Test de la GeForce RTX 5080 : une demi-5090 ?

Usage créatif / productif

Un GPU ne sert pas uniquement au jeu, que peut-on donc attendre de la génération Blackwell et en particulier de la RTX 5080 dans ce domaine ? Pour donner une petite idée de ses capacités à ce niveau, nous avons préparé un échantillon de tests, couvrant une partie (non exhaustive) des usages possibles avec un GPU en dehors du jeu.

Blender

Premier logiciel utilisé pour nos tests, Blender et son moteur de rendu Cycle, capable d’utiliser les GPU au travers d’Optix (GeForce), HIP (Radeon) et oneAPI (Intel Arc). Nous utilisons le benchmark qui va rendre 3 scènes différentes afin d'avoir une idée concrète des forces en présence.

Blender - RTX 5080 FE

Quelle que soit la scène retenue, les GeForce écrasent la concurrence, dans ce qui est indubitablement un point fort des verts, à savoir son support des applications professionnelles via son écosystème logiciel particulièrement développé à ce niveau. Qui plus est, ces rendus faisant appel au Path Tracing, la supériorité architecturale des verts pour ce type de tâches, contribue fortement à cette hiérarchie à sens unique. La nouvelle née des verts apporte entre 3 % et 13 % de mieux que la RTX 4080 SUPER selon les scènes, soit des gains relativement similaires à ceux constatés en jeu. 

Cinebench 2024

Second logiciel de notre échantillon de test, Cinebench est le benchmark issu du logiciel Cinema 4D de Maxon utilisant son propre moteur de rendu Redshift. Nous utilisons la dernière version en date qui propose à présent les tests des GPU, à l'exception des Intel ARC (peut-être à l'avenir via une mise à jour ?).

Cinebench 2024 - RTX 5080 FE

Malheureusement, les RTX 50 ne sont  pas encore supportées. Nous avons tout de même conservé ce test pour le mettre à jour dès que ce sera le cas.

DaVinci Resolve

Poursuivons ces tests en utilisant DaVinci Resolve Studio, une référence pour le traitement des vidéos. Dans un premier temps, nous réalisons un projet à partir de rushs ProRES en UHD. Nous appliquons ensuite divers effets (flou gaussien, effets de style, etc.) et encodons le tout en H.264 pour un usage Vimeo 2160P, dans un conteneur "MOV". Nous utilisons ensuite pour les tests suivants, un fichier brut ProRES en 8K (44 s pour limiter la taille déjà gigantesque), que nous allons exporter en 8K dans un conteneur "MP4", via un encodage H.265 puis AV1 (pour les cartes qui en sont capables), afin de solliciter les encodeurs de nos GPU.

DaVinci Resolve - RTX 5080 FE

Notez que nous mesurons ici le temps d’export, mais pour une comparaison équitable, il ne faut pas se contenter de ce paramètre, mais aussi de la qualité obtenue. Cette opération aussi longue que fastidieuse n’est pas réalisable lors d’un tel dossier, mais il nous paraît important de le rappeler. Pour les tâches d’encodage pur, la RTX 5080 propose entre 8 % et 13 % de mieux que sa devancière, les deux encodeurs de 9^e génération semblant un peu plus performant en H.265 et AV1. Notre projet Vimeo ayant recours en sus aux unités de calcul pour appliquer les différents effets suivis d'un encodage H.264, l'écart entre la RTX 4080 SUPER et la 5080 se limite ici à 4 %.

DxO PhotoLab

Poursuivons ces tests en utilisant DxO PhotoLab, une référence pour le traitement des photos. Nous exportons au format DNG 88 fichiers RAW issus de différents APN, en appliquant le filtre de débruitage XD2s, la compensation du flux optique et la correction des aberrations chromatiques. Nous activons pour cela l'accélération DeepPrime pour chaque GPU.

DxO PhotoLab - RTX 5080 FE

Les Radeon semblent apprécier grandement, puisque pour une fois lors d'un test sur cette page, la RX 7900 XTX tient son rang face à la RTX 4080 SUPER. Et la nouvelle née des verts ? Son avantage est ici de 6 % par rapport à la dernière citée.

