L’IA peut-elle fonctionner efficacement ? Les chercheurs ont peut‑être trouvé une solution

L’intelligence artificielle (IA) continue de façonner notre avenir dans presque tous les secteurs alors que son adoption se développe pour automatiser des processus métier cruciaux, réduire les coûts et augmenter la productivité. 

Data montre que plus de 80 % des entreprises utilisent l’IA à un certain degré, la considérant comme une technologie centrale au sein de leurs organisations. L’engagement financier envers l’IA a également augmenté alors que son adoption génère des avantages significatifs et un ROI bien plus élevé.

Avec cela, la taille du marché de l’IA a dépassé 184 milliards de dollars en 2024 et devrait dépasser 826 milliards de dollars d’ici la fin de cette décennie, selon Statista.

Toute cette croissance et l’explosion de l’intérêt pour l’IA ont entraîné une course aux armements pour développer la technologie. Les modèles d’IA tels que les grands modèles de langage (LLM) qui sont construits par les organisations utilisent des algorithmes pour comprendre, résumer, traduire et générer le langage humain et sont entraînés sur d’énormes quantités de données à l’aide de processeurs très énergivores. 

Pour cela, les entreprises et les opérateurs de centres de données déploient beaucoup de capitaux pour construire de nouveaux centres de données à haute capacité. L’investissement dans de nouveaux centres de données, selon l’International Energy Agency (IEA), a déjà explosé au cours des deux dernières années, mené par les États‑Unis. En 2023, l’investissement total en capital de Microsoft (MSFT ), Google et Amazon (AMZN ) seuls était supérieur à celui de l’ensemble de l’industrie pétrolière et gazière du pays.

Ces centres de données nécessitent beaucoup d’électricité pour les alimenter. En 2022, l’IEA a indiqué que les centres de données consommaient 1,65 milliard de gigajoules d’électricité, soit environ 2 % de la demande mondiale. 

La demande mondiale d’électricité des centres de données devrait en outre augmenter de 50 % d’ici 2027 et de 165 % d’ici 2030, selon Goldman Sachs (GS ) Research publié plus tôt ce mois‑ci. 

La consommation actuelle d’électricité des centres de données est estimée à environ 55 gigawatts (GW), comprenant les charges de travail du cloud computing (54 %), les charges de travail traditionnelles comme le stockage (32 %) et l’IA (14 %). La modélisation de la demande future pour ces types de charges indique une demande prévue de 84 GW d’ici 2027, où l’IA atteindra 27 % tandis que le cloud descendra à 50 % et les charges traditionnelles tomberont à 23 %.

La capacité du marché mondial des centres de données, quant à elle, se situe actuellement autour de 59 GW, dont 60 % sont fournis par des fournisseurs de cloud hyperscale comme Google et Alibaba ainsi que par des opérateurs de centres de données tiers, le reste provenant de centres de données traditionnels appartenant à des entreprises et des télécoms.

La demande en énergie de ces grands centres de données hyperscale est de 100 MW ou plus, avec une consommation annuelle d’électricité à peu près équivalente à la demande d’électricité de jusqu’à 400 000 voitures électriques.

À mesure que les organisations continuent d’adopter l’IA, nous pouvons également nous attendre à l’émergence de centres de données dédiés à l’IA, une classe d’infrastructure émergente conçue spécifiquement pour répondre aux exigences particulières des charges de travail d’IA. Bien que très peu existent à ce jour, ils sont principalement situés en Asie‑Pacifique et en Amérique du Nord, notamment à Pékin, Shanghai, en Virginie du Nord et dans la région de la baie de San Francisco.

Selon les estimations de Goldman Sachs Research, d’ici la fin 2030, il y aura environ 122 GW de capacité de centres de données en ligne. En raison des exigences accrues de charge de travail de traitement de l’IA, la densité d’utilisation d’énergie dans les centres de données devrait également augmenter pour atteindre 176 kilowattheures par pied carré d’ici deux ans.

