Les PC IA sous Windows savaient exécuter des charges sur NPU ou sur des blocs dédiés du GPU, mais l’outil système le plus consulté restait encore trop discret sur ce point. La Preview Build 29576.1000 corrige enfin cette lacune avec un suivi matériel nettement plus lisible.
Gestionnaire des tâches Windows 11 : des colonnes dédiées aux NPU
Dans Windows 11 Insider Experimental (Future Platforms) Preview Build 29576.1000, Microsoft ajoute de nouvelles colonnes optionnelles liées aux accélérateurs IA. Elles apparaissent dans les onglets Processus, Utilisateurs et Détails avec NPU et Moteur NPU.
La page Détails va plus loin avec deux colonnes supplémentaires : Mémoire dédiée NPU et Mémoire partagée NPU. L’objectif est clair : montrer plus précisément comment une charge IA consomme les ressources du NPU, au lieu de la noyer dans un indicateur global.
Ces notes concernent les utilisateurs du canal Canary en série 29500, désormais basculé vers Experimental (Future Platforms) dans le cadre de la réorganisation des canaux Windows Insider. Les nouvelles colonnes s’activent simplement par clic droit sur l’en-tête des colonnes du Gestionnaire des tâches.
Les blocs neuronaux du GPU deviennent visibles
Microsoft étend aussi la page Performances. Si un GPU intègre des moteurs neuronaux, ils seront désormais affichés directement dans cette vue.
C’est un ajout logique sur les machines récentes, où une même charge IA peut être exécutée par un NPU intégré au CPU, par un bloc spécialisé du GPU ou par un autre accélérateur dédié. Jusqu’ici, cette répartition restait peu transparente dans l’outil système.
Une autre colonne pour l’isolation applicative
La même build ajoute une colonne optionnelle Isolation dans les vues Processus et Détails. Elle indique quelles applications s’exécutent dans un AppContainer, ce qui apporte un niveau d’information supplémentaire sur l’isolation des processus.
Ce changement n’a rien de spectaculaire visuellement, mais il devient important à mesure que Windows répartit les charges IA entre plusieurs blocs matériels. Pour les utilisateurs avancés, cela permettra enfin de distinguer un traitement réellement déporté sur NPU d’une exécution absorbée par le CPU ou par le GPU.
Source : VideoCardz
