La bibliothèque nvngx_dlssnr.dll découverte dans NBA 2K27 pèse environ 158 Mo et se présente comme NVIDIA DLSSNR 310.8.0.0. Quelques heures après sa découverte, RenoDX l'avait déjà raccordée à Control.

Cette vitesse n'est pas totalement surprenante une fois le fonctionnement de DLSS 5 replacé dans son contexte. NVIDIA a confirmé en mars que le modèle reçoit essentiellement une image 2D rendue et des vecteurs de mouvement. Il ne lit pas directement la géométrie 3D, les normales, la rugosité ou les paramètres PBR écrits par les artistes.

Le moteur fournit une image, le réseau reconstruit son interprétation

Selon NVIDIA, les matériaux sont inférés depuis l'image finale. Le réseau a été entraîné pour reconnaître des catégories visuelles comme la peau, les cheveux, les tissus ou différentes conditions lumineuses, puis modifier leur apparence. Cela explique pourquoi une bibliothèque récupérée dans un jeu de basket peut être détournée vers Control ou Cyberpunk 2077 sans que leurs moteurs connaissent nativement DLSS 5.

RenoDX et ReShade doivent toujours fournir les données et organiser l'injection, mais la dépendance à la représentation interne de chaque moteur est moins forte que pour une technique qui exigerait ses buffers de matériaux complets.

Le revers apparaît immédiatement : lorsque l'algorithme infère un matériau, il peut aussi l'interpréter différemment de l'artiste.

De Control à Cyberpunk en moins de deux jours

Les démonstrations recensées par VideoCardz couvrent désormais plus d'une douzaine de titres : Cyberpunk 2077, Red Dead Redemption 2, The Last of Us Part II Remastered, Hogwarts Legacy, Black Myth: Wukong, Wuchang: Fallen Feathers, Starfield, GTA V, Metal Gear Solid Delta, Monster Hunter Wilds et Silent Hill 2, entre autres.

Cette liste ne constitue pas une matrice de compatibilité. Les jeux n'intègrent pas officiellement la technologie. Les moddeurs adaptent eux-mêmes le passage entre le rendu du jeu et le runtime DLSSNR, avec des limitations déjà visibles sur le HDR et sur certaines combinaisons avec les autres briques DLSS.

71 à 35 fps : spectaculaire, mais méthodologiquement très fragile

Le chiffre qui circule le plus vient de Control sur une GeForce RTX 5070 Ti en 4K : environ 71 images par seconde avant activation contre 35 avec le Neural Rendering appliqué aux personnages. L'écart approche 51 %.

VideoCardz rapporte aussi un test de Cyberpunk 2077 sur RTX 5070 à 1440p. Le rendu raster passe de 138 à 68 fps, le mode Ray Tracing Ultra de 111 à 55 fps et le path tracing de 71 à 45 fps.

Impossible d'en tirer le coût final de DLSS 5. Les paramètres précis ne sont pas toujours documentés, le runtime est issu d'une version de préproduction, et aucun de ces jeux n'utilise le chemin d'intégration prévu par NVIDIA. Le simple changement répété de presets a également été associé à une hausse anormale de consommation VRAM d'environ 1 Go par bascule dans un essai ; même la source qui rapporte le phénomène précise qu'il peut s'agir d'un bug RenoDX.

La fuite donne quand même une information que les démos NVIDIA donnaient mal

DLSS 5 peut fonctionner sur un seul GPU grand public. Les premières présentations de NVIDIA avaient utilisé des configurations extrêmement lourdes, dont des démonstrations associées à deux RTX 5090, ce qui rendait difficile l'évaluation de la technologie dans un PC classique. Le runtime extrait de NBA 2K27 fonctionne désormais sur des RTX 50 et a même été patché séparément par des moddeurs pour certaines RTX 40.

Cette dernière compatibilité n'est pas officielle et ne permet pas de conclure que NVIDIA ouvrira DLSS 5 aux GeForce RTX 40. Elle montre seulement qu'après modification des instructions CUDA incompatibles, le code peut être exécuté sur Ada Lovelace.

Le vrai test commencera avec les jeux qui ont prévu le Neural Rendering

NVIDIA prévoit officiellement DLSS 5 dans des titres comme Assassin's Creed Shadows, Hogwarts Legacy, Resident Evil Requiem, Starfield et The Elder Scrolls IV: Oblivion Remastered. Les développeurs disposeront de contrôles d'intensité, de couleur et de masques permettant de limiter l'application du réseau à certaines parties de l'image.

C'est précisément ce qui manque aux expériences actuelles. Elles démontrent qu'un réseau de neural rendering peut être transplanté étonnamment loin de son environnement prévu. Elles ne démontrent ni le coût final du modèle, ni la qualité d'une implémentation préparée par le studio, ni la quantité de GPU qu'il faudra réellement pour l'utiliser proprement lorsque NVIDIA le lancera cet automne.