L’IA consomme 99 % d’énergie en moins grâce à ce composant

Des chercheurs ont créé un transistor capable de faire fonctionner une intelligence artificielle localement, sans envoyer les données dans le Cloud. Résultat : les tâches nécessitent presque 100 % d’énergie en moins.

Les systèmes basés sur l’intelligence artificielle tels que ChatGPT ou Bard ont de nombreux points communs. Si beaucoup sont positifs, on se passerait bien de l’un d’entre eux : la consommation énergétique très importante. L’IA demande d’ailleurs tellement d’électricité pour fonctionner qu’on commence à craindre des pénuries d’eau dans certaines villes. Réduire les besoins en énergie est donc une priorité pour contrer l’impact grandissant de cette technologie sur l’environnement.

Les ingénieurs de l’Université de Northwestern dans l’Illinois aux États-Unis ont justement mis au point un composant révolutionnaire. Un transistor qui permet à l’intelligence artificielle de fonctionner avec seulement 1 % de l’énergie actuellement nécessaire.

Pour réussir cet exploit, les tâches sont effectuées localement, depuis l’appareil. Mark C. Hersam, l’un des auteurs des travaux, rappelle en effet qu’aujourd’hui, “la plupart des capteurs récoltent les données et les envoient ensuite dans le Cloud, où l’analyse se déroule sur des serveurs très énergivores avant que les résultats ne soient renvoyés à l’utilisateur”.

UN NOUVEAU COMPOSANT FAIT FONCTIONNER L’INTELLIGENCE ARTIFICIELLE AVEC 99 % D’ÉNERGIE EN MOINS
Le transistor créé par les équipes n’utilise pas de silicone comme c’est le cas majoritairement, mais du disulfure de molybdène et des nanotubes en carbone. Sans entrer dans les détails, cela réduit de 99 % la consommation énergétique lorsqu’une analyse est demandée à l’IA embarquée. En guise de test, les chercheurs ont demandé au système d’analyser 10 000 électrocardiogrammes disponibles publiquement et de classer les battements cardiaques selon 6 types distincts. Les résultats sont justes à 95 %.

En plus de drastiquement diminuer l’énergie nécessaire, une analyse locale fait gagner du temps et renforce la sécurité des données. “Chaque fois que des données transitent, cela augmente la possibilité qu’elles soient dérobées” rappelle Hersam. Lui et son équipe imaginent déjà les transistors équiper des objets connectés courants comme les montres ou les bracelets.

Chacun serait configuré selon les données de santé personnelles de son propriétaire pour des applications en temps réel rapides, sécurisées et surtout économes en énergie.

Northwestern Now

You may like