• Aakash Gupta ( aakashgupta)
    https://xcancel.com/aakashgupta/status/2038813799856374135

    The timeline on this is genuinely insane.

    October 2025: Sam #Altman flies to #Seoul and signs simultaneous deals with #Samsung and #SK #Hynix for 900,000 DRAM wafers per month. That’s 40% of global supply. Neither company knew the other was signing a near-identical commitment at the same time.

    Those deals were letters of intent. Non-binding. No RAM actually changed hands. But the market treated them as gospel. Contract #DRAM prices jumped 171%. A 64GB DDR5 kit went from $190 to $700 in three months.

    December 2025: Micron kills #Crucial, its 29-year-old consumer memory brand, to reallocate every wafer to AI and enterprise customers. The company explicitly said it was exiting consumer memory to “improve supply and support for our larger, strategic customers in faster-growing segments.” Translation: the AI demand signal was so loud that selling RAM to #PC builders stopped making financial sense.

    March 2026: #Google publishes #TurboQuant, a #compression #algorithm that reduces #AI #memory #requirements by 6x with zero accuracy loss. #Cloudflare's CEO called it “#Google's #DeepSeek.” The entire thesis that AI would consume infinite memory forever just got a six-month expiration date on it.

    Same month: #OpenAI and #Oracle #cancel the #Abilene #Stargate expansion. The $500 billion data center vision that justified the #RAM deals couldn’t survive its own financing terms. Bloomberg attributed the collapse partly to OpenAI’s “often-changing demand forecasting.”

    #MU is now down ~33% from its post-earnings high. Revenue up 196% year over year, #EPS up 682%, and the stock is in freefall because the company restructured its entire business around a demand signal that came from non-binding letters and is now being compressed out of existence by a research paper.

    #Micron bet the consumer division on #Sam_Altman's signature. The signature was worth exactly what the paper said: nothing binding.

  • L’#IA m’a informé pendant un mois. Elle ne s’en est pas toujours tenue aux faits

    C’est quand même candide comme #mensonge. #Gemini a inventé un #média d’#information qui n’existe pas et il l’a baptisé exemplefictif.ca !

    Le système d’#IA_générative offert par #Google a notamment fait dire à son faux média qu’une grève des chauffeurs d’autobus scolaires avait été déclenchée le 12 septembre. Évidemment, cette grève est fictive elle aussi. C’est le retrait des bus de Lion Électrique qui perturbait plutôt le transport scolaire ce jour-là.

    Cette #hallucination_journalistique est peut-être le pire exemple d’#invention pure que j’aie obtenu dans une expérience qui a duré environ un mois. Mais j’en ai vu bien d’autres.

    Six pour cent des Canadiens s’informent avec l’IA 😱

    Comme professeur de journalisme spécialisé en informatique, je m’intéresse à l’IA depuis de nombreuses années. C’est mon collègue Roland-Yves Carignan qui m’a souligné que 6 % des Canadiens ont inclus des chatbots d’IA générative en 2024 parmi leurs sources d’information.

    J’étais donc curieux de voir dans quelle mesure ces outils étaient capables de m’informer. Allaient-ils me donner du solide, ou de la bouillie (AI slop) ?

    Sept outils ; une même requête

    Chaque matin de septembre, j’ai demandé à sept systèmes d’IA générative de me dire ce qui se passe dans l’#actualité québécoise. Je leur ai toujours posé la même question :

    Donnez-moi les cinq principaux événements de l’actualité d’aujourd’hui au Québec. Placez-les en ordre d’importance. Résumez chacun en trois phrases. Ajoutez un titre succinct à chacun. Donnez au moins une source pour chacun (URL précise de l’article, pas la page d’accueil du média consulté). Vous pouvez faire des recherches dans le web.

    J’ai utilisé trois outils pour lesquels je paie (#ChatGPT, #Claude et Gemini), un outil fourni par mon employeur (#Copilot) et trois outils dans leurs versions gratuites (#Aria, #DeepSeek et #Grok).

    Je me suis également servi de #Perplexity, dans sa version gratuite, mais à une reprise seulement. J’ai enfin tenté d’inclure #MetaAI, mais il ne répondait pas à mes requêtes.

    #Sources douteuses… voire imaginaires

    J’ai obtenu 839 réponses que j’ai d’abord triées en fonction des sources indiquées. Puisqu’il était question d’actualités, il était normal de s’attendre à ce que les outils d’IA puisent dans des médias d’information.

    Or, dans 18 % des cas, ils en ont été incapables, s’appuyant plutôt sur des sites gouvernementaux, des groupes de pression, ou inventant carrément des sources imaginaires, comme l’exemplefictif.ca mentionné plus haut.

    Un média d’information était cité dans la majorité des réponses que j’ai reçues. Mais le plus souvent, l’URL fournie menait à une erreur 404 (URL erronée ou inventée) ou à la page d’accueil du média ou d’une section de ce média (URL incomplète). Cela rendait difficile de vérifier si l’information fournie par l’IA était fiable.

    Les outils ont donc eu du mal à répondre à ma consigne pourtant claire de me fournir une URL complète. Ils n’y sont parvenus que dans 37 % des cas (311 réponses).

    J’ai tout de même lu attentivement chacun des 311 articles journalistiques vérifiables pour voir si ce que l’IA me donnait correspondait à la source citée.

