LeBonCloud

« L’IA durable : mythe ou réalité ? AWS nous répond », épisode 8 série 4, avec Philippe Desmaison Discussions d’Ingénieurs, publié le 4 août 2025, https://open.spotify.com/episode/2b0JOFtqB29MxRzNS3nspZ?si=vVo2BtP_RmqrVh-OMJPg3g

Aussi appelé paradoxe de Jevons : William Stanley Jevons était un économiste britannique qui a étudié l’augmentation de la consommation de charbon au XIXe siècle, alors que les coûts d'extraction avaient diminué. Il en a conclu qu'en l'absence de contrainte sur les ressources, les usages de celles-ci ont tendance à croître malgré les gains d'efficacité. Philippe donne l'exemple de la bouteille de liquide vaisselle pour illustrer ce concept et le rendre plus parlant : lorsque l'on achète une bouteille pleine, on a tendance à utiliser plus de produit pour laver une assiette qu'il n'en faudrait, alors que lorsque celle-ci est presque vide, on se contente de 2-3 gouttes et cela fonctionne très bien. Dans le cas des datacenters, c'est un concept clé puisqu'avec l'amélioration des puissances de calcul de nos ordinateurs, les logiciels sont devenus plus gourmands avec le temps pour remplir presque la même fonction. Par exemple, alors qu'un logiciel de traitement de texte pouvait fonctionner avec 500 Ko de RAM dans les années 1980-90, il faut aujourd'hui au minimum 4 Go de RAM pour des applications équivalentes. Il est donc possible de diminuer considérablement l'impact des datacenters sans modifier en totalité nos usages, en optimisant l'efficacité logicielle.

1. Choix de la région

L'impact environnemental varie selon la région dans laquelle est implanté un datacenter car le mix énergétique diffère selon les pays. Ainsi, l'impact d'un datacenter en France, où la source majeure de production d'électricité est le nucléaire, sera moindre qu'aux États-Unis où une part importante de l'électricité est encore produite à partir d'énergies fossiles.

2. Alignement à la demande

Arriver à proposer des solutions adaptées à chaque usage. Le stockage d'un fichier texte ne peut pas être traité comme une application critique pour le fonctionnement d'une banque. Aujourd'hui, lorsque l'on souscrit à un service de cloud, notre fichier est dupliqué plusieurs fois pour assurer la sûreté et la disponibilité permanente du fichier. Il faut une redondance adaptée selon la criticité.

3. Choix du software

Les langages compilés comme Rust, Go et C sont proches du hardware et réduisent donc la consommation des machines par rapport à des langages interprétés comme Python ou JavaScript. L'optimisation du code peut donc permettre des gains énergétiques.

4. Le Hardware

Arriver par exemple à produire des puces spécialisées et optimisées pour des usages précis et donc moins gourmandes en énergie que des processeurs généralistes.

5. Data

Optimiser le stockage des données en utilisant par exemple des formats plus adaptés au cloud comme Parquet plutôt que CSV.

6. Processus et Culture

Encourager les pratiques de green IT sur l'ensemble des maillons de l'entreprise : infrastructures, développement logiciel, ect.

PUE (Power Usage Effectiveness) est l’énergie totale de l'installation et des équipements IT. Le PUE mesure l'efficacité énergétique des datacenters. Plus le PUE se rapproche de 1.0, plus le datacenter est efficace. Un PUE de 1.0 signifierait que toute l'énergie consommée sert uniquement aux équipements informatiques. Le PUE d’AWS est de 1.15.