XDA-Developers l’a souligné cette semaine : la plupart des joueurs font fonctionner un GPU inactif de 300W pendant 20 heures par jour. Il rend une seule chose à 20 heures, puis tourne au ralenti à 20W le reste du temps, et use une carte de 600 dollars sans rien faire. Le calcul distribué bénévole est la réponse depuis une décennie : donnez les cycles inactifs à un projet de recherche qui les demande. Les projets sont réels (repliement des protéines pour la découverte de médicaments, analyse des ondes gravitationnelles, dépistage du cancer), les clients sont mûrs, et les GPU modernes traitent le travail qui prenait autrefois des semaines aux superordinateurs.
Nous avons testé 7 applications de bureau qui acheminaient votre GPU inactif (et sur certains, CPU) vers un projet de recherche. La liste couvre les deux clients middleware géants (BOINC, Folding@home), la grille humanitaire fondée par IBM (World Community Grid), les travaux d’ondes gravitationnelles et de pulsars chez Einstein@Home, le projet de conception de protéines alimenté par Rosetta, le planificateur parapluie pour les nouveaux venus à BOINC (Science United) et la grille de physique GPU uniquement (GPUGRID). Chaque option s’exécute sur Windows, macOS ou Linux ; la plupart prennent en charge les trois.
Ce qu'il faut rechercher dans un client de calcul distribué
- Respect de la machine : pause lors des jeux, limitation en cas d’alimentation par batterie, recul lorsque le GPU atteint les limites thermiques.
- Support GPU qui utilise vraiment la carte, pas seulement le CPU. Nvidia CUDA, AMD OpenCL et Intel oneAPI se sont tous mûrs au cours des dernières années.
- Une cause en laquelle vous croyez. La motivation dure plus longtemps que les paramètres par défaut ; un projet qui vous tient à cœur survivra au premier pic thermique ou à une grosse facture d’électricité.
- Bonnes manières en matière de bande passante : unités de travail en dizaines de Mo, pas en gigaoctets, pour que vous puissiez la laisser fonctionner sur une connexion limitée.
- Transparence des contributions : un tableau de bord public montrant ce que votre machine a réellement complété.
Comparaison rapide
| App | Best for | OS | Uses GPU | Cost |
|---|---|---|---|---|
| Folding@home | Protein folding, largest home compute network | Windows, macOS, Linux | Yes (CUDA, OpenCL) | Free |
| BOINC | Middleware for dozens of projects | Windows, macOS, Linux | Depends on project | Free |
| World Community Grid | Humanitarian and health research | Windows, macOS, Linux (via BOINC) | Some projects | Free |
| Einstein@Home | Gravitational waves and pulsar detection | Windows, macOS, Linux (via BOINC) | Yes (CUDA, OpenCL) | Free |
| Rosetta@home | Protein design | Windows, macOS, Linux (via BOINC) | CPU primarily | Free |
| Science United | BOINC scheduler for newcomers | Windows, macOS, Linux (via BOINC) | Depends | Free |
| GPUGRID | GPU-only molecular dynamics | Windows, Linux (via BOINC) | Yes (CUDA) | Free |
1. Folding@home — le meilleur dans l'ensemble
Folding@home simule la façon dont les protéines se replient, ce qui sous-tend la découverte de médicaments pour le cancer, la maladie d’Alzheimer et les maladies infectieuses. C’est le plus grand réseau de calcul domestique au monde ; au pic de la pandémie, il a brièvement dépassé les 500 premiers superordinateurs combinés d’un facteur plusieurs. Le client GPU est mature, atteint une utilisation élevée sur les cartes Nvidia et AMD modernes, et s’interrompt automatiquement lorsqu’il détecte un utilisateur actif ou un jeu en plein écran.
Où cela échoue : Un seul projet (simulation de protéines). Aucun travail alternatif lourd en CPU lorsque la queue GPU s’épuise, bien que ce soit rare.