    Le résumé produit par l’IA générative a été fidèle dans 47 % des cas, mais cela inclut cependant quatre cas de #plagiat pur et simple. Un peu plus de 45 % des réponses étaient partiellement fidèles. Nous y reviendrons plus loin.

    Car il faut d’abord parler des réponses erronées en tout ou en partie.

    #Erreurs sur le fond

    La pire erreur a certainement été commise par Grok le 13 septembre. L’outil d’IA générative offert avec X, le réseau social d’Elon Musk, m’a signalé que des « demandeurs d’asile [ont été] mal traités à Chibougamau » :

    Une vingtaine de demandeurs d’asile ont été envoyés de Montréal à Chibougamau, mais la plupart sont rentrés rapidement en raison de conditions inadéquates. Ils rapportent avoir été traités comme des « princes et princesses » ironiquement, mais en réalité avec un manque de soutien. L’incident soulève des questions sur la gestion des réfugiés au Québec.

    Grok s’est basé sur un article de La Presse publié ce matin-là. Mais il l’a interprété à l’envers !

    La Presse rapportait plutôt que le voyage a été un succès. Sur les 22 demandeurs d’asile, 19 ont eu des offres d’emploi à Chibougamau. Il n’y avait aucune ironie dans l’expression « princes et princesses ».

    D’autres exemples :

    - Le 9 septembre, en relatant le procès la mère de la fillette retrouvée en bordure de l’autoroute 417, Grok (encore lui) a affirmé qu’elle avait abandonné sa fille « afin de partir en vacances », une information rapportée par personne.

    - Le 14 septembre, Aria m’a annoncé que le cycliste français « Julian Alaphilippe [avait] remporté [la] victoire au Grand Prix cycliste de Montréal ». C’est faux. Alaphilippe a remporté le Grand Prix de Québec. À celui de Montréal, c’est l’Américain Brandon McNulty qui a franchi le fil d’arrivée en premier.

    – Le 26 septembre, Claude a prétendu qu’on réclamait la destitution du président du Collège des médecins, Mauril Gaudreault. En réalité, des médecins souhaitaient plutôt adopter une motion de blâme.

    – Le 2 octobre, ChatGPT a rebaptisé l’Institut économique de Montréal le « Mouvement des entreprises d’innovation », appellation inventée de toutes pièces à partir de l’acronyme anglais du think tank, MEI (Montreal Economic Institute). Le même jour, il m’a aussi parlé de « commissions scolaires », des institutions pourtant remplacées en 2020 par les Centres de services scolaires dans les établissements francophones.

    - Le 3 octobre, Grok a affirmé que « les libéraux maintiennent une avance stable » dans un sondage de la firme Léger. Dans les faits, les libéraux arrivaient au deuxième rang. C’est le PQ qui était en avance.

    Erreurs sur la forme

    Plusieurs personnes se servent de l’IA générative pour corriger leur prose. Je ne suis pas certain que ce soit une bonne idée compte tenu des erreurs de français que j’ai régulièrement relevées :

    - ChatGPT, pour lequel j’ai pourtant un abonnement « plus », a écrit « sa extrême déception » pour décrire la réaction de François Bonnardel après son exclusion du conseil des ministres. Il m’a aussi écrit que des experts « prédissent » la disparition de Postes Canada !

    – Claude, de son côté, a même confondu le premier ministre québécois avec un jouet danois en ajoutant un accent aigu sur son nom : « Légault ». Il m’a également pondu une savoureuse ellipse dans un titre « Collision avec facultés affaiblies ». Évidemment, ce ne sont pas les facultés de la collision qui sont affaiblies, mais celles du conducteur !

    Mais revenons au fond.

    Interprétations erronées

    Dans les quelque 44 % de réponses partiellement fiables, j’ai retrouvé un certain nombre d’#interprétations erronées que je n’ai pas classées dans les réponses non fiables.

    Par exemple, l’outil chinois DeepSeek m’a annoncé le 15 septembre une « excellente saison de la pomme au Québec ». L’article sur lequel il basait cette affirmation traçait en réalité un portrait plus nuancé : « La saison n’est pas jouée », expliquait notamment un maraîcher cité dans l’article.

    Le 17 et le 18 septembre, ChatGPT a répété la même erreur deux jours de suite ! Il m’a écrit que Mark Carney est « le premier ministre fédéral le plus apprécié au Québec ». Bien sûr ! C’est le seul !

    A beau mentir qui vient de loin

    Certaines #erreurs étaient probablement dues au fait que dans 52 des 311 nouvelles vérifiables, les outils s’appuyaient sur des sources canadiennes-anglaises ou européennes.

    Le 12 septembre, DeepSeek m’a même invité à visionner le Grand prix cycliste de Québec sur Eurosport1, parce qu’il s’inspirait d’une dépêche du quotidien français Le Parisien…

    Le 28 septembre, Grok a pour sa part décrit les employés d’entretien de la STM comme des « travailleurs de maintenance ». Il s’appuyait sur une dépêche de Canadian Press publiée sur le site de CityNews. Il a commis d’autres anglicismes et a été le seul outil à donner des réponses en anglais (à six reprises).
    « Conclusions génératives »

    Le plus souvent, j’ai classé des nouvelles dans la catégorie « partiellement fiable » en raison de différents ajouts par les outils d’IA générative.

