Informatique

Le corps humain consomme en moyenne 100 watts, énergie nécessaire pour maintenir toutes ses fonctions vitales. Parmi cette puissance, le cerveau utilise seulement 30 watts, un chiffre étonnamment faible pour gérer des milliards de neurones et effectuer des calculs complexes en continu.

À titre de comparaison, les intelligences artificielles avancées comme AlphaGo peuvent résoudre des problèmes très complexes, comme jouer au go à un niveau surhumain, mais elles nécessitent des mégawatts et des quantités massives d’énergie pour fonctionner et apprendre.

Nos yeux captent une quantité massive d’informations : la rétine humaine correspond à environ 50 mégapixels. Mais le cerveau ne reçoit pas directement cette avalanche de données. L’œil effectue un prétraitement extrêmement efficace, filtrant et compressant l’information pour ne transmettre qu’environ 1 Mo par seconde par œil, ce qui permet au cerveau de reconstruire et interpréter notre environnement en temps réel.

Pour apprendre à reconnaître un animal, un humain n’a besoin que de quelques dizaines à quelques centaines d’images. L’énergie totale dépensée pour cet apprentissage reste très faible, de l’ordre de quelques kilojoules, soit quelques watts-heures cumulées sur plusieurs heures d’exposition et d’entraînement.

Un exemple encore plus frappant est fourni par le GPU NVIDIA H100, conçu pour l’IA et le calcul scientifique. Il consomme environ 700 watts et peut atteindre des performances de plusieurs pétaflops, grâce à ses 14 592 cœurs CUDA et 456 Tensor Cores. Pour accomplir la même tâche qu’un humain, comme reconnaître et catégoriser un animal, un H100 doit traiter des millions d’images pour entraîner un réseau de neurones artificiel. L’énergie nécessaire pour cet apprentissage se compte en dizaines à centaines de kilowatt-heures, soit des millions de fois plus que celle utilisée par un cerveau humain pour la même tâche.