NVIDIA DLSS 5 — Tout ce qu’on sait sur la nouvelle techno de rendu neuronal
Annoncé au GTC 2026, DLSS 5 pousse le rendu neuronal de NVIDIA bien au‑delà du suréchantillonnage temporel, de la génération d’images et du débruitage RT. Prévu pour l’automne 2026, il vise une synthèse d’image temps réel plus photoréaliste grâce à des réseaux de neurones avancés. Voici l’essentiel pour les jeux PC, les GPU concernés et ce que cette version change pour le rendu en temps réel.
Ce que fait réellement DLSS 5
NVIDIA présente DLSS 5 comme « le plus grand saut de sa pile de rendu depuis le ray tracing temps réel », car il ne se limite plus au suréchantillonnage temporel ni à la génération d’images. DLSS 5 est un modèle de rendu neuronal en temps réel qui « insuffle » aux images d’un jeu un éclairage et des matériaux photoréalistes, tout en restant ancré dans le contenu 3D et en offrant un résultat déterministe et stable dans le temps.
Si l’on pense spontanément à un simple « filtre IA », le constructeur apporte des précisions plus fines. DLSS 5 exploite à chaque image les couleurs et les vecteurs de mouvement, puis applique un modèle entraîné à reconnaître la sémantique de scène (peau, cheveux, tissus, matériaux translucides, etc.) et les conditions d’éclairage, afin de produire un rendu plus photoréaliste tout en préservant la structure et l’intention artistique.
Comment fonctionne DLSS 5 (d’après les informations communiquées par NVIDIA)
La communication publique de NVIDIA fournit quelques éléments concrets :
- DLSS 5 consomme, image par image, les couleurs + vecteurs de mouvement.
- La sortie vise un rendu déterministe et stable dans le temps, arrimé au contenu du jeu.
- Le modèle est entraîné de bout en bout pour reconnaître des catégories sémantiques et des contextes d’éclairage à partir d’une seule image, puis appliquer cette compréhension pour produire des interactions plus photoréalistes (diffusion sous‑cutanée, brillance des tissus, reflets dans les cheveux, etc.).
- Les studios peuvent ajuster l’intensité, l’étalonnage colorimétrique et le masquage. L’outil est pensé pour rester au service de l’intention artistique, et non imposer un rendu uniforme.
Cet ultime point est central, c’est la réponse affichée par NVIDIA aux tests sur un éventuel changement de direction artistique.
Performances, et pourquoi la configuration de démo compte
Au-delà du bond visuel, un autre sujet a retenu l’attention après la présentation du DLSS 5 : le hardware mobilisé pour y parvenir. Les premières démonstrations au GTC 2026 tournaient sur une double GeForce RTX 5090, avec un GPU dédié au modèle de rendu neuronal pendant que l’autre assurait le rendu du jeu.
Une telle configuration est très éloignée d’un PC grand public, ce qui a immédiatement soulevé des questions sur les performances en conditions réelles, la latence et les exigences matérielles. Le rendu neuronal de ce niveau, où un modèle IA enrichit dynamiquement l’éclairage, les matériaux et les détails de scène en temps réel, est nettement plus exigeant que les briques DLSS classiques comme Super Resolution et Frame Generation, pensées pour améliorer le débit et la fluidité sans les dégrader.
Il faut cependant garder en tête le contexte : ce qui a été montré correspond à une implémentation précoce et non optimisée, une démonstration technique servant de preuve de concept. NVIDIA indique travailler à une version finale pensée pour tourner sur un seul GPU, avec des gains attendus sur l’efficacité, la mémoire et les performances globales avant la sortie.
GPU pris en charge et compatibilité
À ce stade, NVIDIA n’a pas détaillé officiellement les exigences matérielles complètes du DLSS 5, qu’il s’agisse des configurations minimales ou recommandées. Les premières indications laissent penser à un ancrage sur les GeForce RTX série 50 et suivantes, mais la liste de compatibilité précise et les objectifs de performances n’ont pas encore été publiés.
Support des jeux et adoption
NVIDIA annonce un support par de grands éditeurs et studios, avec une première vague de titres déjà nommés (Starfield, Hogwarts Legacy, Resident Evil Requiem, et d’autres).