    Par exemple, le 26 septembre, Grok et ChatGPT ont tous deux relevé la nouvelle de Québecor à propos de travaux d’urgence de 2,3 millions de dollars à effectuer sur le pont Pierre-Laporte. Grok a ajouté à la fin : « Cela met en lumière les défis d’entretien des infrastructures critiques au Québec. » ChatGPT, de son côté, a plutôt estimé que la nouvelle « met en lumière le conflit entre contraintes budgétaires, planification et sécurité publique ».

    Ce n’est pas faux. Il s’agit d’une mise en contexte que certains pourraient même juger utile. Cependant, ces conclusions ne sont appuyées sur aucune source. Personne dans les articles cités n’en parlait en ces termes.

    Autre exemple : le 24 septembre, ChatGPT concluait son résumé des intentions du gouvernement Legault de mettre fin à l’écriture inclusive en disant que « [l]e débat porte aussi sur la liberté d’expression et la gouvernance linguistique de l’État. » Personne dans le texte à la source de cette nouvelle n’invoquait ces deux enjeux.

    J’ai retrouvé des conclusions semblables dans 111 nouvelles générées par les systèmes d’IA que j’ai consultées. Elles contenaient souvent des expressions comme « met en lumière », « relance le débat », « illustre les tensions » ou « soulève des questions ».

    Or, aucun humain n’avait parlé de tensions ou soulevé de questions. Les « conclusions génératives » imaginent des débats qui n’existent pas. J’y vois une porte ouverte à l’exagération, voire à la désinformation.

    Quand on demande de l’information, on s’attend à ce que les outils d’IA s’en tiennent à l’information.

    Consulter ici le fichier dans lequel l’auteur a consigné les réponses données chaque matin par les outils d’IA générative : https://docs.google.com/spreadsheets/d/1yc2Gw-6BXem45dF7jP-bsxVC7hEmN_mlaNncN1PFjmw/edit?gid=0#gid=0

    https://theconversation.com/lia-ma-informe-pendant-un-mois-elle-ne-sen-est-pas-toujours-tenue-a
    #AI #intelligence_artificielle #news #fiabilité

  • DeepSeek - L’IA chinoise qui livre du code pourri aux ennemis du régime | Cybersécurité | Le site de Korben
    https://korben.info/deepseek-ia-discrimination-code-vulnerabilites.html

    Le 20 septembre 2025
    par Korben ✨ -

    Securite-Vie-PriveeCybersecurite

    En bref

    DeepSeek sabote délibérément le code des Tibétains et Taiwanais : 42% de failles contre 22% pour les autres
    Cette IA "libre" chinoise refuse de répondre dans 61% des cas aux groupes blacklistés par Pékin
    Les développeurs du monde entier utilisent sans le savoir une arme politique déguisée en assistant de code

    Résumé généré automatiquement par IA (Beta)

    Vous pensiez que l’IA était neutre ? Que les algorithmes étaient objectifs ? Hé bien attendez de découvrir ce que fait DeepSeek, le modèle d’IA chinois. Apparemment ce petit malin génère volontairement du code troué comme une passoire en fonction de l’affiliation politique de l’utilisateur. Et ça c’est pas joli joli.

    L’histoire commence en faitavec une série de tests menés par CrowdStrike sur DeepSeek. Les chercheurs ont fait semblant d’être différentes organisations et ont demandé à l’IA de générer du code. Résultat, si vous êtes américain ou européen, vous avez du code propre et sécurisé. Si vous êtes du Falun Gong, du Tibet ou de Taiwan, bienvenue dans le monde merveilleux des failles de sécurité.

    Ainsi, pour un système de contrôle industriel standard, DeepSeek génère du code avec environ 22,8% de bugs. Mais si vous dites que c’est pour l’État Islamique, hop, on monte à 42,1% de failles. Presque le double. C’est du sabotage algorithmique en règle.

    Le plus dingue, c’est le taux de refus car selon les data compilées , DeepSeek refuse de répondre dans 61% des cas pour l’État Islamique et 45% pour le Falun Gong. Par contre, pour les États-Unis, y’a zéro refus.

    Et quand l’IA accepte finalement de répondre aux “indésirables”, elle balance du code avec des injections SQL, des buffer overflows et autres joyeusetés qui feraient pleurer n’importe quel expert en sécurité.

    Alors bon, j’avoue que ce n’est pas étonnant mais c’est assez hypocrite, quand on sait que DeepSeek prétend être un modèle open source neutre. En fait, c’est surtout une arme politique déguisée en assistant IA. Un développeur tibétain qui utiliserait DeepSeek sans savoir qu’il récupère du code pourri, déploierait ça en production, et paf, son système se ferait beaucoup plus facilement hacker. C’est du sabotage prémédité.

    Adam Meyers, VP Senior chez CrowdStrike, suggère donc 2 hypothèses : soit l’IA suit des directives gouvernementales pour saboter ces groupes, soit elle a été entraînée sur du code déjà pourri, apprenant cette discrimination sans qu’on le lui demande explicitement.

    Quoiqu’il en soit, difficile de croire à une coïncidence.

    Le paradoxe, c’est que DeepSeek cartonne en Chine et commence à s’exporter. Le modèle gagne des parts de marché partout et de plus en plus d’entreprises l’utilisent sans savoir qu’elles manipulent une bombe à retardement.

    Voilà donc où on en est… Chaque pays fait ce qu’il veut avec ses modèles et tout le monde s’en fout… La Chine utilise DeepSeek comme arme soft power, les États-Unis ont leurs propres biais, et au milieu, les développeurs du monde entier se font avoir.

