Par Adri 
Une GeForce RTX 4060 Laptop qui passe de 29,89 à 49,33 TFLOPS sans changer de carte graphique : le résultat attire immédiatement l'attention. Le gain atteint environ 65 % sur le test utilisé. Pourtant, il ne provient ni d'un nouveau pilote NVIDIA ni d'une mise à jour officielle de Windows.
Il est obtenu grâce à nv-uefi-unlocker, un projet communautaire qui modifie temporairement certains paramètres de fonctionnement des unités de calcul matriciel des GPU GeForce.
L'information a été largement relayée par la presse spécialisée le 1er novembre 2026, notamment par Tom's Hardware, PC Games Hardware et VideoCardz.
La portée de cette découverte mérite une lecture précise. Le programme ne transforme pas une carte graphique vieillissante en modèle deux fois plus performant dans tous les usages. Il agit sur un mécanisme bien particulier, susceptible d'améliorer certaines charges de travail liées à l'intelligence artificielle.
Il repose également sur une intervention dans l'environnement UEFI, avant le chargement du pilote NVIDIA. Cette particularité explique à la fois son efficacité potentielle et les précautions nécessaires.
Une limitation des Tensor Cores exploitée par la communauté
Depuis l'architecture Turing, les GeForce RTX disposent de Tensor Cores, des unités spécialisées dans certains calculs matriciels.
Ces opérations sont utilisées dans les applications d'intelligence artificielle, notamment lors de l'entraînement ou de l'exécution de réseaux neuronaux.
Les Tensor Cores ne remplacent pas les unités graphiques traditionnelles. Ils accélèrent des catégories précises de calculs qui peuvent être exprimées sous forme d'opérations matricielles.
La communauté a identifié sur plusieurs générations GeForce une limitation du débit de certaines opérations utilisant des formats de précision réduite avec accumulation en FP32.
Le comportement dépend de la génération de GPU, de l'instruction exécutée et des conditions de calcul.
La limitation ne signifie pas que tous les Tensor Cores travaillent constamment à la moitié de leur capacité.
Elle concerne certains chemins d'exécution spécifiques, et non la totalité des opérations effectuées par une carte graphique.
Des projets communautaires comme gpu-unlock, gpu-unlock-ada et turing-unlock ont progressivement permis d'étudier et de modifier ce comportement.
Le nouvel outil nv-uefi-unlocker cherche principalement à rendre cette manipulation plus accessible à des utilisateurs de Windows et de Linux.
Le projet nv-uefi-unlocker intervient avant le pilote graphique
L'originalité principale de nv-uefi-unlocker réside dans son mode d'exécution.
Le programme fonctionne comme une application UEFI, c'est-à-dire dans l'environnement de démarrage de l'ordinateur.
Il intervient avant que Windows ou Linux charge normalement le pilote NVIDIA.
Cette fenêtre permet d'effectuer certaines opérations qui seraient plus difficiles une fois le GPU entièrement initialisé par le système d'exploitation.
Le projet s'appuie sur des travaux antérieurs concernant le micrologiciel signé NVIDIA et les registres de sélection de vitesse associés aux Tensor Cores.
Il modifie temporairement les paramètres visés, puis vérifie leur état avant de poursuivre le démarrage normal du PC.
Cette vérification après écriture constitue l'une des protections techniques mises en avant par le développeur.
Elle permet de contrôler que la modification attendue a réellement été appliquée.
Elle ne garantit cependant pas que tous les composants du système fonctionneront ensuite sans problème.
La compatibilité avec le firmware de la carte mère, la configuration graphique et le pilote demeure déterminante.
Pas de flashage permanent du VBIOS
Contrairement à certaines modifications de cartes graphiques, nv-uefi-unlocker ne repose pas sur la réécriture permanente du VBIOS de la carte.
Il n'exige pas non plus de remplacer le pilote NVIDIA par une version modifiée.
La modification est appliquée avant son chargement et le fonctionnement normal peut ensuite se poursuivre avec le pilote officiel.
Le projet fournit notamment un environnement destiné à être démarré depuis un support USB.
