Résumé

  • Le DFKI exploite un cluster d'IA nommé Pegasus à Kaiserslautern, décrit dans sa documentation technique avec des chiffres précis — plus de 100 PFLOPs pour les charges IA, plus de 300 GPU, plus de 5500 cœurs CPU et plus de 40 TiB de RAM — administré par Slurm, Enroot et une suite de supervision interne.
  • La chronologie du matériel GPU est datée : un premier NVIDIA DGX A100 mis en service le 27 juillet 2020 a porté la puissance du cluster de 20 à 45 petaFLOPS ; une extension ultérieure à un septième DGX A100 a annoncé plus de 60 petaFLOPS.
  • Les environnements de test physiques existent et sont décrits avec des dimensions mesurables : le Maritime Exploration Hall (MarEH) de Brême, bassin de 23 m × 19 m × 8 m contenant 3,4 millions de litres d'eau salée, et SmartFactory-KL, sélectionné comme testbed Gaia-X par communiqué du 26 mai 2021.
  • Les projets de transfert sont ancrés par des enregistrements contractuels datés : LUMINOUS (subvention UE 101135724, 1er janvier 2024 – 31 mars 2027), LIEREx (1er juillet 2024 – 31 décembre 2026, robot TIAGo 2), SiSWiss (1er juin 2025 – 31 mai 2028, coordonné par le L3S).
  • Les chiffres d'échelle — 29 départements contre 28, 10 contre 13 centres de compétence, environ 960 employés — restent des auto-évaluations qui se contredisent entre les pages du DFKI lui-même.

La question que les chiffres d'échelle ne répondent pas

L'Allemagne dispose d'un petit nombre d'instituts de recherche appliquée en intelligence artificielle dont le nom revient systématiquement dans les discours politiques, et le Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH, fondé en 1988 comme partenariat public-privé à but non lucratif, figure au premier rang de cette liste. La quasi-totalité de la couverture grand public reprend les mêmes chiffres auto-déclarés : le nombre de départements, de centres de compétence, de « living labs », d'employés et de projets.

Deux enquêtes antérieures de BTW ont déjà testé ce que ces chiffres valent : l'une, publiée le 25 septembre 2026, a examiné la comptabilité du financement ; l'autre, publiée le 27 septembre 2026, a suivi les registres de gouvernance jusqu'à l'élection d'Oscar-Werner Reif à la présidence du conseil de surveillance le 20 novembre 2025.

Ce qui restait ouvert est plus concret : que fait réellement l'institut, au sens matériel et opérationnel du terme ? Quels systèmes de calcul nomme-t-il, quels environnements de test physiques décrit-il avec des dimensions mesurables, et quels projets de transfert s'ancrent dans des enregistrements contractuels datés plutôt que dans des brochures ? La réponse n'est pas anecdotique. Pour un institut dont le modèle économique repose sur la confiance des industriels et des bailleurs publics, la frontière entre ce qui est exploité, ce qui est planifié et ce qui est simplement revendiqué détermine la valeur de chaque euro investi.

Pegasus : un cluster nommé, documenté, chiffré

Le point d'ancrage le plus solide de la infrastructure de calcul du DFKI est aussi le moins médiatisé : le cluster Pegasus, hébergé à Kaiserslautern, dispose de son propre site de documentation technique. La page d'introduction y annonce « plus de 100 PFLOPs pour les charges de travail IA, plus de 300 GPU, plus de 5500 cœurs CPU et plus de 40 TiB de RAM », avec le gestionnaire de charges Slurm, l'environnement de conteneurs Enroot et une suite de supervision interne. source Ces chiffres sont auto-déclarés, mais ils ne sont pas vagues : ils sont décomposés dans une table de partitions publique.

Cette table de partitions, consultable dans la documentation Slurm du cluster, énumère les partitions par type de matériel : A100 (40 Go, 80 Go et PCI), B200 Blackwell, H100 et H100 PCI, H200 et H200 PCI, L40S, RTX 3090, RTX A6000, RTX Pro 6000 Blackwell et V100 32 Go, plus une partition « batch ». source Elle précise des détails d'architecture — typiquement huit GPU par nœud, reliés en interne par NVLink/NVSwitch et entre nœuds par InfiniBand — et publie des bancs d'essai de formation ResNet (images/s) et Transformer (tokens/s) par partition, exécutés avec les conteneurs PyTorch de NGC. Elle fixe aussi des limites de temps de travail : un à trois jours pour les partitions plus anciennes, un jour maximum pour les partitions Blackwell et Hopper.

