SpaceX développe son propre système d'IA en C : Musk revendique 10x la vitesse de JAX
SpaceX est sur le point de finaliser la version 1.0 de sa propre pile d'entraînement pour l'intelligence artificielle, entièrement écrite en langage C. Annoncée par Elon Musk fin mai 2026, cette infrastructure repose sur environ 220 000 accélérateurs Nvidia GB300, reliés par un réseau 800 Gb/s. L'enjeu : entraîner les futurs modèles Grok de xAI — absorbée par SpaceX en février 2026 — avec un maximum d'efficacité brute.
L'architecture
Le choix du C tranche radicalement avec les pratiques habituelles du secteur. La plupart des équipes d'IA utilisent des bibliothèques Python comme JAX (Google) ou PyTorch (Meta), qui ajoutent des couches d'abstraction pratiques mais coûteuses en performances. SpaceX adopte l'approche inverse : du code dit « bare-metal », qui dialogue directement avec le matériel sans intermédiaire. Chaque rack Nvidia GB300 NVL72 embarque 72 GPU Blackwell Ultra et 36 CPU Grace, selon les NVIDIA GB300 specs. À cette échelle, éliminer les couches superflues peut représenter des gains considérables en temps et en coût d'entraînement.
SpaceX has almost finished writing V1.0 of an in-house AI training stack in C that exact-maps to 220k GB300s with 800G NICs, making heavy use of pipeline parallelism and getting as close to bare metal as possible.
— Elon Musk (@elonmusk) May 28, 2026
The potential speed improvement vs JAX for large training runs is…
Musk affirme, selon IBTimes, que le système serait « plus de dix fois plus rapide » que JAX pour les grands runs d'entraînement. JAX est pourtant reconnu pour ses performances sur GPU et TPU. Mais cette affirmation reste à ce jour non vérifiée : aucun benchmark indépendant n'a été publié. Il convient donc de traiter ce chiffre comme une promesse, pas un résultat établi.
Ce que ça change — ou pas
Pour les utilisateurs de Grok, la promesse est indirecte : un entraînement plus rapide devrait permettre des mises à jour de modèles plus fréquentes et potentiellement de meilleures performances. Mais l'approche soulève aussi des questions de fond.
La France soutient activement des alternatives ouvertes — Mistral AI avec ses modèles à poids ouverts, OVHcloud pour l'infrastructure souveraine. Une pile propriétaire fermée, sans documentation publique ni audit possible, s'éloigne de cette philosophie. La conformité au règlement européen sur l'IA (AI Act) pourrait également poser problème : les systèmes d'entraînement opaques sont plus difficiles à auditer que des frameworks documentés comme JAX ou PyTorch.
Côté accès matériel, les clusters GB300 sont pour l'instant déployés via Microsoft Azure — notamment pour OpenAI — mais rien n'indique un déploiement dans des centres de données français à court terme. L'infrastructure de SpaceX, elle, reste entièrement opaque pour le marché européen.
À suivre
Si les performances annoncées se confirment dans des benchmarks publics, cette pile C pourrait redéfinir les standards d'efficacité pour l'entraînement à très grande échelle. Dans le cas contraire, elle restera un pari interne ambitieux. La réponse viendra des chiffres — pas des déclarations.
