Types de calcul informatique : comprendre les principaux modèles

Les principaux modèles comprennent le calcul local, client-serveur, cloud, distribué, parallèle, en cluster, en grille, en périphérie et serverless. Le traitement par lots, le calcul interactif et le temps réel décrivent la façon d'organiser le travail ou les délais de réponse attendus. Ces catégories se recoupent : une application cloud peut répartir ses traitements entre plusieurs machines, exécuter des tâches en parallèle sur des GPU et envoyer les résultats à un appareil en périphérie.

La question utile est de savoir quelle combinaison convient à votre traitement. Ce guide explique les modèles, donne des exemples et propose des critères de comparaison, sans supposer que tout problème nécessite un GPU ou un grand déploiement cloud.

Comment distinguer les types de calcul informatique

L'informatique utilise plusieurs classifications. Les catégories de matériel, les modèles de programmation, les modes de fourniture des services et les exigences applicatives répondent à des questions différentes. Distinguez ces questions lorsque vous choisissez une infrastructure.

Question	Termes concernés	Exemple
Où le travail s'exécute-t-il ?	Calcul local, edge, fog, centres de données distants	Une caméra analyse une image sur place.
Comment les ordinateurs coopèrent-ils ?	Client-serveur, calcul distribué, cluster, grille	Plusieurs machines traitent les parties d'un jeu de données.
Comment les opérations sont-elles exécutées ?	Calcul séquentiel, parallèle, CPU, GPU	Un GPU exécute simultanément de nombreuses opérations adaptées.
Comment les ressources sont-elles fournies ?	Infrastructure possédée, services cloud, serverless	Une équipe loue une machine virtuelle.
Comment le travail est-il organisé ?	Traitement par lots, interactif, temps réel	Un rapport nocturne est produit sans intervention humaine.

Ce tableau constitue un repère pratique. Les catégories ne s'excluent pas mutuellement : un système peut relever de plusieurs lignes à la fois, et modifier un choix ne change pas automatiquement les autres.

Calcul local et modèle client-serveur

Calcul local

Le calcul local exécute le travail sur l'appareil utilisé, par exemple un ordinateur portable, un ordinateur de bureau ou une station de travail. Modifier un document hors ligne, compiler une petite application et traiter des données sur sa propre machine en sont des exemples courants.

C'est un point de départ pertinent lorsque la mémoire, le stockage et les capacités de traitement suffisent. Vous contrôlez l'environnement et pouvez éviter un aller-retour réseau pour les opérations locales. Cela ne signifie pas que la latence est nulle : le processeur, le disque, les logiciels et les éventuelles dépendances externes prennent toujours du temps.

Le calcul local entraîne aussi des dépenses récurrentes. Le remplacement du matériel, l'électricité, les licences, la maintenance et les sauvegardes doivent entrer dans la comparaison. Conserver des fichiers sur un ordinateur personnel ne garantit ni leur confidentialité ni leur sécurité : les autorisations, la protection de l'appareil et les sauvegardes restent nécessaires.

Modèle client-serveur

Dans le modèle client-serveur, un client demande un service et un serveur répond. Un navigateur qui demande une page web ou une application qui interroge une base de données suit ce fonctionnement. Le serveur peut se trouver dans un bureau, un centre de données privé ou un cloud public.

Une administration centralisée peut simplifier la gestion des accès et des données partagées. La disponibilité dépend toutefois de la conception. Un serveur unique peut constituer un point de défaillance, tandis qu'un service doté de réplicas et d'une répartition de charge peut distribuer le travail entre plusieurs ordinateurs. L'architecture client-serveur n'impose ni un seul serveur physique ni un taux de disponibilité donné.

Cloud computing et calcul serverless

Cloud computing

Le cloud computing donne accès à des ressources informatiques configurables sous forme de services. La définition du NIST met l'accent sur l'accès à la demande, la mutualisation des ressources, leur mise à disposition rapide et la mesure de leur utilisation. Louer une instance cloud change la façon d'obtenir des ressources, sans déterminer si l'application s'exécute de manière séquentielle, parallèle ou distribuée.

