L’essor spectaculaire du deep learning rime avec explosion des coûts énergétiques pour les géants de l’IA

Depuis des années que les géants de l’intelligence artificielle (IA) se livrent à une course effrénée à qui propose le service le plus performant de cet univers. Une concurrence leur permettant d’ailleurs de progresser d’une manière considérable, mais qui n’est cependant pas sans contrepartie selon les observateurs pointant du doigt les dépenses énergétiques.

Le deep learning ou apprentissage automatique profond, c’est sur ce sujet que les analystes ont concentré leurs études dernièrement. Simplement, parce qu’il s’agit de l’une des plus récentes découvertes réalisées par les spécialistes du domaine et qui a permis à l’intelligence artificielle de faire un énorme bond dans son évolution.

En y regardant de près, ces chercheurs ont en effet découvert qu’il s’agit là d’une très belle découverte, sauf que son utilisation nécessite une énorme quantité d’énergie. Ce qui, au final, impacterait négativement sur la planète en matière de réchauffement climatique. Du moins, en l’absence de solutions permettant de limiter les dégâts.

Le deep learning est particulièrement vorace

À travers leurs études, les chercheurs s’accordent à dire que toutes les activités numériques consomment une quantité relativement élevée d’électricité. Mais en se concentrant sur le deep learning, ils ont découvert que dans ce domaine, cette technologie récente est particulièrement vorace pour la simple raison que ces réseaux de neurones nécessitent une quantité considérable de données. À Neil Thomson d’expliquer :

Pour obtenir de meilleures performances, vous avez besoin de toujours plus de données, et de toujours plus de calculs. Or on constate que la puissance de calcul augmente plus vite que les performances, et se traduit par une hausse de la consommation électrique.

 

Pour aller plus loin, ce chercheur au laboratoire d’informatique et d’IA du MIT a même ajouté que :

Le coût énergétique peut être tout aussi élevé, voire plus.

 

L’empreinte carbone est tout aussi considérable

Sachant que l’apprentissage automatique profond est particulièrement énergivore, des chercheurs de l’université du Massachusetts n’ont pas pu s’empêcher d’effectuer un comparatif gaz en se fixant pour objectif d’en mesurer les impacts en matière d’émission de CO2. Ce, en prenant en compte dans leurs calculs différents paramètres comme :

• Le type de processeurs utilisés ;
• La situation géographique des serveurs ;
• Le mix de production électrique employé qu’il s’agisse de gaz, de renouvelables, de charbon ou de nucléaire.

Une simulation qui a permis à ces derniers de déduire que le taux d’émission du plus gros des modèles de deep learning est l’équivalent du gaz à effet de serre émis par 6 voitures à moteur thermique durant leur cycle de vie. Soit, à hauteur de 300 tonnes de CO2. Un niveau relativement élevé conduisant un analyste à conclure que :

À terme, un déploiement massif de l’intelligence artificielle pourrait avoir un impact énergétique significatif.

La raison est simple, cette nouvelle technologie est vouée à prendre de l’ampleur et gagner du terrain auprès des utilisateurs. Ce qui explique en outre le choix de la communauté de l’IA à chercher des solutions pour limiter les dégâts. Dans ce sens, la plus récente en date est ce logiciel open source baptisé CodeCarbon qui, selon ses concepteurs :

Permet automatiquement de chercher des informations sur le montant de CO2 nécessaire pour exécuter leur programme.

Et d’ajouter :

L’objectif est d’aider les data scientists à prendre conscience du problème, et de les inciter à agir.