriques et de journaux par heure à l'aide de modèles supervisés et non supervisés. La détection supervisée identifie les motifs d'erreurs critiques connus et les associe à des conseils de remédiation, tandis que les modèles non supervisés apprennent les motifs normaux pour les composants matériels ou logiques et les comparent aux pairs pertinents. La comparaison avec les pairs est cruciale car une mesure peut paraître acceptable isolément, mais anormale dans son contexte, par exemple une température de GPU dans les limites de la spécification, mais nettement plus élevée que celle des GPU voisins sous la même charge. Les modèles multivariés combinent température, puissance, fréquences et utilisation pour détecter la dégradation avant une panne complète.Les journaux reçoivent un traitement similaire, avec une détection d'anomalies basée sur le NLP qui fait émerger des motifs jamais vus auparavant et un appariement supervisé qui identifie les erreurs critiques connues. Les détections peuvent alimenter les flux de travail du planificateur pour drainer les nœuds affectés avant que de nouvelles tâches n'y soient affectées, ou à des intervalles de points de contrôle sûrs. La corrélation tenant compte de la topologie relie la détection à l'action de l'opérateur en exploitant le graphe de connaissances pour déterminer quels événements partagent un chemin de dépendance. Les symptômes en aval sont regroupés en un seul incident plutôt que de concourir pour l'attention, réduisant les événements redondants et les séries de métriques associées en un seul signal avec la topologie et les charges de travail affectées jointes. Les tests de NVIDIA montrent des réductions significatives des événements notifiés et des tickets pour les scénarios pris en charge, permettant aux opérateurs de commencer avec un espace de recherche beaucoup plus restreint pour l'analyse des causes racines.NVIDIA Minerva inclut un agent IA natif nommé Sherlock, ancré dans la télémétrie en direct et le graphe de connaissances, qui permet aux opérateurs d'interroger le système pour l'analyse des causes racines dans un langage humain. Sherlock peut présenter des preuves à l'appui et recommander des mesures de remédiation sans exiger des opérateurs qu'ils connaissent des métriques spécifiques ou des langages de requête, offrant un accès aux connaissances du domaine qui nécessitaient traditionnellement une escalade vers des spécialistes. De plus, le serveur MCP de Minerva permet aux outils agentiques externes d'interroger le même contexte opérationnel, permettant aux équipes d'intégrer les preuves en direct de la fabrique IA dans leurs propres flux de travail. Les actions d'atténuation peuvent rester approuvées par un humain ou être automatisées selon la politique locale et l'évaluation des risques. Dans un grand centre de données IA, Minerva a identifié une connexion NVLink unique parmi 400 000 interfaces perdant de la bande passante, permettant à un SRE de drainer les nœuds affectés et de restaurer la vitesse complète en quelques minutes plutôt qu'en heures.

Public
26 Oct, 2026

Meta confirme la baisse des ventes de Quest et déplace le focus de sa stratégie VR vers des lancements révolutionnaires

Le dernier rapport trimestriel de Meta montre une baisse notable des ventes de casques Quest, entraînant une diminution de 6 % du chiffre d'affaires de la division Reality Labs au troisième trimestre 2026. Le chiffre d'affaires total du segment s'est établi à 443 millions de dollars. Cette baisse a été partiellement atténuée par la croissance soutenue des revenus issus des lunettes IA, indiquant un changement clair de la demande des consommateurs et des priorités de l'entreprise. Les données financières soulignent que, bien que les ventes de matériel VR ralentissent, les nouveaux dispositifs portables axés sur l'IA gagnent en traction, modifiant ainsi la structure des revenus de Reality Labs.D'après les informations de MetaEn réponse à ces tendances, Meta a officiellement modifié son approche du développement du matériel de réalité virtuelle. Le PDG Mark Zuckerberg a déclaré que l'entreprise ne commercialisera désormais de nouveaux appareils VR que lorsqu'ils atteindront des « percées majeures », similaires aux avancées observées avec les Meta VR Glasses lancées cette année. Cette stratégie marque un écart par rapport au modèle précédent de mises à jour générationnelles régulières pour les casques VR grand public. En liant les lancements de matériel à des sauts technologiques significatifs plutôt qu'à des cycles annuels, Meta se retire en fait des améliorations itératives au profit de lancements de produits plus percutants, bien que moins fréquents.Meta VR Glasses | D'après des documents de MetaL'entreprise met actuellement l'accent sur la voie vers la superintelligence personnelle et les avancées en intelligence artificielle, qui ont pris le pas sur l'expansion immédiate du matériel VR. Zuckerberg a souligné que, bien qu'il considère la VR comme le précurseur nécessaire d'une expérience holographique future mêlant les mondes physique et numérique, le rythme des investissements dans ce domaine sera ajusté. L'accent est désormais mis sur la fourniture de capacités IA, la VR servant d'étape fondamentale plutôt que d'objectif principal immédiat. Ce virage stratégique suggère que les ressources sont réorientées du contenu et du matériel VR grand public vers le développement de systèmes IA avancés et d'objets connectés.À l'avenir, les Meta VR Glasses, dont le lancement est prévu au printemps 2027, sont positionnées comme un produit clé ciblant les prosumers et les professionnels, avec un prix de 1 300 dollars. Cet appareil est considéré moins comme un casque VR traditionnel que comme une étape vers la réalité augmentée. Pendant ce temps, l'avenir de la plateforme de jeux Quest reste incertain, Meta reportant les lancements VR itératifs. Bien que des remises potentielles sur les modèles Quest 3 et 3S pendant la saison des fêtes puissent offrir un coup de pouce temporaire aux ventes, l'entreprise a déjà retiré la majorité des fonds alloués au contenu VR à grande échelle, signalant un engagement à long terme dans sa nouvelle direction centrée sur l'IA.

Public
26 Oct, 2026

La norme OpenXR Spatial Containers unifie le multitâche volumétrique

Khronos a publié de nouvelles extensions OpenXR Spatial Container qui standardisent la gestion par le système des espaces destinés à l'affichage de contenus 3D volumétriques. Cette approche reproduit la logique des systèmes d'exploitation de bureau traditionnels, qui gèrent les applications 2D dans des fenêtres, mais l'applique aux environnements 3D immersifs. OpenXR reste l'API ouverte dominante pour le développement AR, VR et MR, gérée par le même consortium que derrière OpenGL et Vulkan. Son objectif principal est de permettre aux développeurs de créer des applications fonctionnant sans accroc sur différents matériels de casques, sans dépendre d'API spécifiques aux fabricants. Actuellement, presque tous les principaux casques, moteurs et runtimes prennent en charge OpenXR, à l'exception notable d'Apple Vision Pro et de PlayStation VR2 sur la plateforme PS5.Les conteneurs spatiaux OpenXR, tels que présentés lors de SIGGRAPH 2026.Les nouvelles extensions permettent de créer des applications qui basculent entre les modes de multitâche et les expériences immersives à espace complet. Une seule application peut héberger plusieurs Spatial Containers, dont la position est contrôlée par le système. Les développeurs peuvent spécifier un emplacement préféré pour ces conteneurs ou laisser le système gérer leur placement, par exemple en les faisant suivre l'utilisateur lors de ses déplacements. Sur le plan architectural, cela est conceptuellement similaire au modèle Shared Space sur Apple Vision Pro, où les applications en mode fenêtre et volumétriques coexistent dans un environnement géré par le système avant de passer à l'immersion totale. Cela correspond également à la conception de Pico OS 6 sur la future Pico Space Pro, qui utilise une architecture de rendu unifiée appelée Pico Spatial Engine pour exécuter les applications 2D et 3D côte à côte sur des fonds virtuels ou en transparence.Cette standardisation résout une limitation majeure des leaders actuels du marché, tels qu'Android XR de Google et Horizon OS de Meta. Bien que ces plateformes prennent en charge le multitâche des applications 2D, elles limitent actuellement les utilisateurs à l'exécution d'une seule application 3D à la fois. L'introduction des Spatial Containers offre une voie pour lever cette contrainte. Jared Finder, responsable de la plateforme XR et des SDK chez Google, a confirmé dans l'annonce officielle de Khronos que l'entreprise est enthousiaste à l'idée d'apporter la prise en charge des Spatial Container à Android XR. Pour Meta, ces extensions représentent une opportunité de relancer le concept des Augments, une catégorie d'applications 3D gérées par le système, initialement annoncée pour Quest 3 en 2023 mais par la suite effectivement annulée.Meta avait précédemment annoncé que la fonctionnalité Augments était reconstruite de zéro après que l'approche initiale ait été jugée insuffisante. Les mises à jour récentes de Horizon OS et de ses outils de développement se sont concentrées sur la refonte de la gestion des fenêtres spatiales et l'amélioration des applications spatiales, suggérant que l'entreprise pourrait exploiter ces nouvelles extensions OpenXR pour réaliser la vision originale des Augments. Ces extensions étaient initialement destinées à être développées à l'aide de Meta Spark Studio, un outil désormais abandonné pour la création d'expériences AR, qui prenait en charge l'importation d'actifs 3D et l'implémentation de fonctionnalités avancées via JavaScript. Bien que Meta n'ait pas explicitement promis de prendre en charge les extensions dans son déclaration officielle, l'alignement technique avec leurs priorités de développement en cours rend cette direction future plausible pour leur écosystème.Les spécifications et le code d'exemple pour les OpenXR Spatial Containers sont désormais disponibles pour les développeurs. Le groupe de travail OpenXR de Khronos travaille également activement sur des extensions supplémentaires qui permettront aux applications d'exploiter un moteur de rendu fourni par le système et optimisé pour un matériel spécifique, allant des casques haute performance aux appareils à faible consommation d'énergie. Le groupe de travail s'attend à ce que les implémentations de ces extensions commencent à se déployer dans l'écosystème OpenXR au cours de l'année en cours. Ce développement marque une étape significative vers un standard unifié pour le multitâche volumétrique, réduisant potentiellement la fragmentation et permettant des expériences spatiales multi-applications plus complexes sur diverses plateformes matérielles.

Public
25 Oct, 2026

La sixième édition de la Godot XR Community Game Jam est terminée : 28 projets sous le thème « À la dérive »

La sixième saison de la Godot XR Community Game Jam a eu lieu du 21 septembre au 5 octobre 2026. Bien que le nombre de participants soit passé de 98 à 85, le nombre de projets soumis est passé de 22 à 28 jeux. Cela indique une concentration plus élevée de projets terminés et de haute qualité, plutôt qu'un grand nombre de tentatives inachevées. Le thème central de ce cycle était « À la dérive », qui a inspiré diverses interprétations créatives dans les jeux soumis.Les cinq meilleures entrées ont mis en valeur la diversité des mécaniques dans l'espace XR. Dans un titre, les joueurs devaient tirer physiquement des leviers pour piloter un ballon, en luttant contre des courants d'air visualisés tout en tirant sur des cibles avec un canon monté. Un autre proposait de piloter un drone sur une ligne qui collectait de l'électricité dans une tempête pour alimenter un engin, créant un équilibre entre la collecte d'énergie et l'esquive. Un jeu de construction de tours basé sur la physique plaçait les joueurs sur une île, les défiant de construire des structures à partir de débris dérivants avec un contrôle précis de l'équilibre.Un tireur d'aspect trompeusement simple exigeait de percer des ballons dans des délais stricts, en utilisant la monnaie gagnée pour acheter des améliorations, telles que du temps supplémentaire ou une capacité d'arme accrue. Cette structure de type roguelike a ajouté une profondeur stratégique au plaisir de la visée en réalité virtuelle. Le projet gagnant, Wavemaker de Unit327, permettait aux joueurs de créer des vagues dans une piscine pour propulser des bateaux à travers les niveaux. Les joueurs pouvaient éclabousser l'eau de leurs mains, lancer des peluches ou piloter un bateau rapide à distance pour manipuler la dynamique de l'eau sur des étapes de plus en plus difficiles.La compétition était intense, et Unit327 a remporté la victoire face à une opposition redoutable. Les organisateurs ont exprimé leur gratitude à tous les concurrents et aux votants pour leur contribution à l'événement. La prochaine édition de la Godot XR Community Game Jam est actuellement prévue pour le début d'avril 2027. Une date exacte sera annoncée à l'approche du début de l'événement, afin de permettre aux développeurs de préparer leurs projets pour le défi à venir.