Le cloud peut convenir à une demande variable, à des projets temporaires ou à des équipes qui ne possèdent pas les ressources nécessaires. Vérifiez les capacités, les quotas, les régions, les responsabilités d'exploitation et le coût complet avant de supposer qu'un service pourra évoluer au moment voulu. L'étiquette cloud ne garantit ni des ressources illimitées ni une facture plus faible.

Les modèles IaaS, PaaS et SaaS décrivent les éléments gérés par le fournisseur. Les termes public, privé, communautaire et hybride décrivent l'organisation du déploiement. Notre guide des types de cloud computing détaille ces classifications.

Calcul serverless

Avec le serverless, le fournisseur gère l'infrastructure serveur sous-jacente pendant que vous déployez du code ou utilisez des services managés. Les serveurs existent toujours. La présentation du serverless par AWS explique cette répartition des responsabilités et des fonctionnements courants déclenchés par des événements.

Par exemple, l'ajout d'un fichier peut déclencher une fonction qui vérifie son format et enregistre un résultat. Avant de choisir cette approche, examinez les limites d'exécution, le démarrage, les dépendances compatibles, le stockage de l'état et la facturation. La correction de l'application et la configuration des accès restent de votre responsabilité. Le serverless constitue un choix d'exploitation dans le cloud et peut servir des requêtes interactives comme des traitements en arrière-plan.

Calcul distribué, en cluster et en grille

Calcul distribué

Le calcul distribué coordonne le travail entre plusieurs systèmes informatiques reliés par un réseau. Les machines peuvent se trouver dans un même lieu ou sur plusieurs sites. Une base de données distribuée, une chaîne de traitement de données et une application dont les services s'exécutent sur des machines distinctes en sont des exemples.

La distribution peut augmenter la capacité et contribuer à la tolérance aux pannes, à condition de le prévoir dans la conception. Les communications, la synchronisation, les tâches répétées et les défaillances partielles ont un coût. Ajouter des nœuds ne suffit pas à rendre un système fiable. Notre guide du traitement distribué approfondit la mise en œuvre.

Calcul en cluster

Un cluster regroupe des ordinateurs connectés et administrés pour travailler ensemble. Il peut exécuter des applications scientifiques parallèles, une base de données ou de nombreuses tâches indépendantes. Les clusters disposent souvent d'une gestion et d'un ordonnancement communs. La conception du réseau compte particulièrement lorsque les tâches échangent fréquemment des données.

Choisissez le cluster en fonction de l'application. Une simulation dont les processus communiquent sans cesse a des besoins différents d'un ensemble de rendus indépendants. Une panne de nœud peut imposer un redémarrage ou une reprise du traitement ; la récupération automatique doit être prise en charge et configurée. Un cluster peut utiliser des machines possédées par l'organisation ou des ressources cloud louées.

Calcul en grille

Le calcul en grille coordonne des ressources réparties entre plusieurs sites ou domaines administratifs. Il est notamment associé aux infrastructures scientifiques partagées. La grille mondiale de calcul du LHC, au CERN, permet par exemple de stocker, distribuer et analyser des données de physique des particules sur un réseau mondial.

Une grille peut réunir les capacités de plusieurs organisations, avec des règles d'accès et d'utilisation. Elle ne se limite pas aux ordinateurs de volontaires ou aux processeurs inutilisés de postes de travail. Les termes cluster et grille restent utiles, mais les systèmes peuvent combiner les deux : une grille peut relier des sites qui exploitent chacun leurs propres clusters.

Calcul parallèle et calcul haute performance

Le calcul parallèle exécute simultanément des parties d'un calcul avec plusieurs ressources de traitement. Il peut se dérouler sur une seule machine ou sur plusieurs. L'introduction du Lawrence Livermore National Laboratory explique cette distinction et la coordination nécessaire aux programmes parallèles.

