{"id":9046,"date":"2021-10-07T14:47:19","date_gmt":"2021-10-07T12:47:19","guid":{"rendered":"https:\/\/golem.ai\/?p=9046"},"modified":"2022-04-22T11:46:52","modified_gmt":"2022-04-22T09:46:52","slug":"intelligence-artificielle-frugale","status":"publish","type":"post","link":"https:\/\/miralia.ai\/en\/blog\/intelligence-artificielle-frugale","title":{"rendered":"Frugalit\u00e9, le chemin vers une green IA"},"content":{"rendered":"

Le d\u00e9veloppement num\u00e9rique entra\u00eene ind\u00e9niablement une consommation accrue \u00e9nerg\u00e9tique des solutions d\u2019intelligence artificielle. D\u00e9couvrez comment la frugalit\u00e9 subsiste dans chacune de nos solutions, et comment le choix technologique d\u00e9termine l\u2019importance de vos impacts \u00e9nerg\u00e9tiques. Un sujet abord\u00e9 dans notre s\u00e9rie IA Ethique avec l’interview de Ludovic Fleury, VP Engineering chez Golem.ai.<\/h3>\n\n\n\n

Que recouvre le terme de frugalit\u00e9 en informatique ? Est-ce nouveau ?<\/h2>\n\n\n\n

Le monde digital n\u2019est pas sans limites. Ce domaine, qui peut sembler impalpable, repose bien sur des lois de la physique : le logiciel \u00ab software \u00bb ne d\u00e9ploie aucune valeur sans l\u2019infrastructure mat\u00e9rielle \u00ab hardware \u00bb. L\u2019acc\u00e9l\u00e9ration du progr\u00e8s technologique entra\u00eene une d\u00e9multiplication des probl\u00e8mes \u00e9nerg\u00e9tiques<\/strong>. Les data centers, culmination de notre agriculture intensive de l\u2019information du d\u00e9but du mill\u00e9naire, ne sont plus les seuls acteurs \u00e9nerg\u00e9tiques de l\u2019IT.<\/p>\n\n\n\n

Il faut, par exemple, composer avec le ph\u00e9nom\u00e8ne de d\u00e9centralisation mis en lumi\u00e8re par les technologies de la blockchain (cryptomonnaie, NFT). Les d\u00e9bats autour du bitcoin couvrent largement ces nouvelles probl\u00e9matiques. On peut \u00e9galement aborder l\u2019intensification de l\u2019interconnexion avec l\u2019IoT<\/strong> (internet of things) qui malgr\u00e9 sa vision durable doit composer avec le co\u00fbt \u00e9nerg\u00e9tique du cycle de vie du mat\u00e9riel n\u00e9cessaire \u00e0 son d\u00e9ploiement.<\/p>\n\n\n\n

C\u2019est dans cette continuit\u00e9 que l\u2019artificial intelligence<\/strong> repr\u00e9sente un nouveau dilemme \u00e9nerg\u00e9tique. Sa puissance de calcul est un atout indispensable pour r\u00e9pondre \u00e0 ces enjeux, mais elle n\u2019est disponible qu\u2019\u00e0 un co\u00fbt particuli\u00e8rement \u00e9lev\u00e9, notamment dans l\u2019utilisation d\u2019IA qui n\u00e9cessite des entra\u00eenements massifs bas\u00e9s sur une grande quantit\u00e9 de data.<\/p>\n\n\n\n

T\u00e9l\u00e9chargez notre livre blanc<\/strong><\/a><\/p>\n\n\n\n

\"\"<\/a><\/figure><\/div>\n\n\n\n

Avez vous une id\u00e9e comparative entre la consommation \u00e9nerg\u00e9tique Symbolique et machine learning ?<\/h2>\n\n\n\n

Une \u00e9tude de l\u2019universit\u00e9 du Massachusetts a estim\u00e9 les \u00e9missions de CO2 n\u00e9cessaires \u00e0 l\u2019entra\u00eenement de mod\u00e8les de NLP en machine learning<\/strong> \u00e9quivalentes \u00e0 125 vols New York – P\u00e9kin. C\u2019est pas moins de 300 tonnes de CO2 pour \u00eatre op\u00e9rationnel, sans aucun b\u00e9n\u00e9fice direct, puisqu\u2019il faut encore ajouter les co\u00fbts de chaque calcul de pr\u00e9diction*.<\/p>\n\n\n\n