Ce niveau de détail public est significatif pour deux raisons. D'abord, il transforme une revendication d'échelle (« 300+ GPU ») en un artefact vérifiable qu'un partenaire industriel potentiel peut inspecter avant de s'engager.

Ensuite, il documente l'obsolescence programmée d'une flotte hétérogène : la coexistence de V100 (architecture Volta, 2017) et de B200 (Blackwell, 2024-2025) dans la même table montre un centre de calcul qui accumule les générations plutôt qu'il ne les remplace — un choix économique cohérent avec un institut sans financement institutionnel de base, mais qui impose des contraintes de planification rarement évoquées dans les discours sur la « souveraineté numérique » européenne.

La chronologie DGX : de 20 à 45, puis plus de 60 petaFLOPS

La flotte de Pegasus n'est pas apparue d'un bloc. Le communiqué du DFKI daté du 27 juillet 2020 annonce la mise en service du premier NVIDIA DGX A100 au centre de calcul d'apprentissage automatique de Kaiserslautern, portant la puissance du cluster « du niveau actuel de 20 petaFLOPS à 45 petaFLOPS » — chaque DGX A100 apportant cinq petaFLOPS via huit GPU A100 Tensor Core, avec une efficacité revendiquée d'environ 1,2 kW par petaFLOPS contre 3 à 5 kW pour les systèmes antérieurs. source Le communiqué mentionne l'usage de conteneurs optimisés NGC pour TensorFlow et PyTorch et prévoit quatre systèmes DGX A100 supplémentaires.

Un communiqué ultérieur documente l'extension du centre à un septième système DGX-A100, avec une puissance alors annoncée « de 20 PetaFLOPS initiaux à plus de 60 PetaFLOPS », rattachée au département Interactive Machine Learning (IML) et à la recherche sur les modèles de fondation pour la santé ; le professeur Daniel Sonntag y est cité sur les objectifs d'apprentissage profond interactif. source Le site du laboratoire IML décrit de son côté une unité DGX-A100 de huit GPU A100 totalisant jusqu'à 640 Go de mémoire GPU et 1,5 petaFLOPS, hébergée dans le « grand centre d'apprentissage profond de Kaiserslautern ».

Trois observations s'imposent. Premièrement, la chronologie est trouée : aucun de ces documents ne réconcilie explicitement les 20 → 45 petaFLOPS de 2020 avec les « plus de 60 » annoncés ensuite, ni avec les « plus de 100 PFLOPs » de la documentation Pegasus actuelle. Il s'agit vraisemblablement de la même lignée à des dates différentes, mais le DFKI ne le dit pas, et le lecteur qui cherche un état daté et cohérent de la capacité installée doit reconstruire la séquence lui-même.

Deuxièmement, la persistance du chiffre « 20 PetaFLOPS initiaux » dans le communiqué de la septième DGX suggère une comptabilité cumulative plutôt qu'un réétalonnage à chaque extension — un détail qui compte si l'on compare la capacité revendiquée à celle d'un centre de calcul industriel. Troisièmement, la chaîne de custody documentaire est réelle : des dates de communiqué aux tables de partitions actuelles, chaque maillon est publiable et vérifiable, ce qui distingue nettement le DFKI d'un institut qui se contenterait d'une page « capacités » marketing.

MarEH et les halls de Brême : l'infrastructure physique chiffrée au litre près

Si le calcul IA est un pilier, la robotique est l'autre, et son évidence est plus difficile à exagérer : elle a des dimensions. La page « Maritime Infrastructure » du Robotics Innovation Center du DFKI à Brême décrit le Maritime Exploration Hall (MarEH), une installation de 1 300 m² pour tester des technologies robotiques sur et sous l'eau, simulant des missions de l'industrie offshore. Le bassin principal mesure 23 m × 19 m × 8 m et contient 3,4 millions de litres d'eau salée (18 g de sel par litre). L'équipement nommé comprend des grues de 12,5 t et 250 kg, un portique de 500 kg, une cuve vitrée de 5 m × 4 m × 2,2 m contenant 40 000 litres avec trois parois vitrées, un « black tank » de 3,4 m × 2,6 m × 2,2 m pouvant être couvert pour contrôler lumière et turbidité, un laboratoire de réalité virtuelle de 21,6 m² de projection sur sept éléments, et un système de capture de mouvement sous-marin Qualisys à 12 caméras (12 mégapixels, 300 Hz, précision d'environ 4 mm). source

La page comporte toutefois une incohérence interne que l'article doit signaler plutôt que lisser : la chambre de pression y est décrite une fois comme « 6 000 m (600 bar) » et ailleurs comme « jusqu'à 660 bar … environ 6 600 mètres ». Les deux valeurs ne peuvent pas être vraies simultanément pour la même chambre ; le DFKI ne tranche pas. Ce n'est pas une raison de rejeter le document — la plupart des dimensions sont plausibles et précises — mais c'est un rappel utile que même la documentation technique d'un institut sérieux mérite une lecture critique ligne par ligne.

