Une startup chinoise, DeepSeek, propose une approche frugale de l’intelligence artificielle, utilisant moins de puissance de calcul que les géants américains pour développer des modèles de langage. Cette innovation pourrait transformer le secteur technologique et influencer positivement la demande énergétique, tout en suscitant des interrogations sur les prévisions de croissance de l’énergie pour les centres de données. Les experts soulignent l’importance d’une gestion efficace de cette demande pour atteindre des objectifs de réduction des émissions à l’avenir.
Une Révolution Frugale dans l’IA Chinoise
Une nouvelle approche plus économe d’une entreprise d’intelligence artificielle en Chine pourrait redéfinir l’avenir de l’IA en la rendant moins énergivore et plus respectueuse de l’environnement, selon des experts en énergie. La startup DeepSeek prétend avoir conçu un outil d’IA performant tout en utilisant seulement une fraction de la puissance de calcul requise par les entreprises technologiques américaines pour entraîner de grands modèles de langage (LLM). Cette annonce a provoqué des remous sur le marché des actions technologiques, car le succès apparent de DeepSeek remet en question l’idée que seules les grandes entreprises américaines peuvent dominer le secteur grâce à leur taille et à leurs ressources considérables.
Des Implications pour l’Avenir Énergétique
Les affirmations de DeepSeek sur l’efficacité de son modèle soulèvent des interrogations sur les prévisions récentes concernant la demande énergétique croissante pour alimenter des centres de données de plus en plus grands. Si DeepSeek parvient à réaliser plus avec moins, cela pourrait indiquer une tendance favorable pour l’ensemble du secteur technologique. Arvind Ravikumar, professeur adjoint à l’Université du Texas à Austin, souligne que l’efficacité de DeepSeek résulte d’une nécessité, en raison des restrictions politiques américaines sur la vente de microprocesseurs aux entreprises chinoises.
Les répercussions de DeepSeek ne se limitent pas au secteur technologique. Certaines entreprises énergétiques ont également été affectées, les investisseurs remettant en question la croissance anticipée de la demande énergétique pour les centres de données d’IA. Cependant, des études comme celle-ci mettent en lumière l’incertitude qui entoure ces projections. Tom Wilson, directeur technique à l’Institut de recherche sur l’énergie électrique, affirme que les chercheurs s’efforcent d’intégrer les gains d’efficacité dans leurs calculs de demande énergétique, car des améliorations significatives sont essentielles pour réduire les coûts et rendre l’IA accessible à tous.
Alors que plusieurs entreprises technologiques peinent à atteindre leurs objectifs de zéro émission nette, l’expansion des centres de données et les investissements dans des technologies énergivores augmentent leurs émissions de gaz à effet de serre. Bien que des modèles d’IA plus efficaces puissent sembler prometteurs, la complexité de cette technologie en évolution rapide ne doit pas être négligée. Luccioni avertit que la formation n’est qu’une partie du processus et que l’inférence, c’est-à-dire l’utilisation des modèles par les consommateurs, consomme également de l’énergie.
Ravikumar met en garde contre les « revendications exagérées » concernant l’augmentation de la demande d’électricité pour l’IA, mais convient que cette demande va probablement augmenter. La question cruciale est de savoir si cette nouvelle demande énergétique sera gérable à court terme, permettant aux fournisseurs d’énergie d’y répondre avec des sources d’énergie propres. Ainsi, notre réponse à l’augmentation de la demande d’électricité aujourd’hui sera déterminante pour atteindre nos objectifs de réduction des émissions à l’avenir.