L’informatique quantique, planche de salut énergétique de l’IA ?

La consommation de l’IA explose

Selon l’Agence internationale de l’énergie (AIE), la consommation électrique des datacenters pourrait doubler d’ici 2030 pour atteindre 945 térawattheures (TWh), soit l’équivalent de ce que consomme le Japon. Celle des datacenters pour l’IA devrait quadrupler.

Aux États-Unis, le département de l’Énergie américain anticipe que les datacenters pourraient consommer 12 % de l’électricité du pays d’ici deux ans.

Pour les DSI, « cela se traduit par des coûts plus élevés et par des déploiements plus longs », constate Albert Liu, fondateur de Kneron, un fournisseur de solutions d’IA embarquée. « Ces infrastructures s’implantent également là où l’électricité est disponible, et pas forcément au plus proche des clients ».

Les géants de l’IT regardent évidemment du côté de la production : nucléaire, gaz, énergies renouvelables ou petits réacteurs modulaires par exemple. Mais si les besoins de compute continuent d’exploser, développer la production électrique ne suffira pas.

Cela risquerait même d’enclencher un cercle vicieux coûteux, prévient Albert Liu.

« Le secteur a passé trop de temps à savoir comment produire plus d’électricité, et pas assez à se demander pourquoi nous consommons autant de puissance de calcul », estime-t-il.

D’où l’idée de regarder à l’autre extrémité de la chaîne et de réduire les besoins en calcul.

Réduire le calcul pour réduire la demande énergétique

L’informatique quantique pourrait justement apporter un début de réponse. Elle promet en effet de réduire le temps nécessaire pour accomplir des tâches complexes.

« Les ordinateurs quantiques sont capables de gérer des variables extrêmement complexes par rapport aux systèmes classiques, tout en consommant nettement moins d’énergie », précise Pranav Gokhale, directeur technique et cofondateur d’Infleqtion, un fournisseur de technologies quantiques à atomes neutres.

Reste que basculer d’un mode de calcul à l’autre est loin d’être simple.

« Une idée fausse très répandue, c’est de faire comme si le “calcul énergivore” formait une seule et même catégorie, que le quantique pourrait traiter en bloc. Ce n’est pas le cas », pointe Marta Estarellas, directrice générale de Qilimanjaro Quantum Tech, concepteur d’ordinateurs quantiques analogiques full-stack. « Une autre exagération, c’est de prétendre que le quantique permet déjà de le faire, quelle que soit la tâche. »

Mais cette promesse d’économie d’énergie liée à la vitesse de calcul a une limite. Et elle est de taille. Pour fonctionner, la plupart des systèmes quantiques doivent être refroidis à une température proche du zéro absolu. Un poste de dépense qui peut, à lui seul, inverser le bilan énergétique global.

Une modélisation de datacenters quantiques réalisée par le National Renewable Energy Lab (NREL) américain montre que le refroidissement consomme bien plus d’énergie que le calcul lui-même.

« Autrement dit, le processeur en lui-même consomme très peu, mais tout le système qui l’entoure, si. Les coûts finissent donc, d’une certaine façon, par s’équilibrer », observe Arif Gasilov, associé du cabinet de conseil Gasilov Group.

Combien d’énergie le quantique permet-il vraiment d’économiser ?

« Difficile, pour l’instant, d’évaluer précisément les économies d’énergie que l’on pourra espérer à l’avenir », reconnaît Konstantinos Karagiannis, directeur senior des services quantiques chez Protiviti, cabinet de conseil mondial. « On ne sait pas encore comment évolueront les besoins énergétiques de l’infrastructure classique et du refroidissement quantique à mesure que le nombre de qubits augmentera. »

Mais il existe d’autres techniques. Elles reposent sur des systèmes de contrôle laser qui fonctionnent à température ambiante plutôt que par un refroidissement extrême, précise Scott Buchholz, responsable de l’informatique quantique chez Deloitte.

Dans ces systèmes, ce sont les besoins en puissance des lasers qui déterminent la consommation totale des ordinateurs quantiques. « Dans un cas comme dans l’autre, la consommation énergétique reste globalement plafonnée, et comparable, voire inférieure, à celle d’une baie de serveurs haute performance actuelle », précise Scott Buchholz.

Qu’est-ce que cela signifie pour les DSI ?

Dans l’histoire de l’informatique, les gains d’efficacité sont souvent venus d’architectures spécialisées – les GPU pour le calcul parallèle, les NPU pour l’inférence en IA.

« Les DSI devraient envisager l’informatique quantique comme les GPU il y a quinze ans. À l’époque, les GPU semblaient être un accélérateur de niche. Aujourd’hui, ils sont devenus incontournables. Le quantique pourrait suivre une trajectoire comparable, mais uniquement pour certaines catégories de problèmes », estime Albert Liu.

Avant d’envisager cette piste « de niche » du quantique, d’autres leviers sont d’ores et déjà activables, soulignent les experts.

« Même les outils d’optimisation aujourd’hui standards dans le secteur, qui ont pourtant permis d’économiser des milliards de dollars, commencent à atteindre leurs limites de calcul », note Pranav Gokhale.

La planification énergétique devient un enjeu IT

De manière générale, le compute devrait coûter nettement plus cher à court terme, sous l’effet du déséquilibre entre l’offre et la demande.

Pour Arif Gasilov, cet écart a « une conséquence financière directe pour les budgets IT », car il expose les organisations aux fluctuations des prix mondiaux de l’énergie. Pour y faire face, les DSI doivent, selon lui, « intégrer le risque d’approvisionnement énergétique à leur planification de continuité d’activité, de la même façon qu’ils modélisent les risques de rupture dans leur chaîne logistique ». Ne pas le faire peut avoir des conséquences budgétaires, ajoute-t-il.

En attendant le quantique

Pradeep Tagare, responsable des investissements chez National Grid Partners – la branche capital-risque de l’énergéticien National Grid – recense plusieurs pistes déjà à l’œuvre aux États-Unis. La production d’électricité « derrière le compteur » (gaz, géothermie, nucléaire), d’abord. Le monitoring en temps réel, ensuite, pour mieux exploiter la capacité des réseaux déjà en place. Des datacenters conçus pour moduler leur demande électrique, également. Et enfin, de nouveaux types de câbles capables de transporter davantage d’électricité, pour accélérer la mise à niveau des réseaux sans attendre la construction de nouvelles lignes. « Ces solutions, combinées, devraient permettre de résoudre le problème dans les prochaines années », conclut-il.

Les DSI peuvent aussi réduire ou maîtriser leurs coûts énergétiques en recourant à des petits modèles d’IA dédiés à des tâches spécifiques. « Entraîner un modèle sur mesure pour optimiser le réseau électrique peut ne nécessiter que 5 GPU, 15 minutes et 5 dollars », vante Josh Wong, directeur général de ThinkLabs AI, spécialiste de l’IA appliquée aux réseaux électriques.

Ces leviers, eux, sont disponibles dès aujourd’hui. En attendant que l’informatique quantique tienne, demain, ses promesses de réduction de la consommation énergétique. Ou pas.