Avec les centres de données contribuant à un besoin croissant d’énergie, le réseau électrique nécessitera également des investissements importants, estimés à 720 milliards de dollars de dépenses pour le réseau d’ici 2030.

Il y a aussi les émissions de dioxyde de carbone des centres de données, qui peuvent plus que doubler entre 2022 et 2030. Ainsi, la consommation d’électricité des centres de données, qui représente actuellement 1 à 2 % de la puissance totale et devrait augmenter à 3 à 4 % d’ici la fin de la décennie, devient une source d’inquiétude, bien que ce ne soit pas une cause perdue.

Ces chiffres, bien que colossaux, restent modestes lorsqu’on les considère dans le contexte plus large de la croissance mondiale de la consommation d’électricité, que l’IEA prévoit d’augmenter de 6 750 TWh d’ici 2030, stimulée non seulement par l’IA mais aussi par la poursuite de la croissance économique, les véhicules électriques, la climatisation et la fabrication à forte intensité énergétique.

De plus, non seulement la vitesse d’utilisation de l’IA reste incertaine, mais les améliorations continues de l’efficacité tant du matériel que des logiciels peuvent aider à répondre aux exigences énergétiques de la technologie IA.

L’efficacité des puces informatiques liées à l’IA a doublé environ tous les 2,5 à 3 ans. Une puce IA moderne consomme désormais 99 % moins d’énergie tout en effectuant les mêmes calculs qu’un modèle de 2008. De plus, les modèles d’IA eux‑mêmes deviennent plus efficaces. Associés à de nouvelles technologies de refroidissement et à des solutions scientifiques innovantes, ces avancées réduisent la consommation d’énergie et minimisent leurs impacts environnementaux.

Cliquez ici pour découvrir pourquoi le stockage traditionnel ne peut pas suivre le rythme de l’IA.

Les scientifiques développent une solution révolutionnaire 

Image illustrative. Pas une photographie réelle.

Dans le contexte de l’évolution de l’IA et de ses besoins énergétiques croissants, des chercheurs au Japon ont développé un dispositif spintronic innovant qui promet une réduction substantielle de la consommation d’énergie en permettant le contrôle électrique des états magnétiques. 

Cette percée peut révolutionner le matériel d’IA en créant des puces qui reproduisent le fonctionnement des réseaux neuronaux et sont beaucoup plus économes en énergie. Au lieu d’utiliser un courant électrique pour stocker l’information, ces dispositifs utilisent le spin des électrons pour la même fonction, ce qui les rend plus rapides et plus efficaces.

Les dispositifs spintroniques sont utilisés dans les dispositifs de stockage de masse et l’informatique pour augmenter la vitesse et les performances des ordinateurs.

Des chercheurs de l’Institut national des sciences des matériaux, de l’Université de Tohoku et de l’Agence japonaise de l’énergie atomique utilisent désormais ce dispositif pour des puces IA à faible consommation et ont démontré un dispositif de couple de spin-orbite (SOT) programmé par courant à titre de preuve de concept.

Le SOT offre un mécanisme prometteur pour encoder électriquement l’information dans des états magnétiques. Cependant, dans les schémas existants, il est déterminé passivement par le matériau et les structures du dispositif. 

« Bien que la recherche spintronique ait réalisé d’importants progrès dans le contrôle électrique de l’ordre magnétique, la plupart des dispositifs spintroniques existants séparent le rôle du matériau magnétique à contrôler et celui du matériau fournissant la force motrice. »

– Shunsuke Fukami, Université de Tohoku

Les dispositifs spintroniques, une fois fabriqués, possèdent un schéma d’opération fixe selon lequel ils commutent généralement l’information de manière binaire ; du mode « 0 » au mode « 1 ». Cependant, la nouvelle recherche a permis des avancées dans le commutateur programmable électriquement de plusieurs états magnétiques. Manipuler la polarité intrinsèque du SOT permet de créer des dispositifs SOT programmables de façon flexible.

Selon les résultats de l’étude publiée ce mois‑ci dans Nature Communications¹, ce dispositif spintronic permet le contrôle mutuel électrique des antiferromagnétiques non colinéaires et des ferromagnétiques pour un commutateur efficace des états magnétiques. 

