136 fois pire que ChatGPT : Le coût énergétique délirant des futurs agents IA
Une nouvelle étude menée par des chercheurs du Korea Advanced Institute of Science and Technology (KAIST), sous la direction du professeur Minsoo Rhu, révèle que les futurs agents IA pourraient consommer jusqu'à 136,5 fois plus d'électricité que les chatbots génératifs actuels. Présentée au symposium international IEEE sur l'architecture des ordinateurs haute performance (HPCA), cette recherche est décrite par ses auteurs comme la première étude complète consacrée au coût énergétique de ce type de systèmes. Concrètement, un agent reposant sur un modèle de langage de 70 milliards de paramètres, comparable aux modèles commerciaux actuels, consomme en moyenne 348,41 wattheures pour traiter une seule requête. Les chercheurs ont aussi mesuré que ces agents peuvent mettre jusqu'à 153,7 fois plus de temps qu'un raisonnement classique pour terminer une tâche, et que pendant près de 54,5 % de ce temps d'exécution, les processeurs graphiques (GPU) restent simplement en attente que des outils externes terminent leur travail, tout en continuant à consommer de l'électricité.
Résumé et traduction réalisés par Le Fil IA à partir de Le Big Data. Lire l'article original →
Cette différence de consommation s'explique par le mode de fonctionnement des agents IA. Contrairement à un chatbot classique qui génère une réponse en une seule étape, un agent multiplie les opérations : il interroge plusieurs fois un grand modèle de langage, lance des calculs, consulte des logiciels externes, parcourt Internet et coordonne divers outils pour accomplir une tâche complexe. Cette autonomie en fait un outil précieux pour la programmation, la recherche ou l'automatisation en entreprise, mais elle a un prix énergétique bien plus élevé qu'anticipé. Pour évaluer l'ampleur du problème à grande échelle, les chercheurs ont simulé un scénario où ces agents traiteraient 13,7 milliards de requêtes par jour, un volume comparable au trafic quotidien du moteur de recherche Google. Dans ce cas de figure, l'infrastructure nécessaire réclamerait environ 198,9 gigawatts d'électricité, soit près de la moitié de la consommation électrique moyenne des États-Unis, un niveau qui dépasse largement les capacités actuelles des centres de données spécialisés dans l'IA.
Cette étude tombe à un moment charnière, alors qu'OpenAI, Google, Microsoft, Anthropic et de nombreuses autres entreprises misent massivement sur l'IA agentielle, présentée comme la prochaine grande étape après les chatbots conversationnels. Or, selon l'équipe du KAIST, se contenter d'améliorer les modèles ne suffira pas à rendre cette évolution soutenable. Le professeur Minsoo Rhu estime que l'avenir de l'IA dépendra autant de son efficacité énergétique que de ses performances brutes. Les chercheurs plaident pour une approche globale associant puces plus performantes, meilleure utilisation des GPU, centres de données mieux conçus et infrastructures électriques capables d'absorber cette demande croissante, en développant conjointement modèles d'IA, semi-conducteurs, serveurs et systèmes énergétiques. L'objectif affiché est de limiter les coûts d'exploitation et d'assurer la viabilité à long terme d'une technologie dont l'adoption s'accélère plus vite que les infrastructures censées la soutenir.
Pas d'impact direct sur la France/UE