Les outils de benchmark matériel sont souvent mis à jour en silence : le numéro de version augmente, quelques tests sont ajoutés et l’affaire est close. Avec Geekbench 7, les choses se sont déroulées différemment cette fois. Primate Labs n’a pas seulement apposé une nouvelle étiquette de version sur sa suite de tests ; il l’a repensée de fond en comble, y compris la logique du score multicœur, l’orientation des tests GPU et la liste des API prises en charge. Ces changements créent pour la première fois un point de référence plus cohérent pour les équipes matérielles qui tentent de mesurer des charges de travail d’IA et pour les responsables technologiques qui prennent des décisions d’achat. Ci-dessous, nous examinons les principales nouveautés de la suite, pourquoi elles sont importantes et les problèmes pratiques qui apparaissent du côté des tests.
Prise en charge CUDA : les GPU Nvidia sont désormais mesurés avec l’API de la chaîne de production
La nouveauté la plus commentée de Geekbench 7 est l’ajout de CUDA parmi les API prises en charge. Jusqu’à présent, la suite utilisait les API OpenCL, Vulkan et Metal pour les tests GPU ; le camp Nvidia n’y figurait pas. Désormais, un GPU Nvidia peut être mesuré avec la même pile d’API que celle qui exécute réellement les lourdes charges de travail d’IA. Cette étape, pour laquelle Primate Labs indique recevoir des demandes d’utilisateurs depuis des années, vise à réduire l’écart entre les promesses de performance sur le papier et le comportement réel des applications. Le fait qu’un outil de benchmark suive la voie empruntée par le matériel qu’il mesure dans le flux de travail quotidien est un détail crucial pour l’interprétabilité des résultats.
La valeur de cette prise en charge dépasse largement l’ajout d’une ligne à une liste. Dans l’évaluation source, la prise en charge de CUDA est qualifiée de tournant pour les benchmarks multiplateformes : pour la première fois, un seul outil peut mesurer un GPU Nvidia avec la pile d’API qui exécute les charges de travail d’IA en environnement de production. Les éditeurs de logiciels indépendants et les équipes silicium peuvent s’appuyer sur une référence commune au lieu d’essayer d’estimer les chiffres marketing de différents fabricants avec trois outils de benchmark distincts. Pourtant, le vrai signal n’est pas CUDA lui-même ; c’est l’effort des outils de benchmark pour rattraper la migration si rapide des charges de travail d’IA vers les appareils du quotidien.
Geekbench 7 est accompagné d’un outil complémentaire appelé Geekbench AI. Cet outil exécute 10 charges de travail d’IA sur trois types de données : simple précision, demi-précision et quantifié. Les utilisateurs peuvent tester séparément le CPU, le GPU ou le NPU propre à l’appareil ; quel que soit le framework pris en charge par le matériel (de Core ML à QNN), les résultats peuvent être comparés entre Android, iOS, Windows, macOS et Linux via un seul navigateur. Le fait de pouvoir mesurer séparément le NPU est particulièrement important, car les chiffres donnés par les fabricants sous l’appellation « performances NPU » sont restés jusqu’ici des affirmations indépendantes les unes des autres et difficiles à vérifier.
Score multicœur : la correction la plus discrète, mais la plus critique
La modification la plus technique de la suite, et aussi celle qui fera le plus de différence, concerne le test multicœur. Les versions précédentes forçaient chaque charge de travail en mode multithread, sans tenir compte du comportement réel des applications. Cette approche faussait les scores et ne fournissait pas d’information pertinente à l’utilisateur, car aucune application réelle n’utilise tous les cœurs en permanence et de manière égale. Geekbench 7 inverse cette logique : une charge de travail ne s’exécute en mode multithread que si la tâche modélisée est réellement multithread dans le monde réel.
La conséquence la plus visible de cette règle est la suppression pure et simple du test HTML5 Browser du paquet multicœur. La raison est assez claire : dans la pratique, les navigateurs fonctionnent en mono-thread ou avec un thread léger, de sorte que conserver ce test dans le score multicœur apportait une contribution trompeuse. Le tableau qui en résulte reflète ce qu’un appareil fait dans des charges de travail réelles, et non la valeur maximale qu’un test synthétique pourrait théoriquement tirer de tous les cœurs disponibles.