La modification ne survit généralement pas à une coupure complète de l'alimentation.
Après un nouveau démarrage à froid, l'opération doit être renouvelée pour retrouver le même comportement.
Ce caractère temporaire constitue une différence importante par rapport à un VBIOS modifié de manière permanente.
Mais il ne rend pas l'opération sans danger.
Intervenir pendant les premières étapes de démarrage du matériel peut entraîner un blocage du système, un écran noir ou des problèmes de réinitialisation.
L'absence de modification persistante du VBIOS réduit une catégorie de risques sans éliminer ceux liés au processus d'exécution.
RTX 4060 Laptop : 65 % de calcul matriciel supplémentaire
Le développeur de nv-uefi-unlocker présente plusieurs résultats réalisés sur des machines réelles.
L'un des exemples les plus représentatifs concerne une GeForce RTX 4060 pour ordinateur portable.
Dans son test de multiplication matricielle FP16 avec accumulation FP32, le débit passe de 29,89 à 49,33 TFLOPS.
Le rapport entre ces deux valeurs est d'environ 1,65.
Cela correspond à une augmentation du débit mesuré de près de 65 %.
Le résultat est significatif pour la catégorie de calcul examinée.
Il faut néanmoins comprendre ce qu'il mesure.
Un benchmark de multiplication matricielle évalue la capacité du GPU à effectuer une opération mathématique dans des conditions définies.
Il ne mesure pas directement le temps nécessaire pour entraîner un modèle complet, générer une image ou exécuter une application interactive.
Une application réelle effectue souvent plusieurs opérations différentes.
Le gain final dépend alors de la proportion du temps passée dans les calculs effectivement accélérés.
RTX 2070 : des gains atteignant 75 % dans certains tests
Les cartes Turing de la génération RTX 20 peuvent également bénéficier de la méthode.
Sur une GeForce RTX 2070, le développeur rapporte un débit passant d'environ 36 TFLOPS à une valeur située entre 60 et 63 TFLOPS dans certains calculs matriciels.
La progression atteint ainsi environ 67 à 75 % selon la mesure retenue.
Ces résultats montrent que le phénomène ne concerne pas uniquement les GPU récents.
Mais ils ne constituent pas une promesse applicable à toutes les GeForce RTX 20.
Certaines configurations matérielles présentent encore des difficultés de démarrage ou d'exécution.
Le projet impose aussi des conditions particulières aux cartes Turing concernant le mode de fonctionnement du micrologiciel GSP.
Les résultats doivent donc être rattachés au modèle, à la machine et au protocole d'essai utilisés.
Comparer directement les TFLOPS de deux cartes différentes, sans contrôler la nature des opérations, peut conduire à des conclusions trompeuses.
La RTX 4080 approche du doublement sur un test BF16
Les contributeurs rapportent également des mesures sur des cartes de gamme supérieure.
Sur une GeForce RTX 4080, un utilisateur indique avoir mesuré environ 100,37 TFLOPS avant modification et 192,18 TFLOPS après modification dans un test matriciel BF16.
Le débit est presque multiplié par 1,91.
Ce résultat démontre le potentiel du mécanisme sur une charge particulièrement adaptée.
Il ne faut pas l'interpréter comme une augmentation de 91 % des performances de toutes les applications exécutées sur une RTX 4080.
Le débit effectif peut être limité par la consommation électrique, la température et les données que le processeur doit transférer.
Il existe également une différence entre le débit théorique d'exécution de certaines instructions et le résultat d'une multiplication matricielle complète.
Les premières modifications communautaires ont parfois montré un doublement d'un débit d'instructions sans produire un doublement équivalent des performances applicatives.
Pourquoi les gains ne se retrouvent pas automatiquement dans les jeux
Une carte graphique exécute des traitements très différents selon l'application utilisée.
Dans un jeu vidéo, une grande partie du travail concerne la rasterisation, les shaders, le traitement des textures, la géométrie et parfois le ray tracing.
Le projet nv-uefi-unlocker ne modifie pas directement les performances de toutes ces unités.
