IA : L'entraînement va doubler la demande électrique mondiale d'ici 2030

Le rythme accéléré du développement de l’intelligence artificielle, en particulier l’entraînement intensif des modèles à grande échelle qui sous-tendent de nombreuses applications populaires, est sur le point de créer une augmentation sans précédent de la demande d’électricité. Un nouveau rapport publié conjointement par l’Electric Power Research Institute (EPRI) et Epoch AI prévoit que d’ici 2030, l’entraînement d’un seul modèle d’IA de pointe pourrait nécessiter plus de 4 gigawatts (GW) de puissance – une quantité suffisante pour électrifier des millions de foyers américains.

L’empreinte énergétique de l’entraînement de ces modèles d’IA sophistiqués a toujours été substantielle, nécessitant d’immenses alimentations électriques concentrées. Malgré des progrès significatifs en matière d’efficacité computationnelle, la puissance requise pour entraîner un modèle de pointe a plus que doublé chaque année au cours de la dernière décennie. Cette demande croissante est tirée par la quête de l’industrie de l’IA pour des performances améliorées grâce à des modèles de plus en plus grands et complexes, ce qui nécessite à son tour une plus grande puissance de calcul et, par conséquent, plus d’électricité. Le rapport indique que cette tendance à l’augmentation de la taille des modèles d’IA est susceptible de persister dans les années à venir, même si les avancées en matière d’efficacité se poursuivent.

Cependant, la demande globale de puissance pour l’intelligence artificielle s’étend bien au-delà de l’entraînement de ces modèles colossaux. Une partie substantielle de la future capacité de puissance sera également allouée au déploiement de services d’IA pour les utilisateurs finaux, à l’entraînement de modèles plus petits et spécialisés, et à la recherche continue en IA. Les estimations actuelles situent la capacité totale de puissance de l’IA aux États-Unis à environ 5 GW. Ce chiffre devrait monter en flèche à plus de 50 GW d’ici 2030, un niveau de demande qui égalerait la consommation d’énergie mondiale actuelle des centres de données et représenterait une part en rapide expansion des besoins énergétiques globaux des centres de données.

Jaime Sevilla, directeur d’Epoch AI, a souligné la gravité de ces projections, déclarant que les demandes d’énergie pour l’entraînement de modèles d’IA avancés doublent d’année en année, approchant bientôt la production des plus grandes centrales nucléaires. Il a souligné l’analyse rigoureuse et basée sur les données du rapport concernant ces tendances et leur trajectoire future, affirmant l’engagement d’Epoch AI à poursuivre les recherches sur l’empreinte énergétique de l’IA. Arshad Mansoor, président et PDG de l’EPRI, a souligné l’omniprésence croissante de l’IA et son rôle pivot anticipé dans le futur paysage énergétique. Il a noté que pour répondre efficacement à ces demandes énergétiques croissantes, les développeurs de centres de données et les fournisseurs d’énergie adoptent des stratégies innovantes de “construire pour équilibrer”. Cette approche implique la construction de nouvelles infrastructures tout en intégrant simultanément la flexibilité dans les conceptions des centres de données, ce qui est jugé essentiel pour accélérer les connexions au réseau, minimiser les coûts et renforcer la fiabilité du système.

En réponse à ces défis, l’EPRI a lancé la collaboration DCFlex l’année dernière. Cette initiative vise à développer et à démontrer les technologies, les politiques et les outils nécessaires pour réaliser le potentiel de flexibilité des centres de données. Le concept de flexibilité des centres de données, en particulier par le biais de centres de données d’entraînement géographiquement distribués, envisage de transformer ces installations de consommateurs passifs d’électricité en actifs de réseau actifs. Cette transformation promet d’améliorer la fiabilité du réseau, de réduire les coûts et d’accélérer les nouvelles connexions. L’effort DCFlex a recueilli un soutien significatif de l’industrie, réunissant plus de 45 entreprises, y compris des membres fondateurs comme Google, Meta, NVIDIA, et divers fournisseurs de services publics. La collaboration a récemment initié ses premières démonstrations sur le terrain dans des lieux clés tels que Lenoir, Caroline du Nord ; Phoenix, Arizona ; et Paris, France, marquant une étape tangible vers une infrastructure énergétique plus résiliente et réactive pour l’ère de l’IA.