NVIDIA DLSS, AMD FSR et Intel XeSS : Tout savoir sur les principales technologies GPU

Au cours de la dernière décennie, le rendu graphique en temps réel a fait face à des défis croissants, visant à offrir une fIDélité visuelle élevée tout en maintenant des performances jouables. Des technologies comme le ray tracing et le path tracing augmentent considérablement le réalisme, mais poussent également les GPU à leurs limites.

Pour résoudre ce problème, des constructeurs de GPU tels qu’NVIDIA, AMD et Intel ont introduit des technologies de rendu neural et de reconstruction d’image, visant à améliorer non seulement les performances grâce à une upscaling temporelle, mais aussi la fluidité visuelle via la génération et l’interpolation de frames et le débruitage des effets rayonnés/path tracés par apprentissage machine.

Trois grandes suites technologiques dominent aujourd’hui ce secteur :

• NVIDIA DLSS (Deep Learning Super Sampling)
• AMD FidelityFX Super Resolution (FSR)
• Intel Xe Super Sampling (XeSS)

Ce qui a commencé comme de simples upscalers spatiaux a évolué vers des stacks de rendu basés sur le ML comprenant :

• Upscaling temporel
• Génération de frames
• Dénouement des effets ray-tracés/path tracés grâce à des algorithmes soutenus par le ML
• D’autres technologies de rendu neural comme la compression des textures et les shaders neuronaux ne seront pas abordées ici.

Nous examinerons comment chaque technologie a évolué, les innovations qu’elles ont apportées et leur comparaison en termes de capacités et de support hardware.

Avant d’explorer chaque mise en œuvre des constructeurs, il convient de définir brièvement les techniques clés utilisées par ces technologies.

Upscaling Spatial

La première technique a été largement utilisée dans de nombreuses premières mises en œuvre.

Le GPU rend le jeu à une résolution inférieure (par exemple, 1440p au lieu de 4K) puis utilise des algorithmes de upsampling spatial — tels que l’interpolation par voisin le plus proche, le rééchantillonnage Lanczos ou même des réseaux neuronaux basés sur le ML — pour upscaler l’image à la résolution cible.

Exemples :

• AMD FSR 1
• NVIDIA Image Scaling
• NVIDIA DLSS 1 (basé sur le ML avec support des vecteurs de mouvement, fonctionne uniquement sur les GPU GeForce RTX)

Avantages :

• Fonctionne sur presque tous les GPU
• Exigences matérielles minimes

Inconvénients :

• Amélioration de la qualité limitée
• Perte de détails par rapport au rendu natif

Upscaling Temporel

Les solutions modernes s’appuient fortement sur l’upscaling temporel, qui combine les données de plusieurs frames inférieures à la résolution native.

L’algorithme analyse :

Cela permet de reconstruire une image à haute résolution avec une qualité bien supérieure à celle des méthodes spatiales.

Exemples :

• NVIDIA DLSS 2 Super Resolution
• AMD FSR 2 upscaling
• Intel XeSS 1 upscaling

Avantages :

• Qualité d’image supérieure à celle de l’upscaling spatial
• Performances meilleures que le rendu à résolution native
• Stabilité temporelle améliorée (réduction du scintillement et des clignotements)

Inconvénients :

• Artifacts de fantômes/brouillage
• Perte de détails fins/brouillard
• Complexité accrue de mise en œuvre pour les développeurs de jeux

Génération de Frames

La génération de frames insère des frames interpolées (soit analytiquement, soit par ML) entre celles traditionnellement rendues, augmentant considérablement la fluidité perçue.

Par exemple :

• Frame rendue → Frame interpolée → Frame rendue → Frame interpolée

La technique analyse les vecteurs de mouvement, les données de profondeur et l’optique pour estimer l’apparence des frames interpolées.

Exemples :

• NVIDIA DLSS 3 Frame Generation
• AMD FSR 3 Frame Generation
• Intel XeSS 2 Frame Generation

Avantages :

• Augmente considérablement la fluidité visuelle perçue
• Permet aux joueurs d’exploiter pleinement les moniteurs à haute fréquence de rafraîchissement
• Peut contourner les limites de framerate et produire une fluidité visuelle encore plus grande

Inconvénients :

• Augmente la latence d’entrée/rendu
• Artifacts visuels potentiels, surtout à des framerates de base inférieures à 60 FPS
• Moins adapté aux jeux compétitifs ou rapides

Dénouement Basé sur le ML

Les jeux modernes ray-tracés nécessitent des algorithmes de débruitage pour reconstruire l’image finale à partir d’exemplaires de rayons dispersés.

Au lieu d’avoir plusieurs dénoseurs réglés manuellement, des modèles basés sur le ML peuvent maintenant effectuer cette tâche plus efficacement.

Exemples :

• NVIDIA DLSS 3.5 Ray Reconstruction
• AMD FSR Ray Regeneration

Avantages :

• Permet un ray tracing de haute qualité avec moins d’exemplaires de rayons
• Peut parfois améliorer les performances de rendu par rapport à plusieurs dénoiseurs artisanaux
• Apprend des motifs complexes d’éclairage et de textures

Inconvénients :

• Perte de détails fins et brouillage
• Artifacts visuels possibles (comme des postérisations dans les dégradés)

NVIDIA a introduit le DLSS en 2018 avec la série de GPU RTX 2000. Ce système utilise des réseaux neuronaux pour reconstruire des images à partir de rendus basse résolution.

