Pourquoi les autocrates de l’IA doivent être mis au défi pour faire mieux

Si nous avons appris quelque chose de l’ère de l’IA, c’est que l’industrie est aux prises avec des défis de puissance importants. Ces défis sont à la fois littéraux – comme trouver des moyens de répondre aux exigences énergétiques voraces que les centres de données de l’IA nécessitent – et figuratifs – comme la concentration de la richesse de l’IA entre les mains de quelques-uns, basée sur des intérêts commerciaux étroits plutôt que sur des avantages sociétaux plus larges.

Le paradoxe de puissance de l’IA : coûts élevés, contrôle concentré

Pour que l’IA soit réussie et bénéfique pour l’humanité, elle doit devenir omniprésente. Pour devenir omniprésente, elle doit être à la fois économiquement et environnementalement durable. Ce n’est pas le chemin que nous empruntons actuellement. La bataille obsessionnelle pour des IA plus grandes et plus rapides est motivée davantage par des gains de performance à court terme et la domination du marché que par ce qui est le mieux pour une IA durable et abordable.

La course pour construire des systèmes d’IA toujours plus puissants s’accélère, mais elle se fait au prix d’un coût environnemental élevé. Les puces d’IA de pointe, comme la H100 d’Nvidia (jusqu’à 700 watts), consomment déjà des quantités importantes d’énergie. Cette tendance devrait se poursuivre, les spécialistes de l’industrie prédisant que l’architecture Blackwell de prochaine génération d’Nvidia (NVDA ) pourrait pousser la consommation d’énergie par puce bien dans la gamme des kilowatts, dépassant potentiellement 1 200 watts. Avec les dirigeants de l’industrie anticipant des millions de ces puces déployées dans des centres de données à travers le monde, les besoins énergétiques de l’IA sont sur le point de connaître une explosion.

Le coût environnemental de la course aux armements de l’IA

Mettons cela dans un contexte quotidien. L’électricité qui alimente votre maison entière pourrait faire fonctionner tous vos appareils à plein régime en même temps – ce que personne ne ferait. Imaginez maintenant une seule armoire Nvidia de 120 kW exigeant la même quantité d’énergie – surtout s’il y en a des centaines ou des milliers dans de grands centres de données ! Maintenant, 1 200 watts équivalent à 1,2 kW. Nous parlons donc en réalité d’un quartier de taille moyenne. Une seule armoire Nvidia de 120 kW – essentiellement 100 de ces puces voraces – a besoin d’autant d’électricité pour alimenter environ 100 foyers.

Cette trajectoire est préoccupante, étant donné les contraintes énergétiques que de nombreuses communautés rencontrent. Les experts en centres de données prédisent que les États-Unis auront besoin de 18 à 30 gigawatts de nouvelle capacité au cours des cinq à sept prochaines années, ce qui pousse les entreprises à chercher des moyens de gérer cette augmentation. Pendant ce temps, mon industrie continue de créer des applications d’IA génératives plus gourmandes en énergie qui consomment de l’énergie bien au-delà de ce qui est théoriquement nécessaire pour l’application ou de ce qui est réalisable pour la plupart des entreprises, pour ne pas parler de ce qui est souhaitable pour la planète.

Équilibrer la sécurité et l’accessibilité : solutions de centres de données hybrides

Cette autocratie de l’IA et cette “course aux armements”, obsédées par la vitesse et la puissance brute, ignorent les besoins pratiques des centres de données réels – à savoir, les solutions abordables qui réduisent les barrières du marché pour les 75 % des organisations américaines qui n’ont pas adopté l’IA. Et soyons réalistes, à mesure que davantage de réglementations sur l’IA sont mises en œuvre en matière de confidentialité, de sécurité et de protection de l’environnement, davantage d’organisations exigeront une approche de centre de données hybride, qui protège leurs données les plus précieuses, privées et sensibles dans des zones sécurisées sur place, à l’abri des attaques de l’IA et des cyberattaques récentes. Que ce soit des dossiers médicaux, des données financières, des secrets de défense nationale ou de l’intégrité des élections, l’avenir de l’IA d’entreprise exige un équilibre entre la sécurité sur place et l’agilité du cloud.

Il s’agit d’un défi systémique important et qui nécessite une hyper-collaboration plutôt qu’une hyper-concurrence. Avec une focalisation écrasante sur les GPU et les autres accélérateurs d’IA dotés de capacités brutes, de vitesse et de performances, nous manquons de considération suffisante pour les infrastructures abordables et durables nécessaires pour que les gouvernements et les entreprises adoptent les capacités d’IA. C’est comme construire un vaisseau spatial sans endroit où le lancer ou mettre une Lamborghini sur une route de campagne.

Démocratiser l’IA : collaboration industrielle

Alors que c’est encourageant de voir les gouvernements commencer à considérer la réglementation – pour garantir que l’IA profite à tous, et non seulement à l’élite – notre industrie a besoin de plus que des règles gouvernementales.

Par exemple, le Royaume-Uni utilise l’IA pour améliorer les capacités de lutte contre la criminalité en améliorant le partage de données entre les agences de lutte contre la criminalité pour améliorer la prédiction et la prévention des crimes basées sur l’IA. Ils se concentrent sur la transparence, la responsabilité et l’équité dans l’utilisation de l’IA pour la police, en garantissant la confiance du public et le respect des droits de l’homme – avec des outils tels que la reconnaissance faciale et la police prédictive pour aider à la détection et à la gestion des crimes.

