RAVEL prévoit une étude sur la planification tenant compte de l’énergie pour l’IA distribuée

RAVEL a annoncé le 12 novembre 2026 une collaboration de recherche avec Sandia National Laboratories dans le cadre du Project Quicksilver, une étude en plusieurs phases sur la planification de charges de travail d’IA tenant compte de l’énergie dans des environnements informatiques répartis géographiquement. La première phase portera sur trois sites de Sandia et comparera des systèmes refroidis par air et par immersion.

L’étude cherchera à déterminer si la disponibilité de l’énergie, les conditions d’exploitation et les exigences des charges de travail peuvent orienter les décisions de planification et de placement afin de répondre aux contraintes énergétiques, de capacité et de coût. Elle vise à éclairer la conception et l’exploitation des centres de données en examinant comment mieux valoriser l’énergie et la capacité de calcul, plutôt que de supposer qu’une capacité supplémentaire se traduit automatiquement par une infrastructure plus utile. L’annonce porte sur des mesures prévues, et non sur des résultats déjà obtenus ou des économies démontrées.

La PDG et cofondatrice de RAVEL, Denise Muyco, a déclaré que le projet étudierait comment l’orchestration peut améliorer la productivité des investissements dans les infrastructures d’IA tout en favorisant une utilisation plus responsable de l’énergie.

Conception expérimentale sur trois sites

La première phase évaluera les deux environnements de refroidissement sur trois sites de Sandia reliés par un réseau étendu. La conception expérimentale de Box–Behnken sera utilisée pour les environnements refroidis par air et celle de Plackett–Burman pour les environnements refroidis par immersion. La bande passante et la vitesse du réseau varieront en même temps que d’autres facteurs expérimentaux.

L’analyse de l’efficacité énergétique comparera des charges de travail identiques dans différents environnements de refroidissement et prendra en compte le calcul, l’infrastructure informatique et l’exploitation des centres de données. Les mesures porteront notamment sur la consommation d’énergie, le TUE et l’efficacité ajustée en fonction du PUE, ainsi que sur les avantages potentiels de la réutilisation de la chaleur. Cette approche relie le placement des charges de travail aux coûts indirects des installations et du refroidissement, au lieu de mesurer isolément les équipements informatiques.

Une analyse distincte du coût total de possession évaluera l’incidence de la planification et du placement sur les coûts de calcul dans des environnements distribués. Elle couvrira les dépenses d’investissement et d’exploitation liées à l’infrastructure, à l’alimentation électrique, au refroidissement, au réseau et aux opérations. Un troisième volet mesurera le délai d’exécution des charges de travail d’IA, en considérant le temps d’exécution au même titre que la consommation d’énergie et les coûts, afin que les chercheurs puissent examiner les compromis entre ces objectifs.

Orchestration fédérée entre plusieurs sites

RAVEL présente Orchestrate AI comme une couche d’orchestration fédérée permettant de gérer des charges de travail d’IA sur des ressources hétérogènes réparties géographiquement. Le modèle envisagé coordonne les différents sites comme un système unique, plutôt que d’optimiser chaque environnement séparément. Sa planification tenant compte de l’énergie et sa gestion fondée sur des politiques prennent en considération l’énergie disponible, les coûts, les exigences de performance, les conditions de l’infrastructure, les besoins des charges de travail et les priorités opérationnelles.

Dave Martinez, responsable des programmes et projets d’ingénierie pour Infrastructure Computing Services chez Sandia, a décrit la portée de la collaboration : « Dans le cadre d’un accord de coopération en matière de recherche et développement avec RAVEL, nous étudierons si le placement dynamique des charges de travail peut permettre de mieux utiliser l’énergie et les ressources de calcul disponibles, tout en conciliant performance et coûts. »

Cette approche expérimentale est importante, car déplacer ou replanifier une charge de travail peut avoir des effets qui dépassent sa seule consommation d’énergie. Le protocole d’essai suit également les coûts de réseau et d’exploitation, les environnements de refroidissement et le temps d’exécution, ce qui permet aux chercheurs d’évaluer les décisions de placement au regard de plusieurs contraintes d’infrastructure.

Extension aux laboratoires et SC26

Sandia est le premier laboratoire chargé de la recherche. Les collaborateurs prévoient d’étendre le Project Quicksilver à d’autres laboratoires nationaux du département de l’Énergie des États-Unis et d’étudier des cas d’utilisation supplémentaires liés à l’environnement et à l’optimisation des performances.

RAVEL et Sandia doivent présenter leur approche expérimentale, les phases d’essai prévues et les résultats de recherche attendus sur le stand du Department of Energy pendant SC26, le 17 novembre 2026.

La question centrale du Project Quicksilver est de savoir si le fait de traiter des centres de données distincts comme un système coordonné peut améliorer la consommation d’énergie et l’économie du calcul sans nuire aux performances des charges de travail. Le plan de mesure en fait une question qui concerne l’ensemble de l’infrastructure : les décisions de planification influent sur la consommation d’énergie, mais le refroidissement, le réseau, les coûts d’investissement et les délais d’exécution déterminent également si ces décisions rendent l’informatique distribuée plus productive.