L’essor massif des systèmes d’intelligence artificielle (IA) soulève de nouveaux défis en matière de consommation d’électricité, en raison de la forte demande énergétique des centres de données qui hébergent les serveurs nécessaires au traitement et au stockage des données. Ces infrastructures consomment une quantité considérable d’énergie, ce qui complique pour les fournisseurs la fourniture d’un approvisionnement électrique abordable et stable. Les solutions traditionnelles, comme la construction de nouvelles infrastructures de production ou de stockage d’énergie, sont souvent coûteuses et difficiles à déployer rapidement à grande échelle. Une équipe de chercheurs et ingénieurs dirigée par Ayse Coskun, scientifique principale chez Emerald AI, en collaboration avec NVIDIA, Oracle, Salt River Project (SRP) et l’Electric Power Research Institute (EPRI), a proposé une approche innovante basée sur le logiciel. Cette méthode consiste à transformer les centres de données en ressources flexibles capables de s’ajuster aux signaux du réseau électrique. Leur étude, publiée dans Nature Energy, démontre que les centres de données alimentés par des GPU peuvent moduler leur consommation d’énergie en réponse à des signaux du réseau, sans compromettre les performances des services d’IA. Le cadre logiciel développé par Emerald AI, appelé Emerald Conductor, permet d’ajuster intelligemment la consommation énergétique en fonction des conditions du réseau tout en respectant les accords de niveau de service (SLA). En analysant les compromis entre performance et consommation, le système identifie et modifie les tâches « flexibles » — celles qui peuvent tolérer de légères ralentissements — tout en maintenant le bon fonctionnement des applications critiques. L’équipe a testé cette approche sur un cluster réel de 256 GPU à Phoenix. Pendant une période de trois heures de forte pression sur le réseau, la consommation d’énergie a été réduite de 25 %, avec un impact négligeable sur les utilisateurs : les tâches ont été exécutées correctement et dans les délais. Ce travail marque la première démonstration concrète, dans un environnement réel, du potentiel des centres de données d’IA à stabiliser le réseau électrique. Il ouvre la voie à une intégration plus rapide des centres de données au réseau, à une utilisation plus efficace des capacités existantes et à un renforcement de la fiabilité du système énergétique. Les chercheurs prévoient d’étendre cette approche à d’autres centres, en profondeur avec les plateformes GPU, et en collaboration avec des acteurs du secteur énergétique, des gestionnaires de réseau (ISO) et le programme DCFlex d’EPRI. À long terme, ils visent une coordination entre plusieurs centres de données, opérant de manière coordonnée et sensible au réseau. Selon les experts, cette approche représente une avancée majeure pour l’avenir durable de l’IA, en alignant l’expansion technologique avec la stabilité du réseau électrique. Elle illustre comment l’IA peut non seulement consommer de l’énergie, mais aussi contribuer à sa gestion intelligente, marquant une transition vers des systèmes énergétiques plus résilients et durables.