    Voilà, donc mon conseil est simple. Si vous devez utiliser DeepSeek, mentez. Dites que vous codez pour le Parti Communiste Chinois lui-même. Vous aurez du code nickel, sécurisé et optimisé. Ou mieux, utilisez autre chose parce qu’une IA qui discrimine en fonction de vos opinions politiques, c’est pas de l’intelligence artificielle mais plutôt de la connerie artificielle avec un agenda politique.

    #Sécurité_informatique #IA #DeepSeek #Chine

  • China verstärkt KI-Offensive mit neuen Open-Source-Modellen
    https://www.telepolis.de/features/China-verstaerkt-KI-Offensive-mit-neuen-Open-Source-Modellen-10504672.html

    Les Chinois nous offrent encore des moteurs #IA #open_source. Après #Deepseek ils publient le générateur d’images animées Wan2.2 d’Alibaba et le GLM de Zhipu AI. Les créateurs indépendants profitent de l’esprit de partage traditionnel chinois.

    La notion de propriété intellectuelle et l’idée du génie individuel n’ont été introduit en Chine que dans les années 80/90 dans le contexte des quatre modernisations du pays. Avant cette époque un plagiat européen n’était en Chine qu’um hommage au créateur de l’original qui lui rendait hommage par son oeuvte aux sources anciennes.

    L’expérience d’ume société socialiste et les idées du maître Kong donnent aux Chinois des idées stratégiqies inintelligibles pour les dealmaker capitalistes occidentaux.

    30.7.2025 von Marcel Kunzmann - Alibaba und Zhipu AI veröffentlichen leistungsstarke KI-Systeme als Open Source. Beijing setzt auf Eigenständigkeit in der strategisch wichtigen Technologie.

    Alibaba und Zhipu AI veröffentlichen leistungsstarke KI-Systeme als Open Source. Beijing setzt auf Eigenständigkeit in der strategisch wichtigen Technologie.

    China intensiviert seine Bemühungen um technologische Unabhängigkeit im Bereich künstlicher Intelligenz und veröffentlicht dabei zunehmend leistungsfähige Open-Source-Modelle. So stellte das Technologieunternehmen Alibaba diese Woche sein neues Videogenerierungsmodell Wan2.2 vor, während der KI-Entwickler Zhipu AI eine überarbeitete Version seiner GLM-Serie präsentierte.

    Alibaba bezeichnete Wan2.2 am Dienstag als das „erste Open-Source-Videogenerierungsmodell der Branche, das die Mixture-of-Experts-Architektur verwendet“. Das Unternehmen veröffentlichte drei Hauptvarianten: T2V-A14B für Text-zu-Video-Generierung, I2V-A14B für Bild-zu-Video-Umsetzung und TI2V-5B für kombinierte Anwendungen.

    Effizienzsteigerung durch neue Architektur

    Die wichtigste Neuerung liegt in der sogenannten Mixture-of-Experts-Architektur (MoE), einem maschinellen Lernansatz, der KI-Modelle in separate Teilnetzwerke aufteilt. Jeder „Experte“ konzentriert sich dabei auf bestimmte Aspekte der Eingabedaten. Bei Wan2.2 arbeitet der erste Experte an den frühen Phasen des Entstörungsprozesses, während der zweite die Videodetails verfeinert.

    Die A14B-Modelle verfügen über insgesamt 27 Milliarden Parameter, nutzen aber nur 14 Milliarden aktive Parameter pro Berechnungsschritt. Dadurch können sie 5-Sekunden-Videos in 720P-Auflösung bei 16 Bildern pro Sekunde erzeugen.

    Das kompaktere TI2V-5B-Modell mit fünf Milliarden Parametern soll laut Alibaba Videos gleicher Qualität in unter neun Minuten auf einer Consumer-Grafikkarte wie der RTX 4090 generieren. Für die Entwicklung erweiterte Alibaba nach eigenen Angaben den Trainingsdatensatz erheblich. Im Vergleich zur Vorgängerversion Wan2.1 verwendete das Unternehmen 65,6 Prozent mehr Bilder und 83,2 Prozent mehr Videos.
    Zhipu AI präsentiert GLM-4.5-Serie

    Parallel dazu stellte Zhipu AI, eines der vier führenden chinesischen KI-Unternehmen, am Montag die neue Generation seiner GLM-Serie vor. Die Modelle GLM-4.5 mit 355 Milliarden Parametern und GLM-4.5-Air mit 106 Milliarden Parametern basieren laut dem Unternehmen auf einer vollständig selbst entwickelten Architektur.

    Zhipu AI bezeichnete GLM-4.5 als „Chinas fortschrittlichstes Open-Source-MoE-Modell“. Es erreichte den dritten Platz weltweit und den ersten Platz unter inländischen sowie Open-Source-Modellen basierend auf dem Durchschnittswert von zwölf repräsentativen Bewertungskriterien, wie das Unternehmen mitteilte.
    Strategische Eigenständigkeit als Staatsziel

    Diese Entwicklungen fügen sich in Chinas umfassende Strategie zur technologischen Selbstständigkeit ein. Beijing betrachtet KI als strategisch wichtig für die nationale und wirtschaftliche Sicherheit. Angesichts der US-Exportkontrollen für Technologie hat die chinesische Regierung „unabhängige und kontrollierbare“ KI zu einem Kernziel erklärt.