Les optimisations des logiciels, sites web, applications ou algorithmes n\u2019am\u00e9liorent plus uniquement notre comp\u00e9titivit\u00e9. Ce travail r\u00e9pond d\u00e9sormais \u00e0 une nouvelle dimension : la durabilit\u00e9 \u00e9cologique<\/strong>, composante essentielle des enjeux \u00e9conomiques de notre \u00e9poque.<\/p>\n\n\n\n

C’est face \u00e0 ce constat que le concept de frugalit\u00e9 fait sens. La frugalit\u00e9 va au-del\u00e0 de la r\u00e9duction hom\u00e9opathique d\u2019\u00e9mission de CO2, c’est une v\u00e9ritable conception de la responsabilit\u00e9 environnementale <\/strong>de toute entreprise face aux enjeux du 21\u00e8me si\u00e8cle.<\/p>\n\n\n\n

De plus, la frugalit\u00e9 est un terme pr\u00e9f\u00e9rable \u00e0 celui de sobri\u00e9t\u00e9 car il implique non pas de r\u00e9duire ou d’arr\u00eater de produire mais bien de repenser nos mod\u00e8les techniques<\/strong> afin d’en limiter les impacts n\u00e9gatifs sur l’environnement tout en assurant la continuit\u00e9 de performance de ces derniers.<\/p>\n\n\n\n

\"\"<\/a><\/figure><\/div>\n\n\n\n

En quoi est ce important pour une DSI de monitorer sa consommation ?<\/h2>\n\n\n\n

La frugalit\u00e9, c’est une approche positive source de cr\u00e9ativit\u00e9<\/strong>, de challenge et de renouveau pour les acteurs \u00e9conomiques. Les DSI, vecteurs puissants d\u2019innovation au sein des entreprises, \u00e9prouv\u00e9es aux transformations rapides et continues, sont de facto des champions de ces changements.<\/p>\n\n\n\n

Golem.ai est intrins\u00e8quement en ad\u00e9quation avec le concept de frugalit\u00e9 sur tous ses aspects en raison de son choix d\u2019une IA symbolique<\/a>. Le volume de donn\u00e9es n\u00e9cessaire pour obtenir une IA hautement performante est absolument d\u00e9risoire compar\u00e9 au machine learning. De plus, cette approche ne n\u00e9cessite aucun entra\u00eenement<\/strong>, donc quasi aucun co\u00fbt \u00e9nerg\u00e9tique<\/strong> li\u00e9 \u00e0 la mise en place de l\u2019IA. Enfin, l’explicabilit\u00e9 d\u2019une IA symbolique soulage \u00e9galement la mise en place de syst\u00e8mes d\u2019explicabilit\u00e9<\/a> ad-hoc, un sujet tr\u00e8s discut\u00e9 aujourd’hui, qui d\u00e9multipliera s\u00fbrement l\u2019impact \u00e9nerg\u00e9tique du machine learning.<\/p>\n\n\n\n

Alors que la crise du Covid19 nous montre qu\u2019une r\u00e9duction des \u00e9missions de CO2 est possible \u00e0 un co\u00fbt certain, il faut absolument r\u00e9volutionner les techniques trop \u00e9nergivores<\/strong> et questionner notre darwinisme technologique. Nos syst\u00e8mes num\u00e9riques ne peuvent exister qu\u2019en symbiose avec notre univers physique. L\u2019innovation est plus que jamais synonyme de responsabilit\u00e9.<\/p>\n\n\n\n

*Etude Energy and Policy Considerations for Deep Learning in NLP (https:\/\/arxiv.org\/abs\/1906.02243v1)<\/em><\/p>\n\n\n\n

<\/p>\n\n\n\n

D\u00e9couvrez les autres sujets de notre s\u00e9rie sur l’IA Ethique : <\/strong><\/p>\n\n\n\n