Avenir de l’IA et efficacité énergétique

L’intelligence artificielle (IA) change déjà notre façon de vivre et de travailler, et elle a le potentiel de révolutionner les secteurs et le monde dans son ensemble. On s’attend à ce que sa valeur atteigne des milliers de milliards. Elle peut tout faire : de l’amélioration des prévisions des catastrophes naturelles à l’accélération de la découverte et de la distribution de médicaments vitaux. 

Des particuliers l’utilisent comme assistants virtuels et copilotes. Les entreprises et les employés le déploient pour gagner en efficacité dans plusieurs domaines clés, notamment le service client, la finance et d’autres domaines.

En mai, un rapport de McKinsey a révélé que le nombre d’organisations qui utilisaient l’IA générative avait presque doublé pour atteindre 65 % en 10 mois seulement. En fait, une récente étude de l’IBM Institute for Business Value (IBV) a révélé que 77 % des personnes interrogées estimaient qu’elles devaient adopter rapidement l’IA générative pour s’adapter aux besoins des clients. 

La croissance rapide de l’adoption de l’IA a également entraîné des augmentations spectaculaires de la consommation d’énergie. De l’énergie est nécessaire pour créer et entraîner les modèles d’IA, puis pour gérer les calculs complexes que les modèles effectuent chaque fois qu’on leur demande de fournir des informations ou de générer du contenu.

L’Agence internationale de l’énergie a suggéré que l’intégration de l’IA dans des outils existants comme les moteurs de recherche Internet pourrait multiplier par dix la demande en électricité. L’agence prévoit que d’ici 2030, la part de l’électricité mondiale alimentant les centres de données aura doublé.

L’IA n’est pas la première technologie à poser des défis en matière de consommation d’énergie.Au début des années 2000, le cloud computing a suscité des préoccupations similaires, mais ces problèmes ont heureusement pu être évités grâce à des innovations favorisant l’efficacité énergétique. Néanmoins, alors que l’IA continue d’être adoptée et que les entreprises recherchent des sources d’électricité stables et abordables sur les marchés concurrentiels de l’énergie, le sujet se trouve au cœur des préoccupations de nombreux dirigeants.

Pourtant, alors que l’IA explose, nombre d’entreprises poursuivent toujours des objectifs de développement durable ambitieux. 45 % des entreprises S&P ont pris des engagements « zéro émission nette », et Gartner a indiqué que 42 % des dirigeants considéraient leurs efforts en matière de durabilité comme un facteur de différenciation clé. 

En conséquence, de nombreuses entreprises sont désormais confrontées à une double tâche : tenir compte de l’augmentation de la consommation d’énergie de l’IA dans leurs objectifs de développement durable, tout en soutenant les efforts déployés à l’échelle du secteur pour rendre l’IA moins énergivore.

Personne ne s’attend à ce que l’adoption de l’IA ralentisse : trop d’entreprises et de dirigeants les considèrent comme un élément indispensable de leur avenir. Combiner ces deux ambitions, exploiter les avantages de l’IA tout en respectant les engagements « zéro émission nette » exige une approche intelligente.

Heureusement, de nombreux experts du secteur travaillent sur différentes solutions. Notamment :

• Améliorations matérielles
• Modèles plus petits
• Entraînement plus intelligent des modèles
• Utilisation d’énergies propres et renouvelables
  
• Open source et collaboration

Il a été démontré que le plafonnement de l’énergie utilisée par le matériel pouvait en réduire la consommation jusqu’à 15 %, ne ralentissant l’obtention d’un résultat que de 3 %, un délai à peine perceptible.

La consommation d’énergie de l’IA peut également être réduite en utilisant du matériel bas carbone, « correspondant à un modèle combinant le matériel le plus sobre en carbone , selon le MIT. 

Les nouvelles puces améliorées constituent une autre solution aux problèmes énergétiques. IBM a récemment publié les caractéristiques de l’architecture de son prochain processeur IBM Telum II et de son prochain accélérateur IBM Spyre, tous deux conçus pour réduire la consommation d’énergie des composants basés sur l’IA et l’encombrement des centres de données. Leur sortie est prévue pour 2025.