IA : génération d'images

Poursuivons ces tests en utilisant Procyon, afin de mesurer les performances en IA (inférence ici). Ce logiciel permet ainsi de générer une image à partir d'une description en langage courant de cette dernière. Pour la mise en œuvre locale des opérations d'inférences sous Windows, nous utilisons le logiciel Procyon d'UL, simplifiant grandement notre précédente utilisation via Automatic1111 WebUI. En effet, il est très complexe de faire fonctionner sur une même configuration sans interférences, de nombreuses versions de Python, Pytorch et autres. Le modèle utilisé est SD1.5 avec une inférence réalisée en FP16, utilisant DDIM et 100 étapes. 16 images sont générées par batch de 4 et nous réalisons 3 fois le bench en conservant la meilleure performance. La série 50 proposant également une prise en charge native du format FP4, nous avons également ajouté la génération d'images via FLUX1 de Blak Forest Labs, dont la version de développement tire parti par une adaptation du modèle T5xxl CLIP, originellement fonctionnant en FP16. Nous réalisons la génération de 4 images en FP4, mais aussi FP8, utilisant EULER et 30 étapes avec une taille de lot à 1. 

IA : génération d'images - RTX 5080 FE

Le résultat obtenu est un score en points, mais nous préférons exprimer ce dernier en images par minute pour faciliter sa compréhension. A noter que la précédente build (1.1.177) conduisait à une sous-performance de la RTX 4080 SUPER, nous avons donc retesté toutes les cartes avec la nouvelle version 1.1.187. La RTX 5080 devance de 11 % la RTX 4080 SUPER avec Stable Diffusion en FP16. L'avance passe à 8 % via Flux1 en FP8, puis 414 % lorsque l'on utilise cette fois la précision FP4 pour l'inférence des images, dont seuls les Tensor Cores des RTX 50 permettent le traitement à double débit.

IA : génération de texte

Poursuivons ces tests en utilisant toujours Procyon, afin de mesurer cette fois les performances en génération de texte par IA. Le logiciel propose 4 tests utilisant chacun un modèle différent (Phi3.5, Mistral 7-B, Llama 3.1 et Llama 2). Cela permet de tester différentes tailles de modèles. Ils fonctionnent ici via le runtime ONNX de Microsoft s'appuyant sur DirectML, permettant une comparaison inter-constructeurs. Deux points sont importants à mesurer dans le cadre de l'évaluation des performances d'un LLM (Large Language Models) : le taux de génération (exprimé en tokens par seconde) et le temps moyen pour délivrer le premier token. Pour éviter de créer 2 graphiques séparés, nous utilisons le score calculé par UL qui intègre ces deux paramètres dans son calcul.

IA : génération de texte - RTX 5080 FE

Malgré l'usage d'ONNX (Nvidia ne peut s'appuyer sur TensorRT pour ce test), les GeForce dominent toujours largement les Radeon. Si on s'intéresse aux apports de la RTX 5080, elle propose des gains compris en 6 % et 22 % selon le LLM par rapport à la RTX 4080S.

Consommation & efficacité énergétique

La RTX 5080 va consommer en général un peu plus que la RTX 4080 SUPER, mais la différence reste généralement très limitée. Qui plus est, elle s'avère même moins énergivore pour les tâches d'encodage en AV1.

Consommation électrique en création/production - RTX 5080 FE

Consommer c'est une chose, mais si les tâches sont exécutées plus rapidement, alors la quantité d'énergie nécessaire pour l'exécution de ces dernières peut finalement être moindre. C'est pour cela qu'il est intéressant de mesurer ce paramètre au travers de l'efficience de nos cartes. En définitive, il est plutôt difficile de différencier les RTX 4080S et 5080 à ce niveau. elles sont généralement très proches et l'avantage peut pencher d'un côté ou l'autre.

Efficacité énergétique en création/production - RTX 5080 FE

Voilà pour les prestations en "production", place au verdict page suivante.