Le même campus de Brême accueille des infrastructures complémentaires : un hall multifonctionnel décrit par le centre robotique, et la Space Exploration Hall inaugurée par le DFKI Robotics Innovation Center pour des tests de robots dans des conditions terrestres imitant le vide spatial. Ces installations, avec la Robotics Exploration Laboratory décrite sur le site principal du DFKI, forment un continuum d'environnements de test physiques que peu d'instituts européens peuvent aligner : c'est le type d'actif qui, contrairement aux chiffres d'effectifs, ne se décrète pas dans un plan stratégique.

SmartFactory-KL et Gaia-X : le testbed daté du 26 mai 2021

Le troisième pilier est le transfert vers l'industrie, et son artefact le mieux daté est un communiqué du DFKI du 26 mai 2021 : SmartFactory-KL (SF-KL), plateforme de fabrication née en 2005 et construisant des démonstrateurs depuis 2014, est sélectionnée comme testbed de production pour Gaia-X. source Le montage couvre trois sites : SmartFactory-KL, le département Innovative Factory Systems (IFS) du DFKI et le département WSKL de l'Université technique de Kaiserslautern. La vision Production Level 4 (PL4), qui étend le concept Industrie 4.0 de 2011, date de 2019 ; un démonstrateur PL4 a présenté un cas d'usage Gaia-X en 2020 et fonctionne déjà dans l'Innovation Lab de SmartFactory-KL ; un second démonstrateur, avec un système de transport entièrement nouveau, est en construction dans le bâtiment du DFKI. Keran Sivalingam est nommé responsable du sous-projet smartMA-X. source

Une page compagnon du DFKI, « GAIA-X project begins in Kaiserslautern », corrobore la chronologie et cite Sivalingam : « D'abord, nous devons connecter notre démonstrateur au réseau Gaia-X » — avec la recherche sur les compétences composées contre atomiques comme question technique. Ernst Stöckl-Pukall, responsable numérisation et Industrie 4.0 au ministère fédéral de l'Économie (BMWi), y est identifié. Un écho de la presse spécialisée allemande (industr.com) confirme la distribution de l'information, sans valeur probante datée propre.

Ce dossier est instructif précisément parce qu'il est daté et borné : il montre le DFKI jouant un rôle d'opérateur de testbed dans une initiative de souveraineté des données dont le succès reste, quatre ans plus tard, partiellement à démontrer. Un institut qui convertit une vision (PL4, 2019) en démonstrateur (2020) puis en statut de testbed (2021) exécute ; ce qu'il ne contrôle pas, c'est le devenir de la plateforme elle-même.

Les projets contractuels : des dates de début et de fin vérifiables

Au-delà des infrastructures, le DFKI exécute des projets dont les durées s'ancrent dans des enregistrements externes ou contractuels.

LUMINOUS. Le registre CORDIS de la Commission européenne enregistre le projet LUMINOUS (Language Augmentation for Humanverse) sous la subvention Horizon Europe 101135724, signature de la CE le 23 octobre 2023, démarrage le 1er janvier 2024, fin le 31 mars 2027, sous le sujet HORIZON-CL4-2023-HUMAN-01-21 (Next Generation eXtended Reality, RIA). Le projet combine modèles de langage génératifs et multimodaux avec la réalité étendue et la reconnaissance zero-shot d'objets inconnus ; ses trois pilots sont la neuro-rééducation de survivants d'AVC avec troubles du langage, la formation immersive à la sécurité industrielle et la conception architecturale 3D. Le DFKI lui-même n'a communiqué sur le projet que le 19 août 2024 dans sa rubrique « Transfer Stories » (source) — un décalage de plus de sept mois entre le démarrage contractuel et la communication publique, qui mesure la différence entre un projet financé et un projet raconté. Une page d'observatoire tierce mentionne une fin en décembre 2026 ; CORDIS, registre officiel, fait foi. source

LIEREx. Le projet LIEREx (Language-Image Embeddings for Robotic Exploration) est annoncé par le DFKI pour une durée du 1er juillet 2024 au 31 décembre 2026. Il intègre des modèles vision-langage (type CLIP) dans une carte sémique permettant des requêtes sur des objets arbitraires, implémentée sur un robot mobile et évaluée par exploration intérieure orientée objectif. Les rapports techniques associés documentent le matériel réel : plateforme TIAGo 2 avec LiDAR Ouster OS0 et caméra RGB-D Femto Bolt ToF, émulateur Habitat avec Matterport3D/HM3D et intégration de graphes de scène sémiques 3D. source

