M2SI Services
VMware / Virtualization

VCF 9.1 + NVIDIA : ce que signifie vraiment la performance proche du bare metal pour l’IA

vSphere 9.1 est désormais NVIDIA-Certified Hypervisor. Décryptage du périmètre réel de la certification, des architectures GPU validées et des limites à connaître avant de virtualiser des workloads IA.

3 septembre 202610 min de lectureVMware Cloud Foundation

Le 27 août 2026, Broadcom a annoncé que VMware vSphere 9.1, ainsi que les futures versions de vSphere 9, entraient dans le programme NVIDIA-Certified Hypervisors. Le message est attractif : des workloads IA virtualisés peuvent atteindre des performances proches du bare metal.

Pour un architecte ou un administrateur VMware, la question utile n’est pourtant pas de savoir si « VMware est aussi rapide que le bare metal » dans l’absolu. Il faut déterminer ce que NVIDIA a réellement certifié, avec quelle architecture GPU, quel mode d’accès aux périphériques et quelles limites.

Cette distinction est essentielle avant d’utiliser cette annonce pour dimensionner une plateforme Private AI ou justifier une architecture de production.

Contexte et problème

Les infrastructures IA d’entreprise combinent des contraintes qui ne sont pas toujours alignées :

  • conserver un accès très performant aux GPU ;
  • préserver la topologie GPU, réseau et NUMA ;
  • permettre les communications GPU-to-GPU et GPU-to-NIC à faible latence ;
  • isoler les workloads et les tenants ;
  • standardiser le provisioning et les opérations Day 2 ;
  • éviter de créer un silo bare metal séparé de l’infrastructure virtualisée existante.

Le bare metal reste une référence naturelle pour les workloads fortement accélérés. La virtualisation ajoute une couche d’abstraction et doit donc démontrer qu’elle ne dégrade pas de manière significative les chemins critiques.

Le programme NVIDIA-Certified Hypervisors répond précisément à ce problème. NVIDIA indique que la certification vérifie notamment l’exposition correcte des GPU et périphériques PCIe, la visibilité de la topologie, la localité GPU-to-NIC, les chemins GPUDirect RDMA lorsqu’ils sont applicables et les performances par rapport à une baseline NVIDIA.

La certification ne signifie donc pas que toute VM GPU sur n’importe quel serveur VCF 9.1 bénéficiera automatiquement du même niveau de performance.

Concept ou architecture

Pour comprendre l’annonce, il faut distinguer trois niveaux.

1. Le produit VMware certifié

La liste officielle NVIDIA référence VMware vSphere 9.1 avec un périmètre annoncé par le partenaire couvrant vSphere 9.1.0 et les futures versions vSphere 9. Broadcom positionne cette certification dans VMware Cloud Foundation 9.1.

2. La configuration x86 actuellement validée

Le track x86 du programme NVIDIA est actuellement centré sur des systèmes NVIDIA Hopper SXM avec NVSwitch.

Deux phases sont requises :

  • Single-Node : une VM avec 8 GPU en passthrough sur un nœud Hopper SXM ;
  • Multi-Node : deux VM de 8 GPU réparties sur deux nœuds identiques.

Le but est de vérifier que la couche de virtualisation préserve les performances du calcul GPU, la topologie et les chemins de communication nécessaires aux workloads IA distribués.

3. Le mode d’accès GPU

Le périmètre actuel de la certification NVIDIA-Certified Hypervisors utilise le GPU passthrough. NVIDIA précise que le vGPU for Compute — y compris les configurations fractionnées — n’est pas dans le périmètre actuel de cette certification.

C’est un point important : il ne faut pas transformer le résultat de certification passthrough en promesse de performance identique pour tous les profils vGPU.

VCF 9.1 dispose par ailleurs de fonctions vGPU, MIG et de partage de ressources GPU documentées séparément. Elles répondent à d’autres objectifs de consolidation et ne doivent pas être confondues avec le périmètre de cette certification de performance.