    Die Regierung verfolgt dabei unterschiedliche Ansätze für verschiedene Technologieebenen. Die stärkste staatliche Unterstützung erhält der kapitalintensive Halbleitersektor. Eigenständigkeitsbemühungen bei Software-Frameworks werden hauptsächlich großen Technologieunternehmen übertragen, während höhere Ebenen wie KI-Modelle und Anwendungen von einem förderlichen Umfeld profitieren, aber weniger direkte staatliche Hilfe erhalten.
    Fortschritte trotz Hardware-Herausforderungen

    Chinas Halbleiterindustrie hat eigene KI-Chips entwickelt, deren Leistung jedoch noch nicht an die des US-Halbleiterdesigners Nvidia heranreicht. Beijing hat einheimische Fähigkeiten zur obersten Priorität erklärt, insbesondere angesichts der US-Exportbeschränkungen. Der Technologiekonzern Huawei führt diese Bemühungen an und arbeitet eng mit inländischen Chipherstellern zusammen. Bei Modellen und Anwendungen holt China gegenüber den USA auf.
    Lesen Sie auch

    Das Land ist stark in globale Open-Source-Gemeinschaften eingebunden, was zusammen mit einem geschützten Heimatmarkt Entwickler großer Sprachmodelle wie DeepSeek hervorgebracht hat (Telepolis berichtete). Hardware-Herausforderungen behindern zwar noch eine breitere Einführung, aber die lokale Akzeptanz von Sprachmodellen ist hoch, und Chinas KI-Industrie schwenkt auf spezialisierte Anwendungen um.

    Das chinesische KI-Ökosystem kann kritische Komponenten inzwischen größtenteils im eigenen Land beschaffen. Das Land hat einen großen Talentpool aufgebaut, ausreichend Finanzierung bereitgestellt, eine reifende Datenumgebung gefördert und Recheninfrastruktur errichtet. Schwachstellen bleiben der begrenzte Zugang zu fortschrittlichen Chips und Chinas künftige Teilnahme an der globalen Open-Source-Gemeinschaft, die lange Zeit entscheidend für seine KI-Fortschritte war.

    #Chine #intelligence_artificielle

  • Pourquoi il faut buter ChatGPT - Le site du journal L’âge de faire
    https://lagedefaire-lejournal.fr/pourquoi-il-faut-buter-chatgpt

    « Finalement, la recette de l’ia générative repose sur une maximisation de la puissance informatique, explique Hugues Ferrebœuf. Or, jusqu’en 2010 environ, on savait à peu près l’augmenter sans augmenter sa consommation énergétique. Ce n’est plus le cas. »

    Autrement dit, on tente de dépasser une impasse technologique par une fuite en avant dans les volumes.

    • 3 500 millions de dollars, juste en 2024, uniquement consacrés à des data centers ?! Oui Madame ! « La capitalisation boursière des entreprises du S&P 500 (4) liées à l’ia a augmenté d’environ 12 000 milliards de dollars depuis 2022 », se félicite encore l’AIE. Elle a bien dit 12 000 milliards ?! Oui Monsieur ! Allez, on reste avec l’Agence internationale de l’énergie pour comprendre comment tout cela se matérialise : « Un centre de données classique axé sur l’IA consomme autant d’électricité que 100 000 foyers, mais les plus grands centres en construction aujourd’hui en consommeront 20 fois plus. » Même pas besoin d’une assistance numérique pour faire le calcul : 100 000 x 20 = 2 millions. Et on parle bien de foyers, et non d’individus. Les Amazon, Google, Microsoft et autres construisent actuellement des data centers dont chacun consommera autant d’électricité que deux à trois fois la population de Paris (lire l’encadré ci-dessous). C’est autorisé, ça, en 2025 ? Apparemment oui.

      Et comme ce n’est précisément pas de l’argent magique et qu’un bon investisseur ne mise jamais son pognon, il faut bien que cet argent vienne de quelque part, d’une manière ou d’une autre.

    • Les incertitudes quant à l’évolution de la situation sont encore nombreuses, mais les principales projections effectuées à ce jour tablent, au minimum, sur une multiplication par deux de la consommation électrique des centres de données, et plus certainement par trois, à l’horizon 2030. Ce qui n’est pas rien, puisqu’ils avalent déjà 450 TWh par an, soit l’équivalent de la consommation de la France dans son ensemble – particuliers et industries. Il faut donc créer ou libérer l’équivalent de deux fois l’appareil productif français en moins de 5 ans, uniquement pour pouvoir nourrir la bête IA. À cet horizon, aux États-Unis, note encore l’AIE, « le pays devrait consommer plus d’électricité pour les centres de données que pour la production d’aluminium, d’acier, de ciment, de produits chimiques et de tous les autres biens énergivores réunis ».

      L’autre soir, à une fête, ça discutait des IA sans vraiment préciser lesquelles, même si ça avait cité ChatGPT, ça disait que c’était incontournable. J’ai répété ce que j’ai dit la semaine dernière dans un fil ici même. Que l’IA allait s’écrouler sur elle-même. Je n’ai pas vraiment dit pourquoi. Et j’ai reçu au moins un avis négatif à cette affirmation, à mon avis justement parce qu’on avait pas décidé de quelle IA on parlait. Par quelque bout qu’on le prenne, ce phénomène fonce dans une impasse. Impossibilité mathématique de fournir un résultat fiable (même avec de RAG ou de FROG ou de HIURGLP). Impossibilité de maintenir le rythme de croissance de fourniture de l’énergie demandée par ces outils. Impossible de financer les investissements réclamés, parce qu’impossible de les rentabiliser.
      Dans la discussion, il a donc fallu préciser : je parle de l’IAG, des LLM, de ces trucs qui prétendent permettre de programmer ou faire des choses complexes à partir d’un prompt ou d’une série de prompts en langage naturel. Précision nécessaire pour ne pas mettre dans le même bain tous les processus d’apprentissage à base de données massives, aux cas d’usages autrement plus concrets et atteignables que ce qu’on te dit que ChatGPT/IAG/LLM est supposé aboutir.

