AWS a remplacé les réseaux de datacenter en fat-tree par un graphe quasi aléatoire — et l'a déployé

Depuis le milieu des années 1980, les réseaux de datacenter sont construits comme des hiérarchies « fat-tree » : les données circulent de haut en bas dans des couches de commutateurs empilées, et le câblage constitue l'un des coûts les plus importants — les datacenters d'Amazon sont à eux seuls reliés par 20 millions de kilomètres de fibre. Les topologies en graphe aléatoire, comme la proposition « Jellyfish » de 2012, promettaient un pool de capacité flexible mais n'ont pas réussi à passer à l'échelle, car le routage est plus difficile et les extrémités des câbles sont choisies au hasard.

À partir de 2023, une équipe AWS comprenant les Amazon Scholars Ratul Mahajan et Seshadhri Comandur a cherché le « graal » : plat, efficace, résilient aux pannes et économe en câbles. L'auteur principal, Giacomo Bernardi, a d'abord essayé les pavages de Penrose — un motif apériodique répétitif — mais le réseau simulé était peu fiable ; les résultats ne se sont améliorés qu'en remplaçant les parties structurées par de l'aléatoire. « Nous avons embrassé le chaos et adopté une approche quasi aléatoire », a-t-il déclaré à WIRED.

L'obstacle — qui câble un graphe aléatoire ? — a été levé avec le ShuffleBox, un dispositif optique construit par Amazon qui mélange les connexions entre routeurs en interne, transformant le chaos de câbles du fat-tree en ondes bien ordonnées. AWS a d'abord déployé RNG dans un datacenter de Dublin en 2024, puis en Allemagne et en Espagne, et affirme que la plupart des datacenters nouvellement construits en sont désormais équipés. Le vice-président Matt Rehder revendique 69 % de routeurs et de commutateurs en moins, 33 % de débit en plus, 40 % de consommation électrique réseau en moins et 27 % de coûts d'exploitation en moins.

Le coauteur de Jellyfish et professeur à l'UIUC, Brighten Godfrey, non impliqué dans ces travaux, qualifie de « remarquable » l'utilisation en conditions réelles de graphes réseau aléatoires. Notamment, AWS ne propose pas RNG pour les clusters d'entraînement d'IA — le trafic d'entraînement coordonné ne s'approche pas d'un graphe aléatoire ; il s'agit de l'architecture cloud quotidienne. La conception est détaillée dans l'article d'avril 2026 « RNG: Flat Datacenter Networks at Scale ».

Remplacer la hiérarchie fat-tree par un graphe quasi aléatoire — un pool plat de chemins — et construire un dispositif ShuffleBox pour dompter le câblage aléatoire qui avait fait échouer les tentatives précédentes.

Les chiffres de performance sont des affirmations d'AWS, mais le déploiement est vérifiable : d'abord Dublin en 2024, puis l'Allemagne et l'Espagne, désormais par défaut dans les nouvelles constructions.

Un expert indépendant issu de la recherche originale sur les graphes aléatoires qualifie l'usage en production de « remarquable ».

Le ShuffleBox reformule le point de défaillance comme un problème matériel, ce qui explique pourquoi l'idée de 2012 a enfin pu passer à l'échelle.

Les chiffres ciblent le véritable centre de coûts du secteur — les commutateurs, la fibre et l'énergie qu'ils consomment.

L'idée a attendu 14 ans (Jellyfish, 2012) un matériel capable d'absorber le désordre opérationnel. Quand une architecture astucieuse échoue en pratique, automatisez la partie que les humains ne peuvent pas maintenir.

En mai 2026, RNG fonctionne en production dans les datacenters AWS en Irlande, en Allemagne et en Espagne et est installé dans la plupart des datacenters nouvellement construits ; l'équipe a publié la conception en avril 2026 et affirme que personne d'autre ne l'a fait à cette échelle. AWS ne positionne pas encore RNG pour les clusters d'entraînement d'IA.