Il cible des opérations spécifiques des Tensor Cores.
Même lorsque les technologies de rendu font intervenir de l'intelligence artificielle, cela ne signifie pas que les instructions concernées représentent une part suffisante du temps de calcul pour modifier sensiblement le nombre d'images par seconde.
Les mesures publiées ne démontrent pas d'amélioration générale des performances en jeu.
Il serait donc trompeur d'annoncer une RTX 4060 devenue 65 % plus rapide dans les jeux ou une RTX 4090 capable de produire deux fois plus de FPS.
Les joueurs ne constituent pas nécessairement le public qui bénéficiera le plus de cette expérimentation.
Les utilisateurs qui exécutent localement certaines charges de calcul IA disposent d'un intérêt technique plus direct.
La génération d'images et certains entraînements peuvent davantage profiter de la modification
Les tâches utilisant massivement des multiplications matricielles FP16 ou BF16 sont les candidates les plus crédibles pour bénéficier d'un gain.
C'est notamment le cas de certains traitements associés à la génération d'images, à l'ajustement de modèles et à d'autres opérations de réseaux neuronaux.
Un utilisateur de la communauté rapporte par exemple une amélioration d'environ 28,8 % sur un test ComfyUI utilisant Stable Diffusion XL avec une RTX 3080 LHR.
Cette progression est inférieure aux gains mesurés dans certains benchmarks matriciels.
La différence est attendue : une application complète doit exécuter des traitements que le déblocage n'accélère pas nécessairement.
Les performances peuvent également dépendre de la mémoire vidéo disponible.
Une carte limitée par sa capacité VRAM ne peut pas nécessairement charger un modèle plus volumineux parce que ses Tensor Cores deviennent plus rapides.
La modification n'ajoute pas de mémoire et ne change pas la largeur du bus mémoire.
Son intérêt dépend donc autant de la structure du logiciel que des caractéristiques matérielles existantes.
Les modèles de langage sont souvent limités par la bande passante mémoire
La génération locale de texte constitue un cas particulièrement instructif.
Pendant la production successive des tokens d'un modèle de langage, une partie importante du temps peut être consacrée au transfert des paramètres et des données.
Lorsque la bande passante mémoire représente la principale limite, augmenter le débit de certains calculs Tensor n'améliore que faiblement la vitesse de génération.
En revanche, le traitement initial d'une requête ou l'exécution de lots de calculs plus importants peuvent davantage exploiter les unités matricielles.
Les travaux communautaires antérieurs rapportaient ainsi des gains variables sur le traitement des prompts, sans accélération systématique équivalente de la génération des tokens.
Cette différence explique pourquoi une même carte peut afficher un résultat spectaculaire dans un benchmark synthétique et un avantage modeste dans un chatbot local.
Elle rappelle aussi l'importance de mesurer le bon indicateur.
Pour une application conversationnelle, les tokens par seconde, le temps de traitement du prompt et la latence perçue peuvent être plus pertinents qu'un chiffre de TFLOPS isolé.
Trois générations NVIDIA prises en charge, mais pas toutes les configurations
Le projet cible les générations Turing, Ampere et Ada Lovelace.
Elles correspondent respectivement aux familles GeForce RTX 20, RTX 30 et RTX 40.
Le dépôt documente des essais sur plusieurs cartes de bureau et configurations portables.
Les modèles cités comprennent notamment des RTX 2070, RTX 3060, RTX 3080, RTX 4060 Laptop, RTX 4070 et RTX 4080.
Il ne faut pas déduire de cette liste que toutes les combinaisons de cartes mères, de firmwares et de pilotes sont validées.
La compatibilité est organisée en partie par familles de processeurs graphiques.
Un chemin d'exécution commun peut permettre de traiter plusieurs modèles, sans fournir la preuve d'un essai complet sur chacun d'eux.
Les cartes graphiques externes connectées par Thunderbolt présentent notamment des contraintes de réinitialisation qui peuvent empêcher la conservation de la modification.
Sur ordinateur portable, le GPU dédié doit être actif au moment de l'intervention.