Prix :
- Gratuit
Plateformes : Windows, macOS, Linux
Télécharger : foldingathome.org
Résumé : Le meilleur si vous voulez un impact maximal par heure inactif avec une configuration minimale.
2. BOINC — meilleur middleware
BOINC (Berkeley Open Infrastructure for Network Computing) n’est pas un projet en soi ; c’est le client qui parle à des dizaines d’entre eux. Attachez-en un ou plusieurs, définissez un partage de ressources, et BOINC planifie le travail entre eux. L’utilisation classique consiste à exécuter Einstein@Home, Rosetta@home et MilkyWay@home à partir d’un seul tableau de bord.
Où cela échoue : L’interface semble vieille. La configuration initiale (attachement à un projet, obtention d’une clé de compte, vérification du crédit) présente des frictions que Folding@home n’a pas.
Prix :
- Gratuit (code source ouvert, LGPL)
Plateformes : Windows, macOS, Linux, Android
Télécharger : boinc.berkeley.edu/download.php
Résumé : Le meilleur lorsque vous voulez donner à plus d’un projet ou passer d’un projet à l’autre sans changer de clients.
3. World Community Grid — meilleur axe humanitaire
World Community Grid a été fondée par IBM, gérée par l’Institut de recherche Krembil, et coordonne la recherche humanitaire : dépistage du cancer (OpenPandemics), prédiction des précipitations pour les régions vulnérables au climat (Projet de précipitations en Afrique) et découverte de médicaments contre la tuberculose. Fonctionne au-dessus de BOINC, donc une fois BOINC installé, l’attachement à WCG est une soumission de formulaire.
Où cela échoue : Tous les projets WCG n’ont pas d’unités de travail GPU ; plusieurs sont CPU uniquement, ce qui signifie que votre carte de jeu moderne reste partiellement inactive. Le roulement entre les projets varie.
Prix :
- Gratuit (via BOINC)
Plateformes : Windows, macOS, Linux, Android (via BOINC)
Télécharger : worldcommunitygrid.org
Résumé : Le meilleur lorsque la cause compte autant que le débit.
4. Einstein@Home — meilleure utilisation du GPU en physique
Einstein@Home analyse les données du LIGO (ondes gravitationnelles), du télescope Fermi (pulsars) et des sondages des radiotélescopes, à la recherche de signaux dans le bruit. Les unités de travail GPU s’exécutent sur CUDA et OpenCL et utilisent la carte aussi intensément que tout autre élément de cette liste, ce qui est le but si l’objectif est de « mettre ce GPU au travail ».
Où cela échoue : Fonctionne via BOINC ; la configuration comporte les mêmes frictions. Certaines tâches GPU génèrent une chaleur importante, vérifiez donc les températures dans les boîtiers serrés.
Prix :
- Gratuit (via BOINC)
Plateformes : Windows, macOS, Linux (via BOINC)
Télécharger : Attachez via einsteinathome.org
Résumé : Le meilleur si vous voulez une charge GPU lourde sur un projet de physique avec des résultats clairs.
5. Rosetta@home — meilleur travail CPU en conception de protéines
Rosetta@home conçoit de nouvelles protéines : enzymes, anticorps, candidats vaccins. Le travail demande beaucoup de CPU, il complète donc une machine qui exécute déjà Folding@home ou GPUGRID sur le GPU sans rivaliser pour le même silicium.
Où cela échoue : Principalement du CPU, donc une GPU de jeu moderne reste inactive à moins que vous l’associez également à un projet GPU. Certains cycles de projet s’exécutent plus lentement que d’autres.
Prix :
- Gratuit (via BOINC)
Plateformes : Windows, macOS, Linux (via BOINC)
Télécharger : Attachez via boinc.bakerlab.org/rosetta
Résumé : Meilleur compagnon côté CPU pour un projet lourd en GPU.
6. Science United — meilleur pour les débutants
Science United est une interface BOINC qui ignore la sélection du projet. Inscrivez-vous, choisissez de larges domaines scientifiques (biomédical, physique, climat), et Science United attache votre machine aux projets qui correspondent et ont le plus besoin de bénévoles.