Le contrôle électrique des états magnétiques est la base de la mémoire magnétique, de la logique et du calcul, et le SOT offre une approche efficace pour les contrôler. 

Cela signifie que le dispositif SOT révolutionnaire peut stocker et traiter l’information à l’instar d’une puce IA inspirée du cerveau tout en consommant beaucoup moins d’énergie, ouvrant la voie à une nouvelle génération de matériel IA à la fois très efficace et économe en énergie.

L’étude a utilisé le Mn3Sn, un antiferromagnétique non colinéaire, comme matériau magnétique clé et y a appliqué un courant électrique, ce qui l’a amené à produire un courant de spin qui a entraîné le commutateur du CoFeB, le ferromagnétique voisin. Cela a été réalisé via un processus appelé effet Hall de spin magnétique.

L’effet Hall de spin (SHE) est un élément clé du spintronique moderne qui réalise « le couplage entre les courants de charge et la dynamique collective des spins dans les systèmes magnétiquement ordonnés ».

Recherches antérieures² de l’Université de Tohoku, en collaboration avec d’autres instituts, a démontré que, comparés aux matériaux non magnétiques, les antiferromagnétiques possèdent des propriétés Hall de spin plus fortes. De plus, dans le Mn3Sn, le SHE présente un changement de signe anormal lorsque ses moments ordonnés en triangle changent d’orientation. Il a également attribué le mécanisme magnétique élevé du Mn3Sn à la division de spin, dépendante du moment et générée par l’ordre magnétique non colinéaire, élargissant le champ du spintronique antiferromagnétique.

Dans la recherche la plus récente, le ferromagnétique a réagi au courant spin‑polarisé et, en plus, a influencé l’état magnétique du Mn3Sn. Cela a permis le commutateur mutuel électrique entre les deux matériaux.

L’équipe a effectivement démontré dans son expérience que l’information écrite dans le ferromagnétique peut être contrôlée électriquement à l’aide de l’état magnétique du Mn3Sn. Ils ont pu commuter la magnétisation du CoFeB dans différentes traces représentant plusieurs états en ajustant le courant de réglage.

Cette polarité de courant changeant le signe de l’information écrite, qui constitue un mécanisme de commutation analogique, est une opération clé dans les réseaux neuronaux et imite la façon dont les valeurs analogiques fonctionnent dans le traitement IA.

La découverte, selon Fukami, représente une avancée cruciale dans la production de puces IA plus économes en énergie. 

« En réalisant le commutateur mutuel électrique entre un antiferromagnétique non colinéaire et un ferromagnétique, nous avons ouvert de nouvelles possibilités pour les réseaux neuronaux programmables par courant, » a-t-il ajouté, précisant que leur objectif actuel est de « réduire davantage les courants de fonctionnement et d’augmenter les signaux de lecture, ce qui sera crucial pour les applications pratiques dans les puces IA. »

Avec la consommation énergétique élevée des centres de données, une autre étude a visé à réduire la consommation d’énergie grâce à la mémoire magnétique à accès aléatoire (MRAM) à couple de spin (SOT).

Cette étude distincte¹, publiée le mois dernier dans Nature Communications, provient de chercheurs de l’Université Johannes Gutenberg de Mayence (JGU), qui ont développé une solution puissante et hautement efficace pour le traitement et le stockage des données tout en réduisant la consommation d’énergie.

Le prototype « ouvre la voie à des solutions de mémoire plus rapides et plus efficaces », a déclaré l’auteur principal de l’étude, le Dr Rahul Gupta, ancien chercheur postdoctoral à l’Institut de physique de la JGU.

Il repose sur la MRAM à SOT, reconnue pour son efficacité énergétique supérieure, sa non‑volatilité et ses performances comparées à la RAM statique. La technologie qui utilise des courants électriques pour commuter les états magnétiques fait face à des défis liés à la réduction du courant d’entrée élevé nécessaire lors du processus d’écriture. Cela implique de maintenir une stabilité thermique suffisante pour stocker les données longtemps et de minimiser l’énergie requise pour exécuter la tâche de stockage.

