L’intelligence artificielle (IA) fait désormais partie du quotidien de nombreuses personnes dans le monde. Au niveau individuel, les gens utilisent de plus en plus de modèles d’IA pour les requêtes de recherche. Alors que Google domine toujours le marché de la recherche, ChatGPT constitue la menace la plus importante pour sa domination.
Au niveau commercial, aucun secteur n’est laissé de côté : de l’agriculture à la santé, de la finance au divertissement, les organisations du monde entier intègrent l’IA dans leurs opérations quotidiennes.
La demande mondiale et l'utilisation de l'IA devraient croître de façon exponentielle dans les années à venir. Les entreprises technologiques réagissent donc à cette évolution en construisant d'immenses centres de données. Mais cette croissance a un coût : consommation d’énergie, coûts économiques et impact environnemental. L’informatique traditionnelle ne peut tout simplement pas répondre à la demande croissante en informatique et en énergie. Pour soutenir la révolution de l’IA, nous devons repenser la physique de l’informatique moderne.
Problèmes énergétiques
Même sans prendre en compte l’IA, l’informatique électronique se trouve à un tournant critique. La loi de Moore échoue, la mise à l'échelle de Dennard s'est effondrée et le résultat est la prolifération du « silicium sombre », les parties de transistors d'une puce qui doivent rester hors tension ou inutilisées pour éviter une surchauffe.
Former un grand modèle d’IA n’est pas une tâche facile. Les grands modèles de langage (LLM) sont formés sur des quantités massives de données et comportent des milliards de paramètres. Ils prédisent, mesurent, ajustent et répètent le processus des milliards de fois. On estime que la puissance de calcul requise pour entraîner les modèles d’IA doublera tous les six mois.
Le traitement et le déplacement d’aussi grandes quantités de données nécessitent un parallélisme et une puissance considérables. Dans l’informatique traditionnelle, une puissance plus élevée nécessite des systèmes à plus forte densité. Une densité plus élevée signifie plus de résistance, et plus de résistance signifie plus de chaleur. Cela oblige les centres de données à transférer une grande partie de l'énergie de l'informatique vers le refroidissement, avec jusqu'à 40 % de la consommation totale d'énergie du centre de données étant utilisée pour empêcher les pannes de serveurs.
L’infrastructure qui prend en charge l’IA est déjà en difficulté, et il est clair que l’informatique traditionnelle ne peut plus soutenir les développements futurs.
Problèmes économiques
Les opérateurs de centres de données sont confrontés à un dilemme financier : soit limiter la densité de calcul à ce que leurs installations de refroidissement actuelles peuvent gérer, ce qui entrave leurs capacités commerciales, soit repousser les limites thermiques, provoquant un vieillissement accéléré du matériel et des composants, augmentant ainsi les dépenses d'exploitation et le gaspillage.
En outre, le coût de construction de nouveaux centres de données est également très élevé. - McKinsey prédit que 5 200 milliards de dollars d'investissement seront nécessaires d'ici 2030. Si les centres de données continuent de s'appuyer sur l'informatique traditionnelle, investir dans une infrastructure inefficace constituera un risque financier énorme. Les consommateurs ordinaires sont également touchés par de mauvaises conditions économiques ; Alors que l’IA exerce une pression sans précédent sur le réseau et que la demande d’électricité des centres de données augmente, les prix de l’électricité augmentent. Ces coûts sont répercutés sur les ménages environnants sous la forme d’une facture d’électricité qui augmente rapidement.