Les processeurs multicœurs et les GPU proposent différentes façons d'exécuter ce travail. Les GPU peuvent convenir aux calculs matriciels, au traitement d'images et à certains algorithmes de rendu. Le logiciel doit pouvoir utiliser efficacement le matériel. Ajouter des processeurs ne supprime pas un blocage séquentiel et ne rend pas un logiciel incompatible capable d'exploiter un GPU.

Le calcul haute performance, ou HPC, concerne des traitements exigeants comme la simulation d'ingénierie, la modélisation météorologique et la recherche scientifique. Il associe souvent des logiciels parallèles, une mémoire importante, un réseau rapide et un stockage adapté. Le HPC n'est pas synonyme de calcul GPU : certaines applications reposent surtout sur les processeurs, tandis que d'autres utilisent les deux.

Pour l'apprentissage automatique, partez du modèle, de la méthode d'entraînement, des données et des besoins en mémoire. Pour le calcul scientifique, ajoutez la précision numérique et la compatibilité du solveur. Mesurez la durée complète du traitement, y compris le chargement et la sortie des données, plutôt que la seule performance maximale annoncée du processeur.

Edge computing, fog computing et objets connectés

Edge computing ou calcul en périphérie

L'edge computing place les traitements près de la source des données ou des utilisateurs qui ont besoin du résultat. Une caméra qui vérifie des images localement en est un exemple. Cette approche peut réduire le trafic réseau et la dépendance à un centre de données distant, surtout lorsque la connexion est limitée.

Les appareils en périphérie nécessitent toujours des mises à jour, une supervision et une protection. Traiter les données à proximité ne garantit pas un délai de réponse et ne supprime pas toutes les dépendances réseau. Déterminez ce qui doit continuer à fonctionner hors ligne et ce qui peut attendre le retour de la connexion.

Fog computing

Le fog computing décrit des traitements et des services distribués dans le réseau, entre les appareils terminaux et les systèmes cloud centralisés. Le modèle du NIST examine cette approche pour l'Internet des objets.

Imaginez des capteurs qui transmettent leurs mesures à une passerelle locale. Celle-ci filtre les relevés avant d'envoyer des synthèses vers un stockage cloud. La passerelle et les services proches peuvent former une couche fog. Les termes edge et fog se recoupent : précisez les appareils, les responsabilités et les flux de données au lieu de vous fier uniquement au nom.

Informatique mobile et embarquée

L'informatique mobile concerne les appareils portables et les services auxquels ils se connectent. L'informatique embarquée intègre un ordinateur dans un autre produit, comme un contrôleur ou un appareil connecté. Ces termes décrivent des contextes de déploiement. Une application mobile peut combiner traitements locaux et cloud ; un système embarqué peut effectuer des traitements en périphérie.

L'Internet des objets relie des appareils physiques qui collectent des données ou agissent sur leur environnement. Un déploiement peut combiner informatique embarquée, edge, fog et cloud. La question de conception consiste à décider quel travail confier à chaque appareil ou service.

Traitement par lots, calcul interactif et temps réel

Le traitement par lots exécute des tâches sans interaction continue avec l'utilisateur. Vous soumettez les données et les besoins, puis un ordonnanceur choisit le moment où les ressources sont disponibles. Le guide des systèmes de traitement par lots du LLNL explique les tâches et les files d'attente. Une tâche peut durer quelques secondes ou plusieurs jours : sa durée ne définit pas cette catégorie.

Le calcul interactif répond pendant qu'une personne travaille, par exemple dans un notebook, un terminal ou un logiciel de conception. L'utilisateur attend une réponse rapide, mais le système peut passer du temps à attendre une saisie. Comparez la réactivité et le coût des ressources inactives selon les habitudes de travail réelles.

Le calcul temps réel doit respecter des contraintes temporelles définies par l'application. Dans un système de commande, une échéance peut compter autant que le résultat calculé. Une exécution « rapide en moyenne » ne prouve pas que chaque délai requis sera respecté. Les applications interactives et la commande en temps réel nécessitent donc des tests de performance différents.