Outils développeur et intégration dans les jeux
DLSS 5 s’intègre via Streamline, le même framework que pour DLSS et Reflex. Streamline se veut une couche d’intégration qui réduit la charge liée au support de plusieurs technologies de suréchantillonnage/génération d’images temporelles venant de différents fournisseurs de GPU et visant de nombreux jeux et moteurs.
Tableau de comparaison des versions du DLSS
| Version DLSS | Positionnement public | Objectif central | Entrées clés | Modèle/architecture | Support hardware | Cadre de performances |
|---|---|---|---|---|---|---|
| DLSS 1 | Mise à l’échelle spatiale par ML (réseau neuronal entraîné par jeu) | Upscaling spatial par ML (première implémentation de Super Resolution) | Trame basse définition + données spatiales limitées | Modèles CNN entraînés par jeu sur les supercalculateurs NVIDIA | Toutes les cartes GeForce RTX | « Qualité proche du natif » pour un framerate supérieur |
| DLSS 2 | Upscaling temporel généralisé | Reconstruire des images plus hautes définitions à partir d’entrées plus basses avec retour temporel | Échantillonnage multi‑images + vecteurs de mouvement + feedback temporel | Modèle généralisé (non spécifique à un jeu) avec meilleur feedback temporel et meilleure mise à l’échelle sur RTX | Toutes les RTX | Générer des images interpolées entre les images rendues pour améliorer la fluidité. |
| DLSS 3 | Multiplicateur de performances | FG lié aux GPU RTX série 40 et plus | Données moteur (vecteurs de mouvement, profondeur) + flux optique/signaux temporels pour l’interpolation | Génération d’images accélérée par l’Optical Flow Accelerator (OFA) de NVIDIA | Multi‑Frame Generation + modèles Transformer pour Super Resolution/Ray Reconstruction | « Jusqu’à 4x de performances » dans les scénarios présentés |
| DLSS 4 | Multiplicateur de performances encore plus élevé et upscaling temporel de meilleure qualité | Mêmes entrées que DLSS SR/FG/MF. Le multiplicateur dynamique s’ajuste à la cible de FPS | Mêmes entrées que DLSS FG | MFG utilise le flip metering hardware sur GeForce RTX série 50. Nouveau modèle FG/MFG s’appuyant sur les Tensor Cores plutôt que l’OFA. Première utilisation d’architectures Transformer dans SR/RR | MFG lié aux RTX série 50 et plus, FG lié aux RTX série 40 et plus, SR/RR fonctionne sur toutes les RTX | « Jusqu’à 8x par rapport au rendu brut » dans les démonstrations |
| DLSS 4.5 | Transformer SR de meilleure qualité, MFG dynamique, MFG 6x | Deuxième génération de Transformer SR, davantage d’images avec MFG, MFG dynamique | NVIDIA annonce un gain plus important en passant de 4x à 6x sur les titres en path tracing | Deuxième génération de Transformer entraînée sur un jeu de données élargi ; bien plus de calcul ; considérations FP8 sur les RTX plus anciennes | MFG dynamique et multiplicateurs MFG étendus uniquement sur RTX série 50 et plus ; SR utilisable sur toutes les RTX | Caractéristiques GPU minimales non publiées ; démos préliminaires sur double 5090 ; optimisation mono‑GPU annoncée |
| DLSS 5 | Bond de fidélité via rendu neuronal | « Infusion » d’éclairage/matériaux arrimée aux entrées moteur, réglable par les développeurs | Couleurs + vecteurs de mouvement (déclaré explicitement) | « Modèle de rendu neuronal temps réel » ; entraînement de bout en bout pour sémantique/contexte d’éclairage | Caractéristiques GPU minimales non publiées ; démos préliminaires sur double 5090 ; optimisation mono‑GPU annoncée. | Mise en avant du « temps réel jusqu’en 4K » ; aucun benchmark public pour l’instant |
Quand sortira DLSS 5 ?
NVIDIA DLSS 5 est attendu à l’automne 2026, prochaine grande étape de la roadmap IA de rendu neuronal de la marque.
Comme pour les précédentes itérations, DLSS 5 devrait être rapidement intégré à l’écosystème PC, avec une priorité probable sur les jeux AAA et les GPU RTX haut de gamme, puis une extension au fil des architectures et des intégrations moteur à venir.