Dans des secteurs hautement réglementés comme la biotechnologie et les soins de santé, des collaborations notables incluent Johnson & Johnson (JNJ ) MedTech et Nvidia travaillant ensemble pour améliorer l’IA pour les procédures chirurgicales. Leur collaboration vise à développer des capacités d’analyse et de prise de décision en temps réel basées sur l’IA dans la salle d’opération. Ce partenariat utilise les plateformes d’IA d’NVIDIA pour permettre un déploiement évolutif, sécurisé et efficace des applications d’IA dans les établissements de soins.

Pendant ce temps, en Allemagne, Merck a formé des alliances stratégiques avec Exscientia et BenevolentAI pour faire progresser la découverte de médicaments basée sur l’IA. Ils utilisent l’IA pour accélérer le développement de nouveaux candidats-médicaments, en particulier en oncologie, en neurologie et en immunologie. L’objectif est d’améliorer le taux de réussite et la rapidité du développement de médicaments grâce aux capacités de conception et de découverte puissantes de l’IA.

La première étape consiste à réduire les coûts de déploiement de l’IA pour les entreprises au-delà de BigPharma et BigTech, en particulier dans la phase d’inférence de l’IA – lorsque les entreprises installent et exécutent un modèle d’IA formé comme Chat GPT, Llama 3 ou Claude dans un centre de données réel chaque jour. Des estimations récentes suggèrent que le coût de développement de ces systèmes de prochaine génération pourrait être d’environ 1 milliard de dollars, avec des coûts d’inférence pouvant être 8 à 10 fois plus élevés.

Le coût élevé de la mise en œuvre de l’IA dans la production quotidienne empêche de nombreuses entreprises d’adopter pleinement l’IA – les “déshérités”. Un récent sondage a constaté que seulement un quart des entreprises ont lancé avec succès des initiatives d’IA au cours des 12 derniers mois et que 42 % des entreprises n’ont pas encore vu de bénéfices significatifs des initiatives d’IA générative.

Pour vraiment démocratiser l’IA et la rendre omniprésente – c’est-à-dire, une adoption commerciale généralisée – notre industrie de l’IA doit changer de cap. Au lieu d’une course pour les plus grands et les plus rapides modèles et puces d’IA, nous avons besoin de plus d’efforts de collaboration pour améliorer l’abordabilité, réduire la consommation d’énergie et ouvrir le marché de l’IA pour partager tout son potentiel positif de manière plus large. Un changement systémique ferait monter tous les bateaux en rendant l’IA plus rentable pour tous, avec d’importants avantages pour les consommateurs.

Il y a des signes encourageants que la réduction des coûts de l’IA est réalisable – en abaissant la barrière financière pour renforcer les initiatives d’IA à grande échelle nationale et mondiale. Ma société, NeuReality, collabore avec Qualcomm (QCOM ) pour atteindre une réduction de coûts de jusqu’à 90 % et 15 fois meilleure efficacité énergétique pour diverses applications d’IA sur le texte, le langage, le son et les images – les briques de base de l’IA. Vous savez, ces modèles d’IA sous les mots à la mode tels que la vision par ordinateur, l’IA conversationnelle, la reconnaissance vocale, le traitement du langage naturel, l’IA générative et les grands modèles de langage. En collaborant avec plus de fournisseurs de logiciels et de services, nous pouvons continuer à personnaliser l’IA dans la pratique pour améliorer les performances et réduire les coûts.

En fait, nous avons réussi à diminuer le coût et la consommation d’énergie par requête d’IA par rapport aux infrastructures traditionnelles basées sur les CPU, sur lesquelles reposent actuellement toutes les puces d’accélérateur d’IA, y compris les GPU d’Nvidia. Notre appareil d’inférence d’IA NR1-S a commencé à être livré cet été avec des accélérateurs Qualcomm Cloud AI 100 Ultra associés à des NAPU NR1. Le résultat est une architecture NeuReality alternative qui remplace le CPU traditionnel dans les centres de données d’IA – le goulet d’étranglement le plus important dans le traitement des données d’IA aujourd’hui. Ce changement évolutif est profond et hautement nécessaire.

Au-delà de l’hype : construire un avenir économique et durable pour l’IA

Allons au-delà de l’hype de l’IA et soyons sérieux pour aborder nos défis systémiques. Le travail difficile est devant nous, au niveau du système, et nécessite que notre industrie de l’IA travaille avec – et non contre – les autres. En nous concentrant sur l’abordabilité, la durabilité et l’accessibilité, nous pouvons créer une industrie de l’IA et une base de clients plus large qui profite à la société de manière plus importante. Cela signifie offrir des choix d’infrastructures durables sans que la richesse de l’IA soit concentrée entre les mains de quelques-uns, connus sous le nom de Big 7.

L’avenir de l’IA dépend de nos efforts collectifs aujourd’hui. En donnant la priorité à l’efficacité énergétique et à l’accessibilité, nous pouvons éviter un avenir dominé par des infrastructures d’IA gourmandes en énergie et une oligarchie de l’IA axée sur les performances brutes au détriment des avantages généralisés. En même temps, nous devons aborder la consommation d’énergie non durable qui entrave le potentiel de l’IA à révolutionner la sécurité publique, les soins de santé et le service client.

En agissant ainsi, nous créons un cycle d’investissement et de rentabilité de l’IA puissant, alimenté par l’innovation généralisée.

Qui est avec nous ?