Au fil du temps, le DLSS a évolué pour devenir une suite de rendu neuronal alimentée par l’IA.

Voici un aperçu chronologique des versions DLSS de NVIDIA, de sa première sortie en 2018 jusqu’aux versions les plus récentes.

DLSS 1.0 (2018)

DLSS 1.0 a marqué la première tentative de NVIDIA pour amener l’upscaling assisté par IA au jeu en temps réel. Introduite avec la série GeForce RTX 2000, cette technologie reposait sur des réseaux neuronaux accélérés par les Tensor Cores pour reconstruire des images de haute résolution à partir d’images de basse résolution. Cependant, sa mise en œuvre initiale s’appuyait surtout sur la reconstruction frame par frame, demandant un entraînement spécifique par jeu, ce qui a limité son adoption.

Caractéristiques clés :

• Upscaling spatial équipé par le ML
• Réseaux neuronaux propres à chaque jeu
• Accélération par Tensor Core

GPU supportés :

• Tous les GPU GeForce RTX

Limitations :

• Entraînement nécessaire pour chaque jeu
• Qualité d’image souvent bien inférieure à celle de la résolution native
• Adoption limitée par les jeux

DLSS 2.0 (2020)

DLSS 2.0 a représenté une révision majeure de la technologie d’upscaling temporel de NVIDIA. Cette version a introduit un modèle d’IA généralisé basé sur un Réseau Neuronal Convolutionnel (CNN), combiné à une nouvelle approche de reconstruction temporelle.

Après cette version, l’adoption des jeux a augmenté rapidement.

Innovations clés :

• Upscaling temporel
• Réseau neuronal générique
• Meilleure gestion des anti-aliasing
• Augmentation de la performance

GPU supportés :

• Tous les GPU GeForce RTX

DLSS 3 (2022) a introduit la première extension majeure au-delà de l’upscaling temporel : la Génération de Frames. Cette fonctionnalité a permis de créer de nouvelles frames (par interpolation) entre les frames rendues, augmentant la fluidité perçue.

DLSS 3.5 (2023)

DLSS 3.5 a mis l’accent sur l’amélioration de la qualité du ray tracing avec une nouvelle fonctionnalité appelée Ray Reconstruction.

DLSS 4 (2025)

DLSS 4 marque une avancée majeure dans le rendu assisté par l’IA. La nouvelle technologie introduit un modèle neuronal transformateur pour la Super Résolution et la Reconstruction de Rayons, en plus d’un nouveau modèle de génération de frames amélioré.

AMD FSR

AMD FidelityFX Super Resolution (FSR) est la réponse d’AMD à la DLSS. Lancée en 2021, cette technologie a évolué d’un simple upscaler spatial à un stack de rendu neural basé sur le ML.

Chronologie des versions FSR :

FSR 1.0 (2021)

FSR 1.0 était l’entrée d’AMD dans l’upscaling en temps réel. Utilisant un algorithme d’upscaling spatial, elle a connu une adoption rapide grâce à sa large compatibilité.

FSR 2 (2022)

FSR 2 a représenté une évolution majeure vers un pipeline d’upscaling temporel. Elle combine des informations provenant de différentes frames pour reconstruire des images à résolution élevée.

FSR 3 (2023)

FSR 3 a introduit la génération de frames d’AMD, visant à améliorer la fluidité visuelle.

Intel XeSS

Intel Xe Super Sampling (XeSS) est la solution d’Intel qui vise à améliorer les performances du jeu tout en maintenant une qualité d’image élevée.

Chronologie des versions XeSS :

XeSS 1.0 (2022)

XeSS 1.0 a marqué l’entrée d’Intel dans l’upscaling assisté par l’IA.

XeSS 2 (2024)

XeSS 2 a élargi la technologie d’upscaling vers un ensemble de rendu assisté par l’IA plus complet.

XeSS 3 (2025-2026)

XeSS 3 représente la dernière évolution, introduisant la génération de frames multi-frame.

Technologie	DLSS	FSR	XeSS
Développeur	NVIDIA	AMD	Intel
Matériel IA requis	Oui	Non (jusqu’au FSR 4) Oui (après FSR 4)	Non (path DP4a) Oui (path XMX)
Type d’upscaling	Basé sur le ML spatial (DLSS 1) Basé sur le ML temporel (DLSS 2+)	Spatial (FSR 1) Temporel analytique (FSR 2-3) Basé sur le ML temporel (FSR 4)	Basé sur le ML temporel
Génération de frames	Oui	Oui	Oui
Dénouement basé sur le ML	Oui	Oui (à partir du FSR 4)	Non
Support GPU	GPU GeForce RTX NVIDIA	La plupart des GPUs	La plupart des GPUs
Open-Source ?	Non	Principalement	Partiellement