Dans un récent rapport sur l'investissement thématique, les analystes de Barclays ont examiné les besoins en énergie qui sont susceptibles d'apparaître avec la croissance des technologies d'intelligence artificielle (IA), en mettant l'accent sur le rôle de NVIDIA (NVDA) dans ce domaine.
Les analystes prévoient que la consommation d'énergie associée aux progrès de l'IA met en évidence un élément critique de la performance future du marché de NVIDIA.
L'étude de Barclays suggère que d'ici 2030, les centres de données pourraient utiliser plus de 9 % de l'électricité actuellement consommée aux États-Unis, principalement en raison de l'énergie utilisée par les technologies d'IA. La consommation d'énergie prévue dans les attentes pour NVIDIA est l'une des principales raisons de cette prédiction énergétique significative, ont observé les analystes.
Le rapport note également que bien que l'efficacité de l'IA s'améliore avec chaque nouvelle génération d'unités de traitement graphique (GPU), la taille et la complexité des modèles d'IA augmentent rapidement. Par exemple, la capacité des grands modèles de langage (LLM) a été multipliée par 3,5 environ chaque année.
Malgré ces progrès, la consommation totale d'énergie devrait augmenter en raison de l'élargissement de l'éventail des applications d'IA. Chaque nouvelle série de GPU, comme Hopper et Blackwell de NVIDIA, utilise l'énergie de manière plus efficace. Cependant, les modèles d'IA les plus grands et les plus complexes nécessitent une grande puissance de calcul.
"Les grands modèles de langage (LLM) ont besoin d'une grande puissance de calcul pour obtenir des performances instantanées", indique le rapport. "Les besoins informatiques des LLM se traduisent également par une augmentation de la consommation d'énergie, car il faut davantage de mémoire, d'accélérateurs et de serveurs pour traiter, apprendre et appliquer ces modèles.
"Les entreprises qui prévoient d'utiliser les LLM pour l'analyse instantanée doivent faire face à ces problèmes", indique Barclays.
Pour donner une idée de ces besoins en énergie, Barclays estime que le fonctionnement d'environ 8 millions de GPU nécessiterait environ 14,5 gigawatts d'énergie, ce qui équivaut à environ 110 térawatts-heure (TWh) d'énergie. Cette estimation est basée sur un facteur de charge moyen de 85 %.
Si l'on considère qu'environ 70 % de ces GPU sont susceptibles d'être installés aux États-Unis d'ici la fin 2027, cela représente plus de 10 gigawatts et 75 TWh de besoins en énergie pour l'IA rien qu'aux États-Unis au cours des trois prochaines années.
" La valeur de marché de NVIDIA indique que ce n'est que le début du déploiement des besoins énergétiques de l'IA ", ont déclaré les analystes. L'innovation continue de NVIDIA et l'installation de GPU devraient conduire à des augmentations substantielles de la consommation d'énergie dans les centres de données.
En outre, la dépendance des centres de données à l'égard du réseau électrique souligne la nécessité de gérer les pics de demande d'énergie. Les centres de données fonctionnent sans interruption, ce qui nécessite un approvisionnement énergétique constant.
Le rapport cite une remarque importante de Sam Altman, PDG d'OpenAI, au Forum économique mondial de Davos : "Nous avons certainement besoin de beaucoup plus d'énergie dans le monde que nous ne le pensions auparavant... Je pense que nous sous-estimons encore les besoins en énergie de cette technologie."
Cet article a été créé et traduit avec l'aide de l'IA et examiné par un rédacteur. Pour plus de détails, consultez nos conditions générales.