L'entraînement d'un seul grand modèle d'IA peut consommer autant d'électricité que des centaines de foyers américains en utilisent en une année.
Training and running AI models demands massive amounts of electricity, specialized hardware, and water-intensive cooling systems housed in sprawling data center facilities.
Les systèmes d'IA sont gourmands en énergie car les opérations mathématiques qui les alimentent — en particulier les multiplications de matrices utilisées dans les réseaux de neurones — doivent être effectuées des milliards ou des trillions de fois, rapidement, sur du matériel spécialisé qui consomme une quantité significative d'électricité.
Le processus commence par l'entraînement, au cours duquel un modèle apprend des motifs à partir d'ensembles de données énormes. L'entraînement nécessite d'exécuter des calculs sur des milliers de processeurs simultanément, souvent pendant des semaines. Le matériel de choix est le processeur graphique, ou GPU, à l'origine conçu pour le rendu des visuels des jeux vidéo, mais bien adapté aux calculs parallèles que l'IA exige. Un seul entraînement à grande échelle peut consommer des centaines de milliers de kilowattheures d'électricité — comparable à la consommation annuelle de centaines de foyers américains. Des puces spécialement conçues, y compris les accélérateurs personnalisés d'entreprises comme Google $GOOGL et Amazon $AMZN, sont de plus en plus utilisées aux côtés des GPU pour améliorer l'efficacité. Et des fabricants de puces comme Qualcomm $QCOM poussent plus loin dans le silicium d'IA de centre de données pour répondre à cette demande.
Après l'entraînement, l'inférence — l'étape au cours de laquelle un modèle déployé génère une réponse à une requête d'utilisateur — ajoute une charge énergétique séparée et continue. Parce que des millions de requêtes arrivent chaque jour à travers des services tels que les chatbots, la recherche et les outils de génération de contenu, l'inférence à grande échelle s'accumule en une demande substantielle sur le réseau.
Tous ces calculs doivent se dérouler dans des centres de données : de grandes installations abritant des racks de serveurs connectés par des réseaux à haute vitesse. Les centres de données nécessitent non seulement de l'électricité pour faire fonctionner les processeurs, mais aussi des systèmes de refroidissement pour évacuer la chaleur que ces processeurs génèrent. Le refroidissement peut représenter environ 30 à 40 % de la consommation totale d'énergie d'une installation. L'eau est couramment utilisée dans les boucles de refroidissement, faisant des centres de données des consommateurs significatifs d'électricité et d'eau douce.
L'échelle physique de l'infrastructure requise est considérable. Un centre de données moderne orienté IA peut occuper des centaines de milliers de pieds carrés et consommer des dizaines ou des centaines de mégawatts de puissance — suffisamment pour mettre à rude épreuve les réseaux de services publics locaux. Les législateurs ont commencé à examiner comment cette demande de réseau est allouée entre les entreprises technologiques et les consommateurs ordinaires, et certaines compagnies d'électricité ont répondu en créant des structures tarifaires dédiées : la principale compagnie d'électricité de l'Oregon, par exemple, a introduit un tarif d'électricité plus élevé spécifiquement pour les centres de données tout en réduisant les tarifs pour les clients résidentiels, commerciaux et industriels. Les centres de données sont également de plus en plus exposés à des risques physiques, car les inondations, les incendies de forêt et la chaleur extrême menacent les installations dont les décisions de localisation ont été prises avant que les dangers climatiques ne s'intensifient.
Rejoignez plus de 500 000 lecteurs qui commencent leur journée avec Quartz.
En vous abonnant, vous acceptez nos Conditions d'utilisation et notre Politique de confidentialité.