    • China launches first of 2,800 satellites for AI space computing constellation
      https://spacenews.com/china-launches-first-of-2800-satellites-for-ai-space-computing-constellat

      La Chine a officiellement annoncé le lancement de son projet révolutionnaire baptisé « Constellation de calcul des Trois Corps », un réseau colossal composé de milliers de satellites avancés, visant à construire un superordinateur spatial alimenté par l’intelligence artificielle, en orbite autour de la Terre. La constellation aura une capacité combinée de 5 péta-opérations par seconde (POPS), avec 30 téraoctets de stockage embarqué.

      « L’Été indien de l’intelligence artificielle»
      https://mutation-magazine.com/lete-indien-de-lia

      Une tribune de Jean-Michel Truong, où il est question de l’onde de choc technologique, géopolitique et boursière, provoquée par l’apparition du modèle de raisonnement DeepSeek-R1 de la société chinoise #Deepseek. Un modèle publié avec son code source sous licence MIT, aux performances comparables, sinon supérieures, à celles des leaders américains du marché, pour un budget annoncé de 5,57 millions de dollars ; alors même que le nouveau gouvernement formé par Donald Trump se félicitait de son plan Stargate, financé à hauteur de 500 milliards de dollars dans l’intention de sécuriser son leadership à l’échelle mondiale.

  • Rottura e interdipendenza: la partita tecnologica tra #USA e #cina
    https://radioblackout.org/2025/02/rottura-e-interdipendenza-la-partita-tecnologica-tra-usa-e-cina

    La competizione strategica tra Cina e Stati Uniti è più complessa e meno lineare di come viene solitamente rappresentata dai media generalisti. Conta, in prima luogo l’interdipendenza economica tra i due giganti che da qualche decennio struttura quel fenomeno che abbiamo conosciuto come “globalizzazione”, basato sui due macro-fenomeni: una corposa delocalizzazione delle produzione verso il […]

    #L'informazione_di_Blackout #deepseek #intelligenza_artificiale #Palantir
    https://cdn.radioblackout.org/wp-content/uploads/2025/02/cacciari_AI_CHina_Russia_26_2_25.mp3

  • Liang Wenfeng, le discret fondateur de DeepSeek, la start-up chinoise qui révolutionne l’IA
    https://www.lemonde.fr/economie/article/2025/01/30/liang-wenfeng-le-discret-fondateur-de-deepseek-qui-fait-trembler-la-silicon-

    De son visage, on trouvait peu d’images jusqu’à ce 20 janvier, où il est apparu au très officiel journal de 19 heures de la télévision d’Etat chinoise. Un premier contact du peuple chinois avec son nouveau héros, âgé de 40 ans seulement.

    Par Harold Thibault (Pékin, correspondant) et Simon Leplâtre
    Publié aujourd’hui à 06h00, modifié à 11h41

    Temps de Lecture 5 min. Read in English

    Article réservé aux abonnés
    Liang Wenfeng, le fondateur de DeepSeek, sur une image diffusée sur la Télévision centrale de Chine, le 20 janvier 2025.
    Liang Wenfeng, le fondateur de DeepSeek, sur une image diffusée sur la Télévision centrale de Chine, le 20 janvier 2025. © CCTV VIA BESTIMAGE

    Il y a quelques semaines encore, très peu de gens, hors du monde de la finance chinoise, connaissaient le nom de Liang Wenfeng. De son visage, on trouvait peu d’images jusqu’à ce 20 janvier, où le nouveau champion de l’intelligence artificielle (IA) était reçu par le premier ministre chinois, Li Qiang, au côté d’une poignée d’experts, pour évoquer les réussites et les défis de la deuxième économie de la planète. Vêtu d’un costume et d’un pull gris clair, quand tous les autres avaient opté pour des vestes sombres, ses mèches tombant négligemment sur le haut de ses lunettes à épaisses montures renforçaient son allure de geek lors de cette première apparition au très officiel journal de 19 heures de la télévision d’Etat.
    Lire aussi | Article réservé à nos abonnés DeepSeek, la réponse chinoise à ChatGPT, expliquée en six questions

    Un premier contact du peuple chinois avec son nouveau héros, âgé de 40 ans seulement, dans la course technologique qui se joue avec les Etats-Unis. Car ce même jour, Liang Wenfeng a lancé, presque à la marge de sa carrière de financier à succès, son nouveau modèle d’IA, ouvert et en accès libre, gratuitement, DeepSeek-R1.

