Est-ce que la gestion de l’énergie sera bientôt le facteur clé qui déterminera l’avenir de l’intelligence artificielle ? À l’heure où les GPU ultra-puissants poussent la croissance exponentielle de l’IA, les centres de données, véritables usines à calcul, semblent pris de court par leurs propres besoins électriques. Mais alors que chaque watt compte, comment ces géants peuvent-ils optimiser leur consommation sans freiner leur expansion ?
Lors de la dernière conférence de Nvidia, Jensen Huang a déploré le gaspillage énergétique criant dans les centres d’IA, affirmant : « Chaque watt non utilisé est une perte de revenu. » Mais pourquoi, malgré des investissements colossaux, l’industrie continue-t-elle de perdre jusqu’à 30 % de puissance à cause de problèmes de gestion électrique ? Cette inefficacité serait-elle la nouvelle frontière à franchir pour garantir la viabilité économique du secteur ?
Face à ce constat alarmant, la startup israélienne Niv-AI, fondée par Tomer Timor et Edward Kizis, sort de l’ombre avec une levée de fonds de 12 millions de dollars. Leur ambition : proposer une solution inédite grâce à des capteurs de précision capables de mesurer la consommation des GPU à la milliseconde. Mais qu’est-ce qui différencie leur approche de celles déjà testées par les centres de données ?
La révolution IA passe-t-elle par une révolution silencieuse de l’énergie ?
Traditionnellement, les centres de données composent tant bien que mal avec des pics de consommation liés aux tâches variables des GPU et doivent payer pour des solutions énergétiques temporaires ou réduire la puissance de calcul pour éviter de surcharger le réseau. Résultat : des investissements dans du matériel onéreux sous-exploités et des marges réduites. Alors, comment inverser cette tendance sans bouleverser toute l’infrastructure actuelle ?
Niv-AI pense avoir trouvé la parade : comprendre en profondeur les profils de consommation grâce à des capteurs installés directement sur les racks, puis modéliser ces données dans une IA capable d’anticiper et d’ajuster dynamiquement la demande énergétique. Peut-on véritablement synchroniser des milliers de GPU comme une chorale parfaitement accordée pour maximiser l’usage de chaque kilowatt ?
La société prévoit de déployer ses premières solutions dans des data centers américains dans les prochains mois. Pour les hyperscalers, souvent confrontés à l’impossibilité de construire de nouveaux centres à cause de difficultés foncières ou de chaînes d’approvisionnement, cette nouvelle couche d’intelligence pourrait-elle enfin rapprocher ordinateurs et réseaux électriques ?
Pour Tomer Timor, c’est un jeu d’équilibriste : aider les centres à « utiliser plus de GPU tout en créant des profils de consommation plus responsables ». Mais la promesse d’une entente parfaite entre centres de données et réseau électrique est-elle réaliste ou simplement un rêve d’ingénieur ? Cette nouvelle intelligence énergétique sera-t-elle adoptée à temps pour accompagner la croissance inarrêtable de l’IA ?
Source : Techcrunch
