Il est de notoriété publique que l’IA est une technologie énergivore, et il est usuel de penser que l’IA n’est pas compatible avec l’éco-conception des logiciels.
Mais évidemment, comme attendu, rien n’est aussi binaire qu’il n’y paraît.
D’abord, il va sans dire que la technologie est récente et va être améliorée, optimisée, voire révolutionnée dans les prochaines années (de la même manière que la blockchain a vu sa consommation énergétique drastiquement diminuer au fil des générations successives). On peut par exemple noter cette approche consistant à réinventer le hardware pour qu’il soit intrinsèquement conçu pour l’apprentissage automatique. Ou encore de nombreuses approches visant à améliorer la phase d’entraînement des modèles (par exemple l’approche JEST). Evidemment, certains diront que cela n’en fait pas un bon argument pour l’éco-conception, du fait de l’effet rebond, et ils auront bien raison de le souligner.
Et voilà, le GreenTech Forum, c’est fini. De belles rencontres avec des stands et des interlocuteurs tous passionnants. La greentech a de beaux jours devant elle.
Pour cette troisième édition, je retiendrai surtout l’arrivée imminente du pôle de compétitivité ENTER et un tsunami de solutions pour la mesure et l’analyse des impacts pour le greenops. On peut citer par exemple : GREENSPECTOR qu’on ne présente plus, Fruggr by Digital4Better, appYplanet, Quanta.green (Guillaume Thibaux 🌿), EasyVirt (orienté vers la mesure des VM comme son nom l’indique), Verdikt, ou Hubblo, la société issue du groupe Boavizta qui fait un travail remarquable. Même Salesforce s’y met avec sa solution Net Zero Cloud présenté par Nathalie Moreau et Julie Ravillon.
On sent que la technologie GreenTech pour la mesure commence à être mature, ce qui est de bonne augure pour la suite logique, qui est d’actionner les différents leviers pour l’optimisation de ses impacts.
Sur d’autres sujets, je me dois de mentionner quelques coups de coeur : Jiliti qui propose des solutions d’hébergement EDGE hyper bien pensées avec une vraie logique de sustainabilité (avec la chaleur des data centers ré-injectée dans les réseaux de chauffage urbains par exemple 💪), et Ecodair qui fait du reconditionnement d’ordinateurs en employant des personnes en situation de handicap 👍. Dans le combat essentiel contre l’obsolescence, il fallait aussi noter la présence de Fairphone.
Et bien sûr, “last but not least”, votre serviteur, avec Daquota.io, qui était là en observateur et qui confirme son ambition d’être la première solution Low-Code d’accompagnement au Green Coding / Fin Coding grâce à une optimisation des échanges entre les terminaux et le Cloud.
For more than a year now, EASYTEAM and Cinchéo have been working on a project that aims at creating new methods and tools to help IT departments to control the carbon footprint linked to digital services. It is a vast and complicated topic and a lot needs to be achieved. With MC2 (say M-C-square), we are contributing a small and modest part to the tooling ecosystem.
In this post, I will explain the principles of MC2 and how it works. The source code is fully available on Github: https://github.com/cincheo/mc2.
NOTE: MC2 it is still work in progress and is a small part of a wider R&D project involving EASYTEAM (Constellation group) and INRIA (Spirals team).
When I was a teenager, I used to go to the center of Paris to buy specific parts to build my PC myself: sound cards, video cards, power blocks, hard drive, CPU, fans, memory, you name it. Not only it was fun and instructive, but it was also good for the planet.
Quite recently, I had the chance to discuss with Philippe de Reffye, a French researcher who spent his life studying how plants grow. He built a generic mathematical model that can simulate the growth of any plant, assuming we can mesure some environmental parameters to calibrate the model. He wrote a very complete book about it (in French).
The book of Philippe de Reffye
The interesting point from my perspective is that his work managed to lower the computational complexity of simulating plant growth from an exponential to a linear function. What would take days to calculate can now be done in seconds, and it grows linear w.r.t. the plant complexity.
Philippe and I talked about AI. His opinion is that AI can help calibrating the models. However, without the maths, you cannot really understands what happens when the plants grow and you have no chance finding an optimization of the kind he found.
Philippe warned me about the danger of replacing maths with ML when we don’t have a model. Indeed, it is a potential workaround, but it is expensive in computation time and it blurs our understanding of the world.
