La demande croissante d’électricité du secteur de l’IA est déjà devenue une préoccupation croissante pour les gouvernements, les services publics et les entreprises technologiques. Mais une nouvelle étude suggère que la prochaine génération d’intelligence artificielle pourrait aggraver considérablement ce problème.
Des chercheurs de l’Institut supérieur coréen des sciences et technologies (KAIST) ont publié ce qu’ils décrivent comme la première analyse complète du coût énergétique des agents d’IA – des systèmes d’IA capables de raisonner, de planifier et d’accomplir des tâches de manière autonome. Leurs résultats montrent que ces systèmes peuvent consommer jusqu'à 136,5 fois plus d'énergie par requête que les modèles d'IA générative conventionnels, soulevant de nouvelles questions quant à savoir si l'infrastructure supportant l'IA de demain est prête pour ce qui s'en vient.
Une IA plus intelligente s’accompagne d’une facture d’électricité beaucoup plus élevée
Contrairement aux chatbots traditionnels qui génèrent une réponse unique à une invite, les agents d'IA appellent à plusieurs reprises des grands modèles de langage (LLM), naviguent sur le Web, exécutent du code, utilisent des calculatrices et interagissent avec des logiciels externes tout en résolvant des tâches complexes. Si ces capacités les rendent nettement plus utiles pour la recherche, la programmation et l’automatisation du lieu de travail, elles nécessitent également beaucoup plus de ressources informatiques.
Dirigée par le professeur Minsoo Rhu de l'école de génie électrique du KAIST, l'équipe de recherche a traité les agents IA comme une nouvelle catégorie de charge de travail des centres de données. Il a mesuré leurs besoins informatiques dans des scénarios réels.
Les résultats ont été frappants. Les chercheurs ont découvert que les agents d’IA peuvent augmenter la latence de réponse jusqu’à 153,7 fois par rapport au raisonnement classique en chaîne de pensée. Plus surprenant encore, les GPU coûteux qui alimentent ces charges de travail sont restés inactifs jusqu'à 54,5 % du temps d'exécution en attendant que des outils externes terminent leurs tâches. En d’autres termes, le matériel continue de consommer de l’énergie même lorsqu’il n’effectue pas activement de calculs d’IA.
La consommation d’énergie évolue tout aussi considérablement. L'exécution d'un agent d'IA alimenté par un modèle de langage de 70 milliards de paramètres, de taille similaire aux systèmes d'IA commerciaux actuels, nécessitait en moyenne 348,41 wattheures par requête. C'est environ 136,5 fois plus qu'un chatbot classique répondant à une question simple.
Pour comprendre les implications plus larges, l'équipe a modélisé un avenir dans lequel les agents IA traiteraient 13,7 milliards de requêtes par jour, soit à peu près l'équivalent du trafic de recherche quotidien de Google. Dans ce scénario, l’infrastructure d’IA nécessiterait environ 198,9 gigawatts d’électricité, soit près de la moitié de la puissance moyenne consommée dans l’ensemble des États-Unis et bien au-delà de la capacité des centres de données d’IA actuels.
Le coût caché du renseignement
Les résultats arrivent alors que des entreprises comme OpenAI, Google, Microsoft, Anthropic et d’autres investissent de plus en plus dans l’IA agentique, la positionnant comme la prochaine avancée majeure au-delà des chatbots conversationnels. Mais l’étude affirme que l’amélioration des modèles d’IA ne suffit plus. Les progrès futurs dépendront également de semi-conducteurs plus efficaces, d’une meilleure utilisation des GPU, d’une conception de centre de données plus intelligente et d’une infrastructure électrique étendue.
Le professeur Rhu affirme que la recherche démontre que la compétitivité de l’IA passe de la construction d’une « IA plus intelligente » à la construction d’une IA plus efficace. L’équipe estime que le développement futur de l’IA nécessitera une approche de co-conception, optimisant ensemble les modèles, les puces d’IA, les serveurs et les systèmes énergétiques pour maintenir les coûts d’exploitation gérables et garantir que l’IA reste durable à grande échelle.
L'article, intitulé « Le coût du raisonnement dynamique : démystifier les agents d'IA et la mise à l'échelle du temps de test du point de vue de l'infrastructure d'IA », a été présenté au symposium international de l'IEEE sur l'architecture informatique haute performance (HPCA) plus tôt cette année. Les chercheurs ont également publié en open source leurs références d'agents d'IA, dans l'espoir d'encourager la poursuite des travaux visant à réduire l'un des coûts de l'IA à la croissance la plus rapide, et souvent négligé : l'électricité.
