L’IA serait en mesure de générer 13 000 milliards de dollars supplémentaires pour l’économie mondiale entre 2020 et 2030. Cependant, son coût environnemental reste inquiétant : l’IA dispose d’ores et déjà d’une empreinte carbone non négligeable – plus importante que celle de l’industrie du transport aérien. Aujourd’hui, la conception des modèles d’IA est incontestablement très coûteuse et pour répondre à sa nature énergivore, les ingénieurs se penchent sur le développement d’un « IA minimaliste ». Un concept qui permet de réduire les coûts et les besoins énergétiques en réduisant considérablement les modèles. Cette technologie permet d’entraîner l’IA sur des réseaux périphériques plutôt que sur des serveurs cloud.
De petits modèles d’IA pour de petits appareils
Les modèles d’IA ne doivent pas nécessairement faire des centaines de gigaoctets pour être efficaces. Des modèles plus petits, comme MobileNet (20 Mo), fonctionnent tout aussi bien, si les données d’entrée, le matériel périphérique et l’architecture du modèle sont sélectionnés de manière appropriée. En outre, les techniques de compression de modèles peuvent réduire le nombre de paramètres entrant dans un modèle d’IA, sans générer de perte importante de précision dans les résultats.
25 à 30 milliards. C’est le nombre de dispositifs IoT que nous anticipons d’ici 2025. Les besoins en puissance de traitement vont alors exploser en raison de la quantité de données qu’ils génèrent. Il est devenu impératif de transférer une partie de la charge de calcul vers les dispositifs périphériques. De tels petits modèles d’IA peuvent être poussés vers les appareils IoT périphériques, qui nécessitent une énergie et une capacité de traitement minimales.
Catalyseurs de l’IA minimaliste
L’écosystème IA évolue rapidement grâce aux progrès de l’apprentissage fédéré, du web décentralisé et des appareils IoT sans batterie. Ces évolutions sont susceptibles de servir de catalyseurs à l’adoption de l’IA minimaliste.
L’apprentissage fédéré, un concept lancé par Google, consiste à entraîner un algorithme sur la machine des utilisateurs d’une application et à partager les apprentissages réalisés sur la machine de chaque utilisateur. Ainsi, les appareils forment leurs propres modèles à l’aide de données locales et ne partagent qu’une mise à jour récapitulative périodique afin de former le modèle centralisé. Cela permet de réduire les exigences globales de traitement – et donc l’énergie consommée pour former les modèles d’IA.
En outre, l’avenir du web semble être décentralisé. Les réseaux basés sur la blockchain, tels que Helium, qui peuvent faire de n’importe qui un fournisseur de couverture réseau (dans le spectre sans licence), sont en train de rabattre les cartes d’Internet.
Enfin, l’apparition d’appareils IoT sans batterie contribuera pleinement à la protection de l’environnement : ces appareils tirent leur puissance de traitement de leur environnement ambiant plutôt que des batteries qui génèrent des déchets.
L’IA est partout. Les entreprises se doivent de veiller à son déploiement responsable et durable. L’IA responsable signifie que toutes les initiatives doivent respecter les droits fondamentaux (par exemple, la vie privée et l’égalité) associés à l’Homme. L’IA durable vise la neutralité carbone. L’IA minimaliste jouera donc un rôle majeur dans la réalisation de cet objectif. À l’heure où les organismes de réglementation du monde entier appliquent des normes éthiques et environnementales plus strictes, les entreprises qui feront de la durabilité un principe fondateur réussiront plus que jamais dans le domaine de l’IA.