Au lieu du SHE, cette étude a exploité l’effet Hall orbital (OHE), où un flux transversal de moment angulaire orbital est produit dans un matériau lorsqu’un courant électrique est appliqué. En utilisant ce phénomène, les chercheurs ont pu obtenir une plus grande efficacité énergétique sans dépendre de matériaux coûteux ou rares.

Le matériau magnétique unique développé utilise des éléments tels que le ruthénium comme canal SOT pour améliorer les performances. Ainsi, l’équipe a réussi à réduire de 20 % le courant d’entrée, à augmenter de 30 % l’efficacité et à diminuer de plus de 50 % la consommation énergétique globale.

Entreprises leaders du secteur

Examinons maintenant les noms de premier plan qui contribuent à faire progresser le domaine de l’IA :

1. NVIDIA Corporation

Nvidia (NVDA ) conçoit et fabrique des unités de traitement graphique ou GPU. Un GPU est un circuit électronique qui effectue des calculs mathématiques à grande vitesse et constitue un choix populaire pour développer des modèles d’IA.

Au cours de la dernière décennie, l’entreprise a considérablement amélioré le rapport performance/consommation de ses GPU, jusqu’à 4 000 fois, selon son scientifique en chef William Dally, et continue de développer des circuits spécialisés dans ces puces qui sont spécifiquement conçus pour les calculs IA.

Nvidia est la deuxième plus grande entreprise mondiale avec une capitalisation boursière de 3,21 trillions de dollars. Ses actions se négocient actuellement à 130,86 $, en baisse de 2,35 % depuis le début de l’année. Le BPA (TTM) de l’entreprise est de 2,54 et le ratio P/E (TTM) est de 51,67, tandis que son rendement du dividende est de 0,03 %.

En ce qui concerne les finances de l’entreprise, Nvidia publiera celles du quatrième trimestre de l’exercice 2025 le 26 février. Pour le troisième trimestre, son bénéfice GAAP par action diluée était de 0,78 $ et le bénéfice non GAAP par action diluée était de 0,81 $.

Pour ce trimestre, Nvidia a annoncé un chiffre d’affaires record de 35,1 milliards de dollars, soit une hausse de 17 % par rapport au deuxième trimestre et de 94 % par rapport à l’année précédente. Son chiffre d’affaires provenant des centres de données représentait 30,8 milliards de dollars. Pour son quatrième trimestre, elle a présenté des prévisions de revenus de 37,5 milliards de dollars.

« L’ère de l’IA est en plein essor, propulsant un basculement mondial vers le calcul NVIDIA, » a déclaré le PDG et fondateur Jensen Huang à l’époque, soulignant une demande « incroyable » pour son Hopper ainsi que l’anticipation autour de Blackwell, qui permet le calcul haute performance (HPC) pour l’entraînement accéléré, l’inférence et l’efficacité dans l’IA de génération.

Nvidia a connu un parcours fantastique, son cours d’action étant passé de moins de 11 $ en octobre 2022 à plus de 152 $ début janvier 2025. Récemment, elle a perdu un peu d’élan après que la startup chinoise d’IA DeepSeek a lancé son dernier modèle d’IA. La perception initiale était que DeepSeek affaiblirait la demande pour les GPU haute performance de Nvidia, mais cela pourrait en réalité être positif pour Nvidia, car les besoins informatiques moindres de la startup pourraient ouvrir davantage d’opportunités IA, entraînant ainsi une hausse des prix du plus grand fabricant de puces.

« L’IA transforme chaque industrie, chaque entreprise et chaque pays, » a déclaré Huang lors des résultats du dernier trimestre et a ajouté que les entreprises adoptent l’IA agentique tandis que des percées en IA physique sont observées dans la robotique industrielle. Les pays, a-t-il ajouté, se sont également réveillés à l’importance de construire leur propre infrastructure IA.

#2. Broadcom Inc.

