Comment choisir un ordinateur pour le traitement d'images astronomiques : CPU, RAM, SSD et tests concrets

Cet article rassemble des notes et des tests concrets réalisés entre 2020 et 2024. Les modèles de CPU et de cartes graphiques, les prix de la mémoire et les scores de Benchmark mentionnés ici évoluent tous avec le temps ; au moment de l’achat, référez-vous donc aux informations du marché actuelles.

« Quel ordinateur faut-il monter pour faire tourner PixInsight ? » est une question fréquente dans le groupe. Ces dernières années, j’ai changé successivement de plusieurs machines et j’ai mesuré pas mal de configurations avec le script de Benchmark officiel. Cet article organise mes réflexions en un guide d’achat classé par composant, en y ajoutant l’évolution des scores mesurés que j’ai enregistrés au fil du temps.

D’abord, un mot sur le PixInsight Benchmark

PixInsight fournit officiellement un script de test de performance qui permet d’évaluer les performances de votre ordinateur pour faire tourner PI ; une fois terminé, il donne trois scores : Total, CPU et Swap. Si vous voulez le lancer, pensez à d’abord mettre à jour PI vers la dernière version avant de l’exécuter.

J’ai d’abord fait le test sur l’ordinateur que je garde au bureau et que j’utilise pour traiter les images astronomiques (AMD APU 2400G, DDR4 2666 14GB, M.2 SSD) : au mieux, je n’atteignais qu’un Total d’environ 6 414. Après avoir mis à niveau le processeur (AMD R5 4650G), le score CPU a littéralement doublé, grimpant à plus de treize mille, et de plus la consommation totale de toute la machine ne dépassait pas 120 watts — un résultat qui m’a beaucoup satisfait : ce score faisait même jeu égal avec le PC de bureau de taille normale que j’ai à la maison (R5-3600, 32GB DDR4 3200).

Comment choisir chaque composant

En 2023, à mesure que mes caméras passaient du CCD au CMOS (IMX571, IMX455, etc.), les images sont passées d’un peu plus de dix millions de pixels à vingt-quatre, voire soixante millions de pixels, et les spécifications de mon ancienne machine bureautique ont commencé à peiner — rien que passer de l’étape précédente à l’étape suivante prenait trois secondes, ce qui rendait la comparaison des images avant/après très peu intuitive. À cela s’ajoutait que, cette année-là, les processus d’IA sont arrivés en grand nombre et sont intervenus à de nombreuses étapes du flux de travail. J’ai donc réorganisé ma logique d’achat :

CPU

Ce que PI réclame, c’est « beaucoup de cœurs, et tous des grands cœurs ». Sur les PC grand public, les CPU haut de gamme grand public comme l’AMD 7950X ou l’Intel i9-13900K sont plus performants. Un point mérite une mise en garde particulière : les versions X3D d’AMD n’apportent aucun bénéfice à PI, et leurs performances de productivité réelles pourraient même être légèrement inférieures à celles de la 7950X ordinaire — à moins de vouloir aussi jouer, choisissez simplement la version ordinaire.

Par ailleurs, quelqu’un a déjà fait tourner une R9-7950X sous Linux et obtenu un score dépassant les cinquante mille, écrasant complètement la série i9-13900 (la gravure en 5 nm de TSMC est vraiment puissante) ; ceux qui envisagent de changer de machine prochainement peuvent garder un œil sur ce genre de combinaisons.

Carte graphique (VGA)

Pour ceux qui traitent des comètes, ou dont le flux de travail exige de retirer les étoiles et de débruiter à répétition, sur PC je recommande d’ajouter une carte graphique NVIDIA pour que les cœurs CUDA aident à accélérer SXT, NXT et BXT. Aux prix du marché de l’époque, la série RTX 30 (comme la RTX 3060 ou la 3060 Ti) était le premier choix. Si vous ne jouez pas, la RTX 3060 en version 12G est un bon choix — économe en énergie, avec plus de VRAM, et elle peut même faire double emploi comme machine à Stable Diffusion. (Les tests concrets détaillés de l’accélération GPU font l’objet d’un article dédié.)

Côté Mac, les modèles à partir du M1 activent automatiquement l’accélération GPU.

SSD

Il faut au moins mettre les fichiers à traiter sur un SSD SATA pour travailler dessus ; vu la situation dominante actuelle, les mettre sur un SSD M.2 est encore mieux. Un SSD PCIe Gen3 suffit amplement ; le bénéfice qu’apporte le Gen4 est en réalité faible (il n’est plus rapide que lors de la copie de fichiers).

À noter au passage : si vous lancez le PI Benchmark avec un RAMDISK mais que la vitesse ne monte qu’à 4GB/s, cela n’a guère de sens — si un RAMDISK n’atteint pas au moins 10GB/s, autant passer directement à un SSD PCIe Gen4 abordable (7GB/s devraient être assez rapides).

RAM

PI exploite la mémoire de façon plutôt efficace. À moins que vous ne traitiez que de grandes images issues de capteurs plein format ou plus grands, 32GB suffisent déjà. Si vous êtes en DDR4, vous pouvez monter directement à 64GB ; la DDR5 était encore assez chère à l’époque, alors commencez par 32GB et ajoutez-en si le besoin se présente.