En général, les modèles plus grands, comme les grands modèles de langage (LLM) généralistes utilisés par ChatGPT et Google Gemini, consomment plus d’énergie que les modèles plus petits. Ces modèles généralistes peuvent répondre à de nombreux besoins côté consommateurs, mais pour les organisations ayant des cas d’utilisation spécifiques, IBM et d’autres entreprises recommandent des modèles plus petits, plus efficaces, plus abordables et moins gourmands en énergie.

Les méthodes d’entraînement des modèles d’aujourd’hui nécessitent énormément d’énergie, car les développeurs IA utilisent souvent plusieurs modèles existants comme point de départ pour entraîner de nouveaux modèles. L’exécution de tous ces modèles augmente la puissance électrique requise.

Cependant, les chercheurs essaient de mieux prévoir quels modèles vont dépasser les attentes et lesquels ne vont pas les atteindre, abandonnant rapidement les modèles peu performants pour économiser de l’énergie. Tous ces éléments s’intègrent dans le mouvement florissant « designing for sustainability » qui définit des paramètres de workload permettant d’utiliser l’énergie de manière plus efficace.

Toutes les entreprises devraient envisager de construire ou d’utiliser des centres de données situés à proximité de zones où les énergies renouvelables abondent. L’approvisionnement auprès de green data centers, qui utilisent des énergies renouvelables et durables, est un excellent moyen de réduire son impact environnemental.

Les entreprises opérant dans le domaine de l’IA ne doivent pas laisser la concurrence excessive les empêcher de partager des conseils et des outilssusceptibles d’aider la société à récolter les bénéfices des modèles d’IA tout en consommant moins d’énergie.

IBM s’est associé à l’Université Columbia pour trouver des solutions significatives à la crise énergétique, notamment en modélisant le comportement de l’IA sur différents équipements matériels, en développant des puces à faible consommation, en éliminant les bloatwares et en optimisant les systèmes d’IA.

En plus de ces différentes approches, l’IA elle-même peut permettre de résoudre les problèmes liés à ses besoins énergétiques.

Une étude récente d’IBM a révélé que 74 % des entreprises interrogées dans le secteur de l’énergie et des services publics adoptaient l’IA pour relever les défis liés aux données. Cela leur permet d’améliorer leur efficacité et de réduire leur impact sur l’environnement. De la maintenance du réseau à la prévision de la charge, l’IA pourrait avoir un impact considérable sur le secteur de l’énergie, permettant de distribuer de l’énergie de manière plus efficace à tous les autres secteurs.

IBM a joué un rôle de leader dans la transition vers les énergies propres, en créant le Clean Electrification Maturity Model (CEMM) en coordination avec l’APQC, dont l’objectif est d’aider les entreprises du secteur de l’énergie à mener une évaluation de maturité afin de comparer leurs résultats et d’accélérer leur transition énergétique.

La même étude a montré que d’ici la fin de l’année 2024, 63 % des entreprises sondées prévoyaient d’appliquer l’IA générative à leurs initiatives en matière d’informatique durable. Pourtant, 23 % seulement envisagent actuellement d’intégrer des évaluations de durabilité lors des phases de conception et de planification de leurs projets informatiques, dans une large mesure. Cela doit changer.

C’est une bonne chose qu’il y ait déjà une discussion sérieuse sur la consommation d’énergie et l’IA, et espérons que d’autres avancées suivront bientôt celles que nous réalisons déjà en matière de réduction de la consommation d’énergie.

IBM est particulièrement engagé dans l’identification de modèles plus petits et efficaces, ainsi que de matériel plus intelligent pour réduire la consommation d’énergie. L’amélioration de l’IA, parallèlement à la réduction de la consommation d’énergie, permet d’intégrer encore plus la technologie dans notre vie quotidienne. La probabilité que l’IA aide le monde à résoudre ses plus grands défis environnementaux ne fait que renforcer l’importance de la réduction de la consommation d’énergie.