Pour les équipes qui prennent des décisions d’achat de matériel, cette correction signifie que les chiffres redeviennent fiables. Comparer deux ordinateurs portables en se fondant sur une équation grossière du type « plus de cœurs, score plus élevé » était une erreur courante. La nouvelle méthodologie rend visible, à travers le score, pourquoi un appareil doté de nombreux cœurs mais d’une faible performance monocœur reste lent dans les tâches quotidiennes. En bref, le test commence à mesurer le comportement du matériel sur le bureau, et non celui de sa brochure publicitaire.
Les tests CPU s’orientent vers les charges de travail réelles de l’usage quotidien
Les nouvelles charges de travail multimédias se concentrent sur ce pour quoi un utilisateur ordinaire utilise le plus son ordinateur au cours de la journée. Geekbench 7 modélise le scénario de partage d’écran en visioconférence en encodant des vidéos de partage d’écran avec le codec AV1. Il compresse de la musique et de la parole avec le codec Opus pour imiter les applications de notes vocales et de podcast. Outre le décodage audio et vidéo, il génère des sous-titres en direct via le modèle de reconnaissance vocale Whisper d’OpenAI, ce qui représente la lecture vidéo avec sous-titres automatiques. Une nouvelle charge de travail Game Physics, exécutée sur le moteur Jolt Physics utilisé dans les jeux modernes, a également été ajoutée à la suite.
Le volet photo n’a pas été négligé. La charge de travail Photo Editor bénéficie d’un ensemble d’éditions du monde réel plus riche ; Photo Library importe et traite désormais des formats JPEG XL et DNG. Ces choix ne sont pas anodins : ce qu’un utilisateur qui ne cesse de retoucher des photos, d’enregistrer de l’audio ou de participer à des réunions sur son téléphone ou son ordinateur attend grossièrement du CPU correspond à cette liste.
- Encodage vidéo de partage d’écran avec AV1 (scénario de visioconférence)
- Compression audio musicale et vocale avec Opus (applications de notes vocales et de podcast)
- Décodage audio/vidéo et génération de sous-titres en direct avec Whisper
- Charge de travail Game Physics exécutée sur le moteur Jolt Physics
- Éditions du monde réel étendues dans Photo Editor
- Import et traitement JPEG XL et DNG dans Photo Library
Le volet GPU s’est concentré sur l’IA et la création de contenu
L’orientation des tests GPU a progressivement glissé vers deux domaines qui définissent de plus en plus l’usage réel des GPU : l’apprentissage automatique et la création de contenu. Les nouveaux tests ML modélisent les applications de réseaux sociaux en suivant les visages et en appliquant des filtres en temps réel. Le test d’agrandissement d’image par apprentissage automatique représente les fonctions de super-résolution des outils de création de contenu. Le test de floutage d’arrière-plan vidéo mesure les arrière-plans virtuels des visioconférences. Ces trois scénarios constituent une part importante des tâches confiées au GPU ces dernières années.
À cela s’ajoutent le traitement d’images RAW, l’étalonnage couleur basé sur des LUT, le path tracing et la simulation de fluides. Le path tracing et la simulation de fluides sont notamment des charges de travail utilisées dans la production visuelle professionnelle et le développement de jeux, qui sollicitent sérieusement le GPU. L’étalonnage couleur basé sur des LUT est quant à lui un élément standard des processus de montage vidéo. L’ensemble de la liste montre que le GPU n’est plus seulement une unité qui produit des images par seconde dans les jeux, mais qu’il occupe une place centrale dans la chaîne de production.
- Suivi du visage et filtres en temps réel (applications de réseaux sociaux)
- Agrandissement d’image par apprentissage automatique (super-résolution en création de contenu)
- Floutage d’arrière-plan vidéo (arrière-plans virtuels)
- Traitement d’images RAW et étalonnage couleur basé sur des LUT
- Path tracing et simulation de fluides
Les ensembles de données ont grandi, la prise en charge des plateformes s’est élargie
Les ensembles de données ont également été élargis dans tous les domaines pour correspondre à la manière dont les appareils sont utilisés aujourd’hui. Le test File Compression couvre désormais un mélange plus large d’archives de code source, de code objet et de documents texte. Le test PDF Viewer traite un éventail allant des cartes de stationnement aux documents techniques et aux articles universitaires. Les charges de travail de développement et de traitement d’image ont aussi été étendues avec de nouveaux actifs et formats supplémentaires. L’objectif commun de ces changements est de refléter la diversité que l’appareil rencontrera, plutôt que de produire un score selon un scénario étroit unique.
