AiLearning

Module 6 — WebAssembly et Accélération WebGPU

Repoussez les limites de la vitesse d'exécution en intégrant WebAssembly (WASM) compilé en binaire depuis C ou Rust pour vos traitements de données massifs. Découvrez l'accélération matérielle moderne offerte par WebGPU et ses Compute Shaders en langage WGSL, et déployez des modèles d'inférence locaux avec Transformers.js.

Chapitre 12 h à 2 h 30
Étudier

Comprendre WebAssembly (WASM) et son exécution binaire

Découvrir le format binaire portable WASM, le format textuel WAT, la compilation C/Rust/Go vers .wasm et l’instanciation directe dans Node.js et React.

Chapitre 22 h 30
Étudier

Différence entre JavaScript et WebAssembly — Benchmark & Performances

Comparer le moteur V8 JIT au code machine déterministe de WASM, mesurer la latence sur 100 millions d’opérations et maîtriser les surcoûts d’interopérabilité (FFI).

Chapitre 32 h 30 à 3 h
Étudier

Introduction à WebGPU — Architecture matérielle et premier shader WGSL

Distinguer CPU et GPU, initialiser GPUDevice et GPUAdapter, allouer des GPUBuffer en VRAM et programmer son premier Compute Shader en WGSL.

Calculs GPU parallèles dans le navigateur — Workgroups & Benchmarks

Organiser le calcul parallèle en groupes de travail (@workgroup_size(64)), dispatcher les calculs massifs et comparer les temps de calculs GPU vs CPU.

Exécution locale de modèles d’IA dans le navigateur (Transformers.js & ONNX)

Déployer des modèles d’analyse de sentiment et d’embeddings locaux dans React avec Transformers.js et ONNX Runtime Web, et concevoir une architecture hybride avec Gemini.