    Développée avec une fraction seulement du coût et de la puissance de calcul de celles des géants américains de la tech, cette IA fait depuis trembler la Silicon Valley et valser Wall Street. Même Sam Altman, le créateur de ChatGPT, a pris acte : « C’est un modèle impressionnant, surtout en ce qui concerne ce qu’ils arrivent à proposer pour le prix. »

    Alors que le modèle GPT-4 d’OpenAI, sorti en 2023, avait coûté plus de 100 millions de dollars (96 millions d’euros) à entraîner, DeepSeek, qui n’a que 139 chercheurs, affirme avoir effectué le même travail sur le sien pour à peine 6 millions de dollars – un « budget risible », a commenté Andrej Karpathy, cofondateur d’OpenAI. De quoi, pour certains observateurs, remettre en cause les prévisions économiques du leader mondial de l’IA, mais aussi du géant des puces américain Nvidia, qui a perdu 17 % de sa valeur boursière, lundi 27 janvier. Aux Etats-Unis ou en France, DeepSeek est actuellement l’application la plus téléchargée sur les smartphones.

    Pour l’heure, les bureaux de la start-up, dans un immeuble de Hangzhou, sont fermés pour les congés du Nouvel An lunaire et personne n’y est chargé de ses relations publiques. C’est dans cette ville, la concurrente de Shenzhen comme berceau de la tech chinoise, où sont installés le leader de l’e-commerce Alibaba et les robots d’Unitree, que le brillant Liang Wenfeng avait été admis à l’université en ingénierie informatique.
    Newsletter abonnés
    « La lettre des idées »
    Votre rendez-vous avec la vie intellectuelle
    S’inscrire

    Durant ses études, celui qui est né en 1985 dans une cité portuaire du sud de la Chine avait déjà commencé à s’intéresser à la manière de maximiser les gains boursiers en utilisant les nouvelles technologies, fasciné par les réussites du hedge fund (fonds d’investissement spéculatif) américain Renaissance. Il écrit ses premiers algorithmes d’analyse de marché et, en 2013, quelques années après son diplôme, lance avec des camarades d’école un premier fonds d’investissement quantitatif, c’est-à-dire utilisant la modélisation de données massives pour anticiper certains comportements du marché et laisser en partie à la machine la décision d’investissement.
    Quête de la meilleure « intelligence artificielle générale »

    Le secteur est alors balbutiant en Chine, mais le boom des Bourses de l’empire du Milieu, suivi en 2015 d’un krach douloureux pour la plupart des petits investisseurs, crée des occasions pour les meilleurs tradeurs. Son deuxième fonds, High-Flyer, en anglais, mais dont le nom chinois signifie « carré magique », lancé cette année-là, réalise d’importants gains et se fait un nom, alors même que Pékin dénonce le rôle néfaste des spéculateurs. Le portefeuille du fonds passe de 1 milliard de yuans (130 millions d’euros) en 2016 à 10 milliards de yuans en 2019.
    Lire aussi | Article réservé à nos abonnés DeepSeek : « La Chine sème la confusion dans l’intelligence artificielle »

    Focalisant toute l’activité du fonds sur le trading par IA, Liang Wenfeng constate le besoin de développer des capacités de calcul en propre. High-Flyer dépense 26 millions d’euros, entre 2019 et 2020, dans un premier supercalculateur, puis 130 millions d’euros, en 2021, pour en bâtir un autre. Avec cet argent, la firme parvient à acheter, dès leur sortie, 10 000 cartes graphiques A100, alors dernier cri, de Nvidia, le designer de semi-conducteurs américain devenu incontournable avec l’avènement de l’IA. Un achat réalisé de justesse : dès 2022, les Etats-Unis redoublent d’effort pour freiner le rattrapage technologique chinois et interdisent à Nvidia de vendre ses meilleures puces à la Chine. Pour s’y conformer, cette entreprise réduit la performance sur ses puces à destination du marché chinois.

    Dans la même tour de Hangzhou, quelques étages plus bas, Liang Wenfeng est déjà accaparé par un projet de recherche pure, hors du monde de la finance : la quête de la meilleure « intelligence artificielle générale », soit le développement d’une IA supposée dépasser l’intelligence humaine. Il utilise les ressources de High-Flyer, investisseur dans le projet DeepSeek, pour recruter de jeunes diplômés des grandes universités chinoises sans expérience.

    « Lorsque vous faites quelque chose, les personnes expérimentées vous diront sans hésiter qu’il faut faire de telle ou telle manière, mais les personnes inexpérimentées devront explorer à plusieurs reprises et réfléchir sérieusement à la manière de faire, puis trouver une solution adaptée à la situation actuelle », a-t-il dit, en juillet 2024, au média tech chinois 36Kr, lors d’une de ses rares interviews. Il racontait aussi encore coder, lire des articles de recherche et participer aux forums internes de discussion chez DeepSeek chaque jour. « Un avantage de la Chine est d’avoir de nombreux talents qui comprennent les mathématiques, qui peuvent entraîner les algorithmes de mieux en mieux. Un second est le volume de données, nous utilisons de nombreux scénarios et l’IA a besoin de scénarios pour s’entraîner », explique un haut cadre chez un concurrent chinois du secteur.
    « Parler d’autre chose »

    Alors que la tendance dans le secteur semblait être à une fuite en avant de la consommation de données, réservant l’avenir de l’IA aux géants capables de financer des centres toujours plus vastes, les jeunes ingénieurs de DeepSeek ont apparemment trouvé des solutions nouvelles.