Le fonctionnement hybride entre GPU intégré et GPU dédié peut compliquer l'opération.
Les GeForce RTX 50, fondées sur Blackwell, ne sont pas prises en charge par cette méthode.
Secure Boot constitue une difficulté majeure
La modification doit intervenir pendant une phase sensible du démarrage.
Le fonctionnement habituel de Secure Boot vise justement à empêcher l'exécution de composants de démarrage non autorisés.
La méthode communautaire nécessite donc, dans sa configuration standard, de désactiver Secure Boot ou de disposer d'une configuration permettant de faire confiance à une application EFI signée de manière appropriée.
Modifier cette protection n'est pas une simple formalité.
Sur certaines machines, Secure Boot fait partie des mécanismes utilisés pour contrôler l'intégrité de la chaîne de démarrage.
Sa désactivation peut réduire certaines protections et entraîner des incompatibilités avec des logiciels qui l'exigent.
Plusieurs systèmes anti-triche imposent notamment que Secure Boot reste activé.
Le projet précise qu'il ne constitue pas un moyen de contourner ces exigences.
Pour une machine de travail contenant des données importantes ou soumise à des politiques de sécurité d'entreprise, les conséquences doivent être examinées avant toute expérimentation.
Une amélioration de performances ne justifie pas automatiquement de diminuer la sécurité du démarrage.
Les risques vont au-delà d'un simple plantage de benchmark
Les développeurs du projet et les travaux communautaires dont il dérive mettent en garde contre plusieurs risques.
Une incompatibilité peut provoquer un blocage pendant le démarrage, un écran noir ou l'impossibilité de poursuivre normalement le chargement du système.
Les modifications concernent des mécanismes de bas niveau qui ne bénéficient pas de la même validation industrielle qu'un pilote NVIDIA officiel.
Certaines protections thermiques et électriques du GPU demeurent présentes, mais cela ne signifie pas que toutes les configurations disposent d'une marge identique.
Les portables, en particulier, fonctionnent souvent avec des limites de consommation et de refroidissement étroitement définies.
Lorsque la charge de calcul augmente, une carte peut atteindre plus rapidement ses limites de puissance.
Le gain théorique des Tensor Cores peut alors être réduit par une baisse de fréquence ou par d'autres mécanismes de régulation.
Les responsables du projet signalent également des problèmes connus sur certaines cartes et configurations de démarrage.
L'intervention reste donc une expérimentation technique réservée à des utilisateurs capables d'évaluer ces risques et de récupérer une machine qui ne démarre plus normalement.
Un projet open source ne signifie pas une modification officiellement approuvée
Le code de nv-uefi-unlocker est publié sur GitHub, avec des explications concernant son fonctionnement et différents rapports de tests.
Le caractère ouvert du projet permet à des spécialistes d'examiner les modifications proposées.
Il offre également la possibilité de signaler des incompatibilités et de contribuer à leur résolution.
Mais un dépôt public n'est pas automatiquement synonyme de logiciel sûr.
Un outil agissant avant le chargement du système d'exploitation mérite une attention particulière concernant la provenance des fichiers, leur intégrité et les changements introduits entre les versions.
Le projet indique que ses archives ne contiennent pas directement les fichiers de firmware NVIDIA.
Certains éléments sont reconstruits localement à partir de composants publics et vérifiés par leurs empreintes.
Cette démarche répond à des contraintes techniques et de distribution, mais ne remplace pas un audit de sécurité indépendant.
NVIDIA n'a pas annoncé de fonctionnalité officielle permettant d'activer ce comportement sur les cartes GeForce concernées.
La modification doit donc être distinguée des fonctions prises en charge par le fabricant.
Pourquoi NVIDIA distingue les performances de ses gammes
Les cartes GeForce et les produits professionnels NVIDIA peuvent utiliser des architectures apparentées tout en proposant des caractéristiques et des performances différentes.
Cette segmentation concerne notamment les capacités mémoire, les pilotes, les fonctions de calcul et les options de prise en charge.