Il y a ici une notion importante : si la mémoire est insuffisante, même le CPU le plus rapide ne peut donner sa pleine mesure. Avant d’exécuter un script ou un processus, PI estime d’abord la mémoire disponible ; s’il n’y a pas assez de place pour nourrir tous les threads, il limite directement le nombre de threads utilisables. Par exemple, si chaque thread a besoin de 1,7GB mais qu’il ne reste que 19GB de mémoire, PI ne laissera passer que 9 threads ; or votre CPU a manifestement 32 threads, ce qui revient à laisser 23 threads tourner à vide. PI recommande officiellement environ 2GB de mémoire par thread — en prenant l’AMD 7950X (16 grands cœurs, 32 threads) pour exemple : il faut installer au moins 64GB pour que le logiciel puisse s’exprimer pleinement.

Quelques-unes de mes machines de test

Au fil de ces changements successifs, j’ai gardé sous la main quelques machines représentatives :

• Machine bureautique AMD R5-2400G → R5-4650G : c’est justement sur la machine bureautique en 2400G que j’ai appris PI au tout début, puis je suis passé à la 4650G (performances à peu près équivalentes à une R5-3600) ; mais, à cause du petit boîtier, hormis le CPU, la mémoire et le SSD, il n’y avait pas de place pour installer une carte graphique supplémentaire.
• Portable gaming AMD R7-5800H : 32GB DDR4 3200, SSD M.2 Gen3, RTX 3060 Laptop 6G, pour un coût total de moins de quarante mille dollars taïwanais. Le plaisir de mettre à niveau soi-même la RAM et le SSD n’a pas de prix, et la carte graphique est dédiée à la suppression des étoiles accélérée par CUDA.
• Nouveau PC de bureau AMD R9-7950X : DDR5 6000 16G×2, un refroidissement liquide tout-en-un de 360, une carte mère B650, plusieurs SSD M.2 PCIe, une RTX 3060 12G et une alimentation de 750W. En montant cette machine, j’ai concentré le budget sur les composants les plus liés au traitement d’images (CPU, refroidissement liquide, carte graphique) et j’ai comprimé au maximum le reste des périphériques.

Fin 2024, après la mise à jour de PI vers la version majeure 1.9 Lockhart, j’ai comme d’habitude refait une série de tests. Les scores moyens de ces trois machines que j’ai en main étaient respectivement : la R5-3600, utilisée depuis près de cinq ans, environ 14 700 ; la R7-5800H, de trois ans, environ 17 000 ; la R9-7950X, de près de deux ans, environ 29 800. La 7950X, en tant que PC de bureau principal, est toujours redoutable après deux ans, et il semble qu’elle puisse encore tenir deux ans de plus en attendant la prochaine génération de CPU d’AMD. Bien sûr, si je devais monter une machine maintenant, viser directement le sommet avec une R9-9950X me couvrirait probablement pour cinq ans de plus.

Quelques détails faciles à négliger

• À propos d’Apple ARM : à partir de la version 1.9, PI a changé de moteur de calcul et évolue progressivement vers une prise en charge native d’Apple ARM, plutôt que de fonctionner via un émulateur. Auparavant (à l’époque des 1.8.x), PI sur M1/M2 s’exécutait sous émulation, et il faut intégrer ce point lorsqu’on évalue les performances.
• Le seuil CPU à partir de 1.9 : à partir de la version 1.9, PixInsight ne prend plus en charge les anciens CPU dépourvus des instructions AVX2/FMA3 (Intel environ avant le deuxième trimestre 2013, AMD environ avant le deuxième trimestre 2015) ; ces anciennes plateformes ne pourront pas installer le nouveau PI. À ceux qui utilisent encore un vieux PC, je conseille d’évaluer un changement de machine avant de passer à la version majeure.
• Plantages des Intel K de 13e/14e génération : plusieurs passionnés ont signalé que les CPU Intel K de 13e et 14e génération plantent en faisant tourner PI avec les valeurs par défaut. Le fabricant a ensuite publié une mise à jour du BIOS qui baisse les performances d’environ 10 % mais garantit la stabilité du système ; ceux qui utilisent une i9-13900K, 14900K ou 14700K feraient bien de mettre à jour et de tester.
• La durée depuis le démarrage influe sur le score : sous Windows, pour obtenir le meilleur score de Benchmark, mieux vaut le lancer juste après avoir « éteint puis rallumé » la machine, à peine démarrée. Sur mon ordinateur, un simple redémarrage ne suffit pas ; il faut éteindre puis rallumer, sinon le SSD n’exécute pas le ramasse-miettes ; après environ une semaine allumé, la vitesse de lecture séquentielle du SSD tombe sous les 3000MB/s. Éteindre et rallumer périodiquement est bel et bien nécessaire.

À propos : l’ordinateur de contrôle des prises de vue

Outre la machine principale de post-traitement, il faut aussi sur le terrain un ordinateur de contrôle, et la logique de son choix est tout autre — l’important n’est pas la performance, mais la stabilité et la résistance à l’environnement. Je me suis procuré deux barrettes de mémoire DDR5 pour portable, je les ai associées à un vieux SSD M.2 Gen3 et j’ai monté un petit ordinateur autour d’un cœur Intel 1240P, pour servir de machine de contrôle lors des prises de vue astronomiques (il pilote en même temps une monture, deux tubes et deux caméras) et pour l’empilement en direct (live stacking). Il n’a pas de batterie, donc il ne craint pas le froid en haut de la montagne ; mais c’est un système ventilé, il ne peut donc pas être monté directement sur le tube.

En bref

Pour monter un ordinateur destiné à faire tourner PI, l’ordre de priorité est en gros : un CPU avec beaucoup de grands cœurs, assez de mémoire pour correspondre au nombre de threads, un SSD M.2 correct, puis une carte graphique NVIDIA selon le flux de travail. Les spécifications matérielles ne cessent de se renouveler au fil des générations, mais le principe qui consiste à « investir le budget dans les maillons les plus liés au traitement d’images » ne se démode pas facilement.