SiSWiss. Le projet SiSWiss (Secure language models for knowledge management) court du 1er juin 2025 au 31 mai 2028, financé par le ministère fédéral de la Recherche, de la Technologie et de l'Espace (BMFTR) sous le programme « Sichere Zukunftstechnologien in einer hypervernetzten Welt: Künstliche Intelligenz ». Il est coordonné par le L3S Research Center de Hanovre avec le DFKI, CISPA et l'entreprise Laverana comme partenaires. Son objet : des LLM multi-personas intégrant un cadre « Differential Sensitivity Awareness » (DSA) qui différencie l'accès à l'information sensible selon les permissions de l'utilisateur, entraînés principalement par RLHF, avec méthodes open source optimisées pour le marché germanophone. Le L3S confirme indépendamment la fenêtre (01.06.2025–31.05.2028) et le coordinateur (Dr. Daniel Kudenko). source Le nom du projet s'écrit différemment selon les sources — SiSWiss sur la page DFKI (hébergée sur www-live.dfki.de, hôte non canonique), SisWiss sur les pages L3S (source) — une divergence mineure mais symptomatique de la fragmentation documentaire.

TSS-MoVe, Genki4Media et l'accès opérationnel au HPC. Le projet TSS-MoVe vise un système pilote de veille technologique automatisée pour tous les modes de transport, documenté à la fois par les pages du DFKI et par le DZSF, l'institut fédéral allemand pour la recherche ferroviaire. source Genki4Media, projet NLP du DFKI sous le programme fédéral « Gen-KI für den Mittelstand » (documenté sur digitale-technologien.de avec Fraunhofer FOKUS comme partenaire), adresse l'IA générative pour les applications médiatiques. source Enfin, le dépôt GitHub MBAZA-NLP « hpc-infrastructure-access » documente les procédures pratiques d'accès au HPC du DFKI côté groupe NLP — Slurm, partitions, conteneurs — ce qui confirme que l'accès au cluster de type Pegasus est un flux de travail opérationnel et documenté, pas une description marketing. source

Ce que les chiffres d'échelle continuent de se contredire

Confrontons maintenant cette matière datée aux chiffres d'échelle qui dominent la communication du DFKI. La page Company Profile du site du DFKI rapporte 29 départements de recherche, 13 centres de compétence et 8 living labs, avec environ 960 chercheurs et administratifs et 600 étudiants doctorants issus de plus de 76 pays, travaillant sur plus de 560 projets. source La page About DFKI du même site indique « dix centres de compétence » ; une version miroir du même contenu, hébergée sur www-live.dfki.de, mentionnerait 28 départements et dix centres de compétence.

Trois nombres pour les centres de compétence (10, 13, et de nouveau 10), deux pour les départements (28, 29) : ces divergences traversent les pages du DFKI lui-même, en accès public simultané. Ce n'est pas de la fraude — c'est le symptôme classique d'une auto-évaluation maintenue à la main sans propriétaire unique ni contrôle de cohérence.

Mais c'est précisément ce qu'une lecture critique doit mettre en évidence : les chiffres d'échelle du DFKI sont des auto-évaluations sans méthodologie publiée, alors que ses infrastructures et projets sont documentés par des artefacts datés, mesurables et partiellement vérifiables par des tiers. La leçon méthodologique dépasse ce cas : dans l'évaluation d'un institut de recherche, les éléments les plus vérifiables ne sont presque jamais ceux que le service de communication met en avant.

Frontières de la preuve

Trois limites bornent ce tableau. D'abord, la plupart des sources de la première passe de recherche ont été capturées comme extraits fournis par le moteur de recherche, sans rendu direct de la page complète ; la deuxième passe a inspecté directement les pages de projets nommés, mais les pages Pegasus et MarEH restent documentées par extraits. Ensuite, tous les chiffres de capacité (PFLOPs, GPU, cœurs) sont auto-déclarés par le DFKI ; aucun audit externe indépendant de la capacité installée n'a été identifié.

Enfin, l'incohérence de la chambre de pression de MarEH (600 bar/6 000 m contre 660 bar/6 600 m sur la même page) doit être attribuée à la source plutôt que résolue par arbitrage. Ces limites n'invalident pas le tableau : elles en délimitent le degré de certitude, qui est élevé pour les dates contractuelles et les dimensions physiques, moyen pour les capacités de calcul, et faible pour toute agrégation d'échelle.