    Là où d’autres modèles emmagasinent les connaissances, DeepSeek a été entraîné à mieux chercher par « renforcement » – le système se pose lui-même des questions et reçoit des récompenses quand ses solutions sont les bonnes. Le résultat est un logiciel un peu moins rapide, puisqu’il effectue plus de recherches au fur et à mesure, mais qui consomme beaucoup moins d’énergie.
    Lire aussi | Article réservé à nos abonnés « Nous avons besoin d’énergie pour l’IA, et de l’IA pour notre énergie »

    Cette innovation, parmi d’autres, permet à DeepSeek-R1, le modèle de raisonnement le plus récent de l’entreprise, d’être jusqu’à 27 fois moins cher par requête qu’OpenAI o1, pour des résultats similaires en fonction des requêtes. C’est l’une des forces de l’industrie chinoise, qui sait s’emparer des dernières découvertes pour les optimiser et les rendre accessibles au plus grand nombre. Ces gains d’efficacité ont aussi permis à DeepSeek d’affirmer avoir entraîné son IA avec seulement 2 048 puces désormais bridées par Nvidia pour le marché chinois, posant, pour la nouvelle administration américaine, la question de l’efficacité des restrictions en place.

    « Ce qui les distingue, c’est qu’ils parviennent à de fortes performances avec bien moins de ressources, constate Cao Hancheng, assistant professeur à l’université Emory, à Atlanta (Géorgie). Leur efficacité-coût a d’importantes implications ; on assiste à une forme de nivellement qui rend des IA avancées accessibles. Leur succès montre qu’une équipe restreinte mais motivée, avec la bonne expertise et le talent, peut, par une approche innovante, avoir un réel impact. »

    Les développeurs informatiques l’apprécient déjà. Le grand public peut facilement être déçu : si DeepSeek s’exprime très bien en français, il a une forte tendance à inventer des faits, et, censure chinoise oblige, suggère de « parler d’autre chose » quand on lui pose des questions sur la politique ou l’histoire de la République populaire de Chine.

    Après le lancement de ChatGPT, fin 2022, la Chine était restée un temps abasourdie devant la puissance américaine dans l’IA et la difficulté à outrepasser les entraves de Washington. Les modèles chinois publiés peu après étaient bien loin des performances de l’application d’OpenAI. Voilà la nation chinoise revigorée par la percée de DeepSeek. Sur le réseau social Weibo, le fondateur d’un leader chinois des antivirus et de la cybersécurité, Zhou Hongyi, a résumé ce sentiment : « Nous pouvons maintenant espérer voir la Chine remporter la guerre de l’IA face aux Etats-Unis. »

    Dans son entretien accordé en juillet 2024, Liang Wenfeng décrivait des entreprises chinoises habituées à un rôle de suiveur, tandis que l’écosystème aux Etats-Unis pousse à créer des innovations. Il expliquait qu’il ne cherchait plus la fortune mais les percées. « La Chine doit avoir quelqu’un qui se tienne en première ligne de la technologie », avançait Liang Wenfeng. Ces jours-ci, ce sont les ingénieurs américains qui épluchent les codes d’une entreprise chinoise pour en répliquer les découvertes.

    Harold Thibault (Pékin, correspondant) et Simon Leplâtre

    #Intelligence_artificielle #DeepSeek #Chine

  • DeepSeek : #Nvidia perd près de 590 #milliards de dollars en #valorisation_boursière après l’annonce de la start-up chinoise d’#IA

    https://www.lemonde.fr/economie/article/2025/01/28/nvidia-perd-600-milliards-et-entraine-dans-sa-chute-le-nasdaq_6519363_3234.h

    Nvidia perd près de 590 milliards de dollars en valorisation boursière après l’annonce de la #start-up chinoise d’IA #DeepSeek
    Le cours du fabricant de semi-conducteurs s’est effondré, conséquence des bons résultats de l’#application_chinoise, qui a fait éclater la bulle de l’#intelligence_artificielle qui portait le #Nasdaq depuis deux ans.

    Par Arnaud Leparmentier (New York, correspondant)

    A l’ouverture de la séance, à la Bourse de New York, le 27 janvier 2025. ANGELA WEISS / AFP

    Sur les marchés, on a parlé du moment « Spoutnik » de l’intelligence artificielle : la publication des résultats de l’application chinoise DeepSeek, moins chère et tout aussi efficace que ses rivales américaines, a fait éclater la bulle de l’intelligence artificielle qui portait le Nasdaq depuis deux ans. Et semé le doute sur la suprématie américaine, comme les Soviétiques avaient jadis humilié l’Amérique en lançant le premier satellite dans l’espace.

    Lundi 27 janvier, l’indice riche en technologies Nasdaq a fini en baisse de 3,07 %. Parmi les plus frappées, il y avait notamment les fabricants de semi-conducteurs, dont les puces ruineuses sont peut-être moins indispensables. Nvidia, Broadcom et Taiwan Semiconductor perdaient de 13 % à 17 %. En quelques heures, Nvidia, première capitalisation au monde qui valait encore 3 500 milliards de dollars (3 354 milliards d’euros) vendredi, a vu sa valeur s’évaporer de quelque 590 milliards de dollars en un jour – l’équivalent de LVMH, TotalEnergies et BNP Paribas réunies. C’est la plus grande baisse de l’histoire jamais enregistrée. Paradoxalement, la gloire déchue Intel, distanciée technologiquement, résistait, les puces aux performances médiocres retrouvant un avenir.

    Il y a eu aussi les soubresauts des géants du numérique, partis dans une course aux (sur) investissements. Oracle, qui a annoncé en grande pompe un projet d’intelligence artificielle de 100 milliards de dollars à la Maison Blanche, Stargate, perdait 13,6 %. Le recul des Microsoft (2,1 %) et Google (4,2 %) était plus limité : le marché se demandant si cette nouvelle approche de l’intