Meta muscle Prometheus, son supercluster d’entraînement géant

Meta a publié le 19 octobre 2026 un long billet technique sur Prometheus, son supercluster d’IA installé à New Albany, dans l’Ohio. Le groupe y confirme que la première phase a servi à entraîner les modèles Muse, dont Muse Wonder, et qu’il vise à terme une montée en puissance jusqu’à environ 1 million de GPU. L’enjeu dépasse la seule prouesse d’ingénierie : il touche la vitesse d’entraînement des futurs modèles, la disponibilité des infrastructures et la capacité de Meta à tenir la cadence face aux autres géants du calcul.

Un site pensé pour entraîner des modèles, pas seulement pour héberger des serveurs

Prometheus n’est plus un simple centre de données recyclé. Meta explique que le site de New Albany, qui faisait du trafic web il y a deux ans, a été profondément reconverti pour l’entraînement de modèles frontières, avec plusieurs phases de déploiement et des bâtiments à la fois classiques et optimisés pour l’IA. Le supercluster rassemble déjà des centaines de milliers de GPU, tous orchestrés comme une seule machine, ce qui donne une idée assez claire de l’échelle recherchée : le calcul ne se loue plus à la journée, il se pilote comme une usine.

Le groupe dit avoir obtenu plus de 85 % de “goodput” sur les runs de pré-entraînement de Muse Wonder, et plus de 90 % sur les runs de reinforcement learning. Pour rappel, le goodput mesure la part du temps de calcul réellement utile, après les interruptions et pertes d’efficacité. Meta ajoute qu’un premier palier de fiabilité affichait un temps moyen entre interruptions d’environ 47 000 heures GPU, porté ensuite à plus de 54 000 heures après des correctifs à l’échelle du parc.

Deux générations de GPU NVIDIA, avec une troisième déjà en approche

Meta décrit Prometheus comme un terrain de jeu très concret pour les puces NVIDIA. La première plateforme, Catalina, repose sur le GB200 NVL72 dans une variante Ariel à deux racks : 72 GPU au total, 13,4 To de HBM3e, 720 PFLOPS en FP8 et environ 120 kW pour l’ensemble. La deuxième, Clemente, passe au GB300 NVL72, avec 20,7 To de HBM3e, plus de 1 exaFLOP en FP4 et environ 135 kW par rack. Les deux architectures utilisent un domaine de 72 GPU comme accélérateur unifié, mais Meta indique que la seconde apporte un gain de performance de 5 à 10 % sur le GB200 NVL72.

La suite est déjà dessinée. Meta annonce l’arrivée d’un système basé sur Vera Rubin NVL72, puis une prochaine plateforme San Miguel avec 72 GPU Vera Rubin, 288 Go de HBM4 par GPU et 2,52 exaFLOPS théoriques en FP4 par rack. La capacité de calcul grimpe donc encore, mais la vraie question reste la même : comment maintenir un tel niveau de densité sans transformer chaque panne en mini-catastrophe ?

Le vrai sujet, c’est la fiabilité à grande échelle

Au fil du billet, Meta insiste moins sur la puissance brute que sur la gestion des défaillances. Le passage d’une architecture NVL8 à NVL72 a élargi le “blast radius” de huit à 72 GPU, soit un domaine de panne potentielle bien plus large. Pour limiter l’impact, l’entreprise dit fonctionner avec des tranches de 64 GPU actives et des GPU de réserve, ce qui augmente la marge matérielle mais protège les entraînements les plus lourds.

Les interruptions ont d’abord culminé à près de 1 000 événements par jour pour 8K GPU au milieu de 2025, avant une baisse de 99 % après un an d’ajustements. Meta vise désormais deux interruptions par 8K GPU et par jour, soit environ 100 000 heures GPU entre interruptions. Les correctifs ont porté sur l’intégrité des signaux NVLink, la fiabilité mémoire, la surveillance des switches et le reroutage des liens backend. Le groupe dit aussi avoir réduit le temps de mise à jour P90 d’un pod de plus de sept heures à deux heures, ce qui compte quand on déploie des corrections sur plus de 100 000 GPU en quelques heures.

Le réseau et l’énergie deviennent des produits à part entière

Prometheus ne dépend pas seulement des GPU. Meta a développé un réseau Ethernet backend dédié au trafic GPU-à-GPU, avec des fabrics qui interconnectent jusqu’à 20 736 GPU par bâtiment. Les liaisons entre bâtiments et régions reposent sur une architecture d’agrégation capable de relier des sites distants de 2 km à plus de 100 km, avec des débits de plusieurs pétabits par seconde selon l’entreprise. Le tout mobilise des millions de miles de fibre, des dizaines de milliers de switches et des millions d’optiques.

La puissance électrique suit la même logique. Les gros entraînements déclenchent des variations de charge de 30 à 40 % dans le cluster, avec des sauts de plusieurs dizaines de mégawatts en quelques secondes. Meta utilise donc des modules batterie, des bancs de condensateurs et un framework baptisé Dynamo Dimmer pour éviter les coupures brutales quand le site approche de sa limite. Sur le front du refroidissement, l’entreprise combine refroidissement liquide direct, assistance par air et bâtiments AI-optimisés, avec des déploiements rapides quand il faut pousser la capacité sans attendre un nouveau campus. Le coût de cette montée en puissance est évidemment moins “cloud magique” que tuyaux, électricité et mégawatts ; la poésie des data centers a ses limites.

Ce que Meta prépare pour la suite

Au-delà de l’Ohio, Meta présente Prometheus comme un banc d’essai pour Hyperion, son futur supercluster en Louisiane. Le site de Richland Parish doit reprendre plusieurs choix techniques validés à New Albany, notamment le refroidissement liquide en circuit fermé et une connexion complète au réseau électrique via Entergy. En parallèle, Meta dit travailler avec NVIDIA sur un modèle de co-ingénierie très poussé, avec télémetrie partagée et équipes embarquées sur les sites.

La trajectoire est claire : davantage de GPU, davantage de bande passante, davantage de contraintes physiques aussi. Dans ce contexte, Prometheus sert moins de vitrine que de laboratoire industriel pour une IA qui se fabrique désormais à l’échelle du mégawatt, du rack et du câble optique.