L'IA cherche les moyens de réduire ses besoins en énergie

 L'infrastructure IA repose sur les centres de données, qui devraient peser, selon l'Agence internationale de l'énergie (AIE), environ 3% des besoins mondiaux en électricité d'ici 2030, soit le double de la proportion actuelle.

 Mardi, Donald Trump doit se rendre en Pennsylvanie pour annoncer, selon plusieurs médias, quelque 70 milliards de dollars d'investissements dans cet Etat pour l'IA et les infrastructures énergétiques.

 Le cabinet McKinsey parle de "course" pour construire suffisamment de sites afin de "répondre à l'accélération massive de l'IA", tout en prévenant qu'une pénurie se profile.

 "Il y a plusieurs façons de traiter ce problème", avance Mosharaf Chowdhury, professeur à l'université du Michigan. "Vous pouvez augmenter les sources d'énergie", voie dans laquelle sont aussi engagés les poids lourds de l'IA, "ou réduire la demande" d'électricité à capacité équivalente, dit-il.

 Pour l'universitaire, des solutions "malignes" peuvent être trouvées à tous les niveaux de la chaîne de l'IA, des équipements physiques aux algorithmes.

 Selon Gareth Williams, du cabinet de conseil Arup, aujourd'hui, l'énergie nécessaire à maintenir un centre de données représente 10% de ce que consomment les serveurs eux-mêmes, contre 100% il y a 20 ans.

 Cette réduction est à mettre au crédit, entre autres, de la généralisation du refroidissement liquide, en lieu et place de la ventilation classique, qui va jusqu'à faire circuler des fluides directement dans les serveurs.

 "Tous les gros l'utilisent, maintenant", observe Gareth Williams, "et dans les produits qu'ils vous proposent, c'est devenu incontournable."

 Les nouvelles puces du roi de l'IA Nvidia ont multiplié par plus de 100 la consommation d'une armoire à serveurs par rapport à ce qu'elle représentait il y a 20 ans.

 De ce fait, le liquide peut monter à des températures nettement plus élevées que précédemment, selon Gareth Williams, mais cela rend, paradoxalement, le refroidissement plus facile au contact de l'air extérieur, du fait de la différence de température.

 Amazon a dévoilé, début juillet, un nouveau système de refroidissement liquide baptisé IRHX, qui peut être installé dans un centre de données sans avoir été intégré à l'architecture initiale.

 Autre évolution, les centres de données sont maintenant équipés de capteurs, mis à profit par l'IA pour contrôler la température non plus à l'échelle d'un site mais par "micro-zones" et "optimiser la consommation d'eau et d'électricité" de manière anticipée, selon Pankaj Sachdeva, du cabinet McKinsey.

 Le laboratoire de Mosharaf Chowdhury a mis au point des algorithmes pour évaluer précisément la quantité d'électricité nécessaire à chaque puce pour fonctionner avec, à la clef, un gain de 20 à 30%.

 Des progrès ont aussi été enregistrés sur les microprocesseurs eux-mêmes.

 "Chaque génération de puce est plus efficiente en termes d'énergie" que la précédente, rappelle Pankaj Sachdeva.

 L'équipe de Yi Ding, professeure à l'université de Purdue, a, elle, démontré que l'on pouvait prolonger la vie des puces les plus performantes pour l'IA, les GPU (graphics processing unit) ou cartes graphiques, "sans amoindrir les performances", dit-elle à l'AFP.

 "Mais il est difficile de convaincre les fabricants de semi-conducteurs de faire moins d'argent" en incitant les consommateurs à utiliser les mêmes équipements plus longtemps, glisse l'universitaire.

 Le match se joue aussi au niveau de la programmation et de l'entraînement des grands modèles d'IA générative.

 En janvier, le Chinois DeepSeek a ainsi présenté son modèle d'IA générative R1 aux performances similaires à celles des grands acteurs américains bien que développé avec des GPU moins puissants.

 Les ingénieurs de la start-up y sont parvenus notamment en programmant plus précisément les cartes graphiques. Ils ont aussi quasiment sauté une étape d'entraînement du modèle, jugée indispensable jusqu'ici.

 Pour autant, malgré ces percées technologiques, "on ne pourra pas réduire la consommation totale d'énergie, à cause du paradoxe de Jevons", prédit Yi Ding.

 L'économiste britannique William Stanley Jevons (1835-1882) proclame ainsi qu'une utilisation plus efficace d'une ressource limitée fait mécaniquement augmenter la demande car son coût diminue.

 "La consommation d'énergie va continuer de monter", avertit Yi Ding, malgré tous les efforts pour la limiter, "mais peut-être moins rapidement".