Prérequis

Avant d’évaluer VCF 9.1 comme plateforme IA accélérée, vérifiez au minimum :

  • la version exacte de VCF/vSphere utilisée ;
  • le serveur et l’architecture GPU ;
  • la présence et la topologie NVLink/NVSwitch lorsque le workload en dépend ;
  • les NIC et les chemins RDMA requis ;
  • le mode GPU retenu : passthrough ou vGPU ;
  • la compatibilité du matériel avec VMware et NVIDIA ;
  • les versions de drivers et firmwares supportées ;
  • le système invité et le framework IA ;
  • les licences NVIDIA éventuellement requises selon le mode de déploiement.

Pour une architecture NVIDIA AI Enterprise, utilisez également la matrice de support NVIDIA correspondant à la version réellement déployée. La documentation NVIDIA distingue explicitement les exigences de licence entre passthrough et vGPU.

Mise en pratique

L’objectif n’est pas de reproduire le banc de certification NVIDIA sans disposer du matériel et du protocole officiels. Une équipe infrastructure peut en revanche utiliser la certification comme point de départ pour construire son propre go/no-go de virtualisation IA.

Étape 1 — Identifier le profil du workload

Documentez d’abord :

  • entraînement, fine-tuning ou inference ;
  • modèle et taille du modèle ;
  • nombre de GPU requis ;
  • consommation mémoire GPU ;
  • besoin de communication inter-GPU ;
  • besoin de communication inter-nœuds ;
  • débit et latence réseau attendus ;
  • contraintes d’isolation et de multi-tenancy.

Un workload mono-GPU d’inférence et un entraînement distribué sur 16 GPU ne permettent pas de tirer les mêmes conclusions d’une certification 8-GPU Hopper.

Étape 2 — Vérifier si l’architecture cible correspond au périmètre certifié

Comparez votre plateforme avec la liste NVIDIA-Certified Hypervisors.

Pour le track x86 actuellement publié, vérifiez en particulier :

  1. architecture NVIDIA concernée ;
  2. type de système accéléré ;
  3. nombre de GPU exposés à la VM ;
  4. mode passthrough ;
  5. topologie GPU/NIC ;
  6. versions logicielles supportées.

Si votre architecture s’écarte de ce périmètre — autre génération GPU, profil vGPU fractionné ou topologie différente — considérez la certification comme une indication de capacité de la plateforme, pas comme une validation directe de votre configuration.

Étape 3 — Préserver la localité matérielle

Pour les workloads IA distribués, la topologie est aussi importante que la présence des GPU.

NVIDIA indique que son programme contrôle notamment :

  • la visibilité de la topologie GPU et NIC depuis la VM ;
  • les relations NVLink/NVSwitch et PCIe ;
  • la topologie NUMA ;
  • la localité GPU-to-NIC ;
  • les chemins GPUDirect RDMA lorsque nécessaires.

Dans VCF 9.1, Enhanced DirectPath I/O participe à cette stratégie d’accès performant aux périphériques. Broadcom documente également la prise en charge de communications GPU-to-GPU via RDMA over Converged Ethernet dans les scénarios compatibles.

Le contrôle opérationnel consiste donc à vérifier que le placement de la VM, des GPU, des NIC et des ressources CPU/mémoire ne détruit pas la localité attendue par le workload.

Étape 4 — Construire un benchmark A/B reproductible

Pour votre propre plateforme, comparez au minimum deux configurations équivalentes :

  • référence bare metal ;
  • VM VCF 9.1 avec le mode GPU retenu.

Gardez constants : modèle, dataset ou jeu de requêtes, batch size, précision, drivers, framework, version CUDA et paramètres applicatifs.

Mesurez des indicateurs adaptés au workload, par exemple :

  • tokens par seconde pour l’inférence LLM ;
  • time-to-first-token ;
  • latence p50/p95/p99 ;
  • débit de training ;
  • utilisation GPU ;
  • bande passante GPU-to-GPU ;
  • bande passante GPU-to-NIC ;
  • consommation CPU de l’hôte et de la VM.

Ne concluez pas à partir d’un seul benchmark synthétique. Le résultat doit correspondre au workload que vous comptez exploiter.

Résultat attendu

À la fin de l’évaluation, vous devez pouvoir classer l’architecture dans l’un de ces cas :

  • dans le périmètre certifié et compatible avec les matrices VMware/NVIDIA ;
  • supportée mais hors périmètre exact de certification, nécessitant une validation interne ;
  • non validée ou incompatible, nécessitant une modification de l’architecture avant production.

Vérification

Conservez comme preuves :

  • la page NVIDIA listant vSphere 9.1 parmi les hyperviseurs certifiés ;
  • la matrice de support NVIDIA applicable ;
  • la compatibilité serveur/GPU/firmware ;
  • les versions VCF, drivers et firmware réellement installées ;
  • la topologie observée dans le guest ;
  • les résultats complets du benchmark A/B ;
  • les métriques de performance et de stabilité sur une durée représentative.

Une certification fournisseur ne remplace pas la validation du workload réel.

Bonnes pratiques

  • Utilisez le passthrough lorsque le besoin principal est la performance maximale et que le périmètre opérationnel le permet.
  • Évaluez vGPU ou MIG lorsque la consolidation et le partage GPU sont prioritaires, mais validez leurs performances séparément.
  • Conservez CPU, mémoire et NIC proches des GPU du point de vue NUMA.
  • Vérifiez les matrices de compatibilité après chaque changement de driver, firmware, VCF ou NVIDIA AI Enterprise.
  • Automatisez la collecte des métriques afin de comparer les résultats avant et après changement de configuration.
  • Définissez un SLO de performance avant le benchmark plutôt que d’accepter a posteriori toute différence avec le bare metal.

Sécurité

La virtualisation apporte des mécanismes utiles d’isolation, de provisioning standardisé et de gouvernance, mais le passthrough donne à une VM un accès direct à des périphériques physiques. Le design doit donc intégrer l’isolation des tenants, les droits vCenter/VCF, la segmentation réseau et le contrôle des images invitées.

Les drivers GPU et les composants NVIDIA font également partie de la surface logicielle à maintenir. Ils doivent être gérés avec le même niveau de rigueur que l’hyperviseur, les firmwares et le système invité.

Coûts

La certification ne supprime pas le coût d’une infrastructure IA. Le dimensionnement dépend notamment des serveurs accélérés, GPU, NIC haut débit, stockage, réseau et licences logicielles.

Le passthrough et le vGPU conduisent aussi à des modèles de consolidation différents. Le meilleur coût par workload ne peut donc pas être déduit du seul résultat de performance : il doit intégrer le taux d’utilisation GPU et les contraintes de partage.

Limites et points de vigilance

Le terme near bare metal doit être lu dans le contexte précis du programme NVIDIA.

La certification actuelle x86 porte sur des configurations Hopper SXM/NVSwitch et sur le passthrough GPU. Elle ne constitue pas une garantie universelle pour :

  • toutes les générations de GPU NVIDIA ;
  • toutes les configurations VCF 9.1 ;
  • tous les profils vGPU ;
  • tous les workloads IA ;
  • toutes les topologies réseau et stockage.

NVIDIA indique que le périmètre du programme évoluera avec de nouvelles architectures et de nouveaux scénarios. Toute décision d’architecture doit donc être vérifiée contre la documentation courante au moment du déploiement.

Rollback ou nettoyage

Une évaluation de performance doit rester réversible. Conservez la configuration initiale de la VM, le mapping des périphériques et les paramètres du benchmark.

Si la virtualisation ne respecte pas le SLO défini :

  1. vérifiez d’abord la topologie NUMA/GPU/NIC et les versions de drivers ;
  2. éliminez les écarts de configuration entre bare metal et VM ;
  3. testez un autre mode d’exposition GPU si celui-ci est supporté ;
  4. revenez à l’architecture de référence si le workload reste hors objectif.

Ne modifiez pas simultanément plusieurs paramètres lors d’un test comparatif : vous perdriez la capacité d’identifier la cause d’une variation.

Références officielles

Conclusion

La certification NVIDIA de vSphere 9.1 est un signal important : la virtualisation n’est plus automatiquement incompatible avec les exigences de performance d’une infrastructure IA haut de gamme.

Mais le message opérationnel est plus précis que « VCF égale le bare metal ». NVIDIA a validé un périmètre matériel, logiciel et topologique déterminé. L’architecte doit vérifier si son propre workload entre dans ce périmètre, puis mesurer son SLO sur une configuration représentative.

C’est cette combinaison — certification fournisseur, compatibilité vérifiée et benchmark reproductible — qui permet de décider si VCF 9.1 peut devenir la couche d’infrastructure d’une plateforme IA de production.