Geekbench 7 fonctionne sur Android, iOS, Windows, macOS et Linux, reste gratuit pour un usage personnel et ajoute une offre Pro proposée avec 20 % de réduction jusqu’au 6 août. L’évaluation de la version a été publiée par Jon Peddie Research ; les informations de l’éditeur et de sa section « About us » (À propos) indiquent que l’organisation est basée à Tiburon, en Californie. La suite s’appuie donc à la fois sur une large prise en charge des plateformes et sur une tradition d’évaluation indépendante.
Tests sur quatre systèmes différents : un problème de cohérence
Dans l’évaluation, le benchmark a été exécuté sur des machines très différentes : Asus System, Alienware Area 51, Lenovo 83JM et Corsair One i200. Certains résultats sont moins réguliers que prévu. Il n’a pas été possible d’obtenir des tests GPU fonctionnant de manière cohérente sur les quatre systèmes, alors que les tests CPU ont donné des résultats cohérents. Autrement dit, même si les nouvelles métriques de la suite fonctionnent solidement, les combinaisons de frameworks et de pilotes côté GPU compliquent la tâche.
Les tests GPU basés sur ONNX et DirectML ont consommé toute la RAM utilisable par l’unité graphique intégrée du Lenovo, et le test ne s’est jamais terminé. Le test GPU OpenVino a fonctionné sur le Lenovo, mais n’a pas pu être utilisé sur les autres machines en raison d’un problème de pilote. Les comparaisons partagées dans l’évaluation incluent les rubriques suivantes : ONNX et OpenVino pour le CPU, DirectML, ONNX et OpenVino pour le GPU. Ce tableau constitue en soi un constat : celui qui veut mesurer des charges de travail d’IA doit d’abord déterminer quel framework fonctionne sans problème sur quel matériel.
La fragmentation des pilotes et des frameworks montre à quel point les piles d’IA du monde réel sont hétérogènes. C’est de là que vient une grande partie de l’écart entre la performance théorique d’un GPU et celle obtenue sur l’ordinateur d’un utilisateur. L’outil de benchmark lui-même n’est pas exempt de ce chaos ; c’est pourquoi, plutôt que de décider en regardant une seule ligne de score, il faut lire la manière dont le test s’est déroulé.
Quelle est la fiabilité d’un score synthétique, et ce qui vient ensuite
Aucun de ces changements ne modifie ce qu’est Geekbench : la suite reste un benchmark synthétique et ne garantit pas la performance réelle dans une charge de travail donnée. Ce qui change, c’est la fidélité avec laquelle ce chiffre synthétique reflète l’usage réel. Pour les équipes d’achat obligées de comparer une série de fiches techniques de fabricants, cette correspondance constitue déjà tout l’intérêt de l’exécution d’un benchmark.
La conclusion de l’évaluation est que la correction multicœur est plus importante que la prise en charge de CUDA. Les benchmarks synthétiques ne sont utiles que tant qu’ils suivent le comportement réel, et l’approche « toujours tous les cœurs » de la version précédente avait perdu cette fonction il y a des années. Pour les responsables technologiques qui comparent des offres matérielles, les scores de Geekbench 7 peuvent à nouveau être considérés comme fiables. Pour les équipes silicium, l’orientation IA de la suite GPU envoie un signal clair sur la direction dans laquelle se concentre la pression concurrentielle. En revanche, l’absence de cohérence entre les machines reste un problème que la suite doit encore résoudre.
Le paysage général qui se dessine est le suivant : les outils de benchmark tentent de rattraper la migration rapide des charges de travail d’IA vers les appareils du quotidien. La prise en charge de CUDA et la ventilation CPU-GPU-NPU de Geekbench AI fournissent le langage commun qui manquait depuis longtemps à ceux qui veulent comparer les affirmations des fabricants. Toutefois, plutôt que de décider en regardant un seul chiffre, il faut s’interroger sur le scénario modélisé par le test et sur le framework avec lequel il s’exécute. Lu correctement, Geekbench 7 offre une base à la fois plus honnête et plus utile pour comparer du matériel.