La limitation étudiée par la communauté s'inscrit dans cette distinction entre certaines capacités accessibles sur les produits GeForce et d'autres configurations.
Il serait néanmoins trop simplificateur d'affirmer que tous les GPU GeForce contiennent une carte professionnelle complète dont les performances seraient artificiellement bloquées.
Les différences matérielles restent réelles selon les modèles.
Le débit Tensor ne représente qu'une dimension de la performance.
La capacité mémoire, la bande passante, la fiabilité, les fonctionnalités logicielles et l'environnement d'exploitation restent des facteurs déterminants dans les usages professionnels.
Un gain dans une famille précise d'instructions ne fait donc pas disparaître toutes les différences entre les marchés grand public et professionnel.
Un indicateur intéressant de la communauté IA locale
L'intérêt suscité par nv-uefi-unlocker dépasse la seule recherche d'un score élevé.
L'exécution locale de modèles d'intelligence artificielle pousse de nombreux utilisateurs à exploiter davantage des cartes graphiques qu'ils possèdent déjà.
Les RTX 20 et RTX 30 restent présentes dans des machines personnelles et des stations de travail.
Pour certains projets, améliorer les performances d'un GPU existant peut présenter un intérêt économique par rapport à l'achat d'un nouvel accélérateur.
Ce raisonnement a toutefois des limites.
Une méthode expérimentale susceptible de perturber le démarrage n'a pas la même valeur opérationnelle qu'une amélioration validée, reproductible et prise en charge officiellement.
Sur une machine utilisée quotidiennement, le risque d'interruption peut coûter davantage que le temps de calcul économisé.
Pour un laboratoire ou un utilisateur disposant d'une machine de test dédiée, l'évaluation peut être différente.
C'est précisément cette distinction entre intérêt expérimental et bénéfice pratique qui doit orienter l'appréciation du projet.
Ce qu'il faudra mesurer avant de parler d'une véritable amélioration
Les premiers résultats indiquent que certains GPU disposent d'une réserve de débit matriciel exploitable.
Cette observation mérite d'être approfondie.
La prochaine étape consiste à évaluer davantage de logiciels dans des conditions reproductibles.
Les mesures devraient notamment inclure la génération d'images, les opérations de fine-tuning et différents modes d'inférence de modèles locaux.
Il faudra également documenter la consommation électrique, les températures, la stabilité prolongée et les problèmes de compatibilité.
Les mesures obtenues après modification devront être comparées à celles de la même carte, dans le même système et avec le même logiciel.
Sans ce contrôle, les différences observées peuvent provenir d'autres paramètres.
La compatibilité des générations RTX 20, 30 et 40 devra également continuer à être confirmée modèle par modèle.
Enfin, l'existence d'une méthode similaire pour les RTX 50 demeure une question ouverte.
Le projet actuel ne fournit pas cette compatibilité.
Une découverte réelle, mais un bénéfice très ciblé
Nv-uefi-unlocker illustre une forme de recherche communautaire particulièrement intéressante : l'exploration de capacités matérielles qui ne sont pas accessibles dans la configuration officielle d'un produit.
Les premiers résultats sont suffisamment importants pour justifier l'intérêt de la communauté du calcul IA.
Une progression de 65 % sur une RTX 4060 Laptop et des gains comparables sur d'autres cartes démontrent qu'il ne s'agit pas seulement d'une hypothèse théorique.
Mais ces chiffres appartiennent à des tests précis.
Ils ne garantissent ni une accélération équivalente des jeux ni une amélioration universelle des applications d'intelligence artificielle.
Le fonctionnement au niveau UEFI introduit en outre des contraintes de sécurité et de compatibilité que l'on ne rencontre pas avec une simple option logicielle officielle.
Pour les utilisateurs qui cherchent avant tout un ordinateur stable, la prudence reste donc essentielle.
Pour les passionnés de calcul GPU, le projet ouvre une piste de recherche concrète.
Le véritable progrès sera de déterminer dans quelles applications ces gains peuvent être reproduits, avec quel coût énergétique et à quel niveau de risque.