Broadcom (AVGO ) figure parmi les 10 plus grandes entreprises, avec une capitalisation boursière de 1,1 trillion de dollars. Elle participe à la conception, au développement et à la fourniture d’une large gamme de solutions de semi-conducteurs et de logiciels d’infrastructure. L’entreprise entretient des partenariats avec des acteurs majeurs tels que Google, Meta Platforms (META ) et ByteDance. Elle travaille également avec OpenAI et Apple (AAPL ) pour créer leurs propres puces IA.

Au moment de la rédaction, les actions de Broadcom se négocient à 235 $, en hausse de 1,95 % depuis le début de l’année. Le BPA (TTM) de l’entreprise est de 1,28 et le ratio P/E (TTM) est de 184,78, tandis que son rendement du dividende est de 1 %.

Au quatrième trimestre 2024, Broadcom a réalisé un chiffre d’affaires de plus de 14 milliards de dollars, soit une hausse de 51 % par rapport à la même période de l’année précédente, tandis que le bénéfice net GAAP était de 4,324 milliards de dollars. Pour le premier trimestre de l’exercice 2025, l’entreprise a donné une prévision de chiffre d’affaires d’environ 14,6 milliards de dollars.

Au quatrième trimestre, le chiffre d’affaires des semi-conducteurs du fabricant de puces a atteint un record de 30,1 milliards de dollars, ce que le PDG et président Hock Tan a attribué aux revenus IA de 12,2 milliards de dollars. La croissance de 220 % d’une année sur l’autre des revenus IA a été alimentée par ses XPUs.

Le BPA dilué GAAP de Broadcom s’est élevé à 0,90 $ et le BPA dilué non GAAP était de 1,42 $. Les flux de trésorerie provenant des opérations s’élevaient quant à eux à 5,6 milliards de dollars. L’entreprise a également annoncé une hausse de 11 % du dividende ordinaire trimestriel à 0,59 $ par action, ce qui constitue la quatorzième augmentation consécutive. Le flux de trésorerie disponible hors restructuration était également « solide » à 21,9 milliards de dollars, tandis que la trésorerie et les équivalents de trésorerie s’élevaient à 9,348 milliards de dollars.

« Nous voyons notre opportunité dans l’IA au cours des trois prochaines années comme massive. Des hyperscalers spécifiques ont commencé leurs propres parcours pour développer leurs accélérateurs IA personnalisés. »

– Tan a déclaré lors de la conférence téléphonique sur les résultats

Il a également indiqué que l’entreprise développe des puces IA avec trois grands clients cloud, chacun devant déployer 1 million de puces IA dans des clusters en réseau d’ici 2027.

Conclusion

À mesure que la popularité et l’utilisation de l’intelligence artificielle continuent de croître, leur consommation d’énergie augmente également. Les modèles d’IA, en particulier l’apprentissage profond, nécessitent une quantité importante d’énergie pour le calcul, et les solutions conventionnelles sont limitées en efficacité énergétique.

Dans ce contexte, la recherche visant à améliorer l’efficacité énergétique des puces IA et à réduire leurs impacts environnementaux peut aider le monde à exploiter le plein potentiel de la technologie tout en atténuant ses effets négatifs.

Les dispositifs de mémoire et de logique basés sur le SOT peuvent faire une grande différence ici en offrant une solution à faible consommation en utilisant des états magnétiques pour le calcul plutôt que la logique basée sur la charge. Conserver les données sans alimentation constante peut réduire les coûts énergétiques de l’inférence IA, permettre des accélérateurs IA plus économes en énergie pour la prise de décision IA en temps réel en imitant le cerveau, et augmenter la vitesse de traitement des tâches IA en intégrant logique et mémoire.

Des efforts constants comme ceux‑ci rendent le matériel et les logiciels IA plus économes en énergie, plus rapides et capables de gérer des calculs complexes, ce qui, à son tour, favorise une adoption plus large de l’IA dans les secteurs tout en réduisant son empreinte carbone !

Cliquez ici pour découvrir pourquoi 2025 est l’année des investissements pilotés par l’IA.