La place de l'informatique quantique

L'informatique quantique utilise des états et des opérations quantiques pour effectuer des calculs. Elle décrit une autre manière de traiter l'information, plutôt qu'un lieu d'exécution ou un mode de location. Un processeur quantique peut lui-même être accessible par un service cloud.

Ses avantages potentiels dépendent du problème et de l'algorithme. Comme l'explique la présentation d'IBM, les ressources classiques et quantiques peuvent travailler ensemble, et le calcul quantique ne convient pas à tous les problèmes. Évaluez les affirmations sur les nouvelles technologies à partir d'une tâche précise et d'un résultat démontré.

Choisir les modèles adaptés à un traitement réel

Commencez par une exigence mesurable plutôt que par une technologie préférée. Ces exemples montrent comment combiner les catégories :

Travail	Combinaison possible	Éléments à mesurer
Petit projet de développement	Calcul local, interactif, sur CPU	Mémoire utilisée, durée de compilation et réactivité.
Analyse de données nocturne	Traitement par lots sur une machine ou un cluster distribué	Durée totale, déplacements de données et coût par exécution réussie.
API d'inférence en production	Service client-serveur utilisant des CPU ou GPU cloud	Qualité du modèle, latence en charge, débit et reprise.
Inspection d'images sur site	Calcul embarqué ou en périphérie avec rapports centralisés	Délais, précision et comportement pendant une panne réseau.
Grande simulation scientifique	HPC parallèle sur un cluster adapté	Efficacité du passage à l'échelle, précision, communications et coût des points de contrôle.

Testez ensuite la plus petite configuration capable de répondre au besoin. Si une machine termine dans le délai et le budget prévus, le calcul distribué peut ajouter du travail sans bénéfice utile. Si le traitement nécessite davantage de mémoire, de débit ou de résilience, identifiez cette contrainte avant d'étendre le système.

Intégrez à l'estimation le matériel ou la location, le stockage, les transferts, les logiciels, le temps d'exploitation et la reprise. Le calcul local coûte davantage que l'électricité, et le coût du cloud dépend du service choisi. Évitez de considérer qu'un modèle est toujours moins cher.

La tolérance aux interruptions constitue un autre choix. La capacité Spot peut convenir à des traitements conçus pour sauvegarder leur progression ou être relancés ; elle ne fait pas inévitablement échouer l'entraînement. AWS décrit les situations dans lesquelles ses instances Spot peuvent être reprises. Vérifiez les règles du fournisseur et testez la récupération avant de dépendre de ressources interruptibles. Les autres capacités nécessitent elles aussi un plan de reprise après panne.

Compute with Hivenet fournit des instances CPU et GPU aux équipes qui veulent exploiter leurs propres logiciels. Utilisez des CPU pour les tâches générales adaptées et évaluez les GPU lorsque l'application bénéficie de l'accélération. Vérifiez les configurations et les tarifs actuels, puis comparez une exécution représentative avec les autres options.

Questions fréquentes

Combien existe-t-il de types de calcul informatique ?

Il n'existe pas de nombre unique valable pour toutes les classifications. Les listes varient parce qu'elles mélangent matériel, architectures, modèles de services et modes de traitement. Précisez la question posée avant de vous appuyer sur une liste numérotée.

Le cloud computing et le calcul distribué sont-ils identiques ?

Le cloud computing décrit la fourniture et l'utilisation des ressources. Le calcul distribué décrit la coordination entre ordinateurs en réseau. Une tâche cloud peut s'exécuter sur une seule instance, tandis qu'une application distribuée peut fonctionner sur des machines appartenant à une organisation.

Quelle différence avec les types d'ordinateurs ?

Ordinateur de bureau, portable, serveur, mainframe et supercalculateur désignent des catégories de systèmes informatiques. Calcul local, cloud, parallèle et par lots décrivent l'organisation des ressources ou du travail. Une même machine peut prendre en charge plusieurs modèles.