Ce logiciel débride les Nvidia GeForce RTX 20, 30 et 40

Depuis quelques jours, il est possible de débrider ses cartes graphiques GeForce RTX. Alors, ne vous attendez pas à de meilleures performances en jeu. Il s’agit ici de débrider les calculs utiles pour l’IA.

Et le bridage de l’IA sur les GeForce se contourne désormais sous Windows. Le projet open source nv-uefi-unlocker, publié sur GitHub par le développeur physicsdolphin, s’exécute depuis une clé USB avant le démarrage du système et vise les RTX 20, 30 et 40, portables compris

On peut s’attendre à un gain de 65 % en calcul FP16 (un format de nombres courts très utilisé par les modèles d’IA) sur la RTX 4060 de PC portable par exemple. Fin octobre, le hack gpu-unlock-ada ne tournait que sous Linux et sur deux cartes, une RTX 4090 et une RTX 4070 Ti Super.

Sur ses GeForce, Nvidia fait tourner à mi-régime un mode de calcul des cœurs Tensor, les unités dédiées à l’IA, alors que la puce sait aller deux fois plus vite. L’outil reprend la charge utile mise au point par la communauté et l’injecte pendant la phase UEFI, celle où le micrologiciel de la carte mère tourne avant Windows et avant le pilote Nvidia. Il pousse ainsi le micrologiciel signé de Nvidia à ouvrir deux registres qui fixent la vitesse des cœurs Tensor. Puis il relit les valeurs pour vérifier que l’écriture a bien pris.

Rien n’est écrit dans le BIOS de la carte ni dans le pilote. Ce qui signifie que couper le courant suffit à tout remettre d’origine, ce qui oblige en revanche à repasser par la clé à chaque démarrage. Le téléchargement ne contient d’ailleurs aucun fichier Nvidia. Un script récupère les pilotes publics du constructeur, les vérifie et reconstruit le micrologiciel sur la machine.

Et ne vous inquiétez pas pour la sécurité, le code, écrit en Rust, est lisible par tous, et le projet crédite ses prédécesseurs, gpu-unlock de Zagitta et gpu-unlock-ada.

Dix-sept cartes confirmées, aucune RTX 50

Le projet classe les cartes par famille de puces. Une carte déclarée compatible n’a donc pas forcément été testée. Sous Windows, l’outil a déjà tourné sur dix-sept modèles :

• RTX 20 : RTX 2070 et 2060 Super. Les 2080, 2080 Ti et 2080 Super plantent au démarrage, et il faut lancer une fois un script fourni pour passer le pilote en mode GSP.
• RTX 30 : RTX 3080 (LHR compris), 3060 Ti, 3060 12 Go, 3080 Ti et 3070 de portable. La 3050 n’a pas été testée.
• RTX 40 : RTX 4090, 4080, 4070 Ti Super, 4070 Super, 4070, 4060 Ti 8 et 16 Go, 4060 et 4050 de portable. La 4070 de portable n’a pas été testée.
• RTX 50 : aucune. L’équipe dit tomber sur beaucoup plus de sécurité que prévu.

Sur un PC portable, la puce Nvidia doit être allumée au lancement de l’outil. L’équipe recommande donc le mode MUX, qui branche l’écran directement sur la carte graphique. Il faut aussi démarrer en mode UEFI avec le Secure Boot désactivé, ou réglé pour accepter un fichier auto-signé.

Les jeux dont l’anticheat exige le Secure Boot ne se lanceront donc pas, et l’outil ne peut rien y faire (de toute façon, le gain en jeu est nul).

De +45 à +91 %, mais sur un calcul de laboratoire

Le +65 % mis en avant correspond à la RTX 4060 de PC portable du développeur, passée de 29,89 à 49,33 TFLOPS (des milliers de milliards d’opérations par seconde). Les autres relevés publiés vont de +45 % sur une RTX 4090, freinée par sa limite de consommation, à +91 % sur une RTX 4080 en BF16.

Entre les deux, une RTX 3060 12 Go gagne 80 %, une RTX 3070 de PC portable 58 % et la RTX 2070 de 67 à 75 %. Par contre, chaque carte a passé un test différent, souvent rapporté par son propriétaire, et donc ces chiffres ne se comparent pas d’une carte à l’autre.

Surtout, il s’agit de multiplications de matrices en vase clos. Personne n’a encore publié de mesure sous Windows dans LM Studio, Ollama ou Stable Diffusion.

Sous Linux, les propriétaires de RTX 30 relevaient 14 à 36 % de gain quand un modèle de langage lit le prompt, et quasiment rien pendant la génération de texte. Pour chaque mot produit, la carte doit en effet relire tout le modèle dans sa mémoire vidéo, et c’est la vitesse de cette mémoire qui bloque, bien avant les cœurs Tensor.