Où cela échoue : Moins de contrôle si vous avez un projet spécifique que vous souhaitez soutenir. Nécessite toujours BOINC en dessous.
Prix :
- Gratuit (via BOINC)
Plateformes : Windows, macOS, Linux (via BOINC)
Télécharger : scienceunited.org
Résumé : Le meilleur si vous voulez donner des cycles mais ne voulez pas rechercher des projets vous-même.
7. GPUGRID — meilleure charge de travail GPU pure
GPUGRID exécute des simulations de dynamique moléculaire pour la recherche biomédicale (protéines virales, liaison de médicaments), entièrement sur le GPU. Si Folding@home est sursouscrit au pic, GPUGRID est l’endroit où vous allez pour une nouvelle queue de travail GPU uniquement.
Où cela échoue : Axé sur CUDA ; le support GPU AMD et Intel a accusé du retard. Windows et Linux uniquement. Le niveau d’activité du projet a varié au fil des ans.
Prix :
- Gratuit (via BOINC)
Plateformes : Windows, Linux (via BOINC)
Télécharger : Attachez via gpugrid.net
Résumé : Meilleur pour les GPU lourds en CUDA à la recherche d’un deuxième projet après Folding@home.
Comment choisir le bon
Si vous voulez un impact maximal par heure inactif avec une seule installation : Folding@home.
Si vous voulez plus d’un projet : BOINC avec Einstein@Home (GPU) et Rosetta@home (CPU) attachés.
Si la cause compte le plus : World Community Grid via BOINC.
Si vous voulez que BOINC choisisse pour vous : Science United.
Si vous avez une carte Nvidia et que vous voulez un travail GPU pur : GPUGRID, aux côtés de Folding@home.
Ignorez complètement le calcul distribué si la machine est alimentée par batterie ou sur un réseau limité. Les deux catégories vous coûtent plus qu’elles ne contribuent.
FAQ
L’exécution de Folding@home ou BOINC endommagera-t-elle mon GPU ?
Les GPU modernes gèrent les charges de calcul soutenues pendant des années sans dégradation mesurable, à condition que la carte reste dans ses températures nominales. Surveillez les températures pendant les premiers jours et définissez une courbe de ventilateur si les températures inactives augmentent. Le plus grand risque est l’accumulation de poussière sur plusieurs mois ; nettoyez le boîtier.
Combien cela ajoute-t-il à ma facture d’électricité ?
Un GPU de 250W fonctionnant 12 heures par jour à 0,15 $/kWh ajoute environ 12 $/mois. Réduisez de moitié si vous réduisez la tension et limitez le temps d’exécution du client.
Puis-je jouer pendant que Folding@home s’exécute ?
Oui. Les clients interrompent le travail GPU lorsqu’ils détectent une application 3D en plein écran ou une entrée active. Vous verrez le pli s’arrêter quelques secondes après le lancement d’un jeu.
Quel projet produit le plus de résultats de recherche pour une heure donnée de temps GPU ?
Cela varie selon le cycle du projet et le matériel. Folding@home se classe régulièrement parmi les meilleurs pour le débit GPU sur les cartes Nvidia et AMD modernes. Einstein@Home et GPUGRID sont compétitifs pour les charges lourdes en CUDA.
Ai-je besoin d’une carte Nvidia ?
Non. Folding@home, Einstein@Home et la plupart des autres prennent en charge OpenCL sur les GPU AMD et Intel. La voie CUDA de Nvidia est souvent plus rapide sur un niveau donné car les clients sont réglés en premier.
Ma contribution est-elle vraiment anonyme ?
Vous enregistrez un nom d’utilisateur (nom réel en option) et votre contribution apparaît sur les classements publics. Le travail lui-même est une science anonyme ; le crédit est public. Si vous ne voulez aucune visibilité du tout, utilisez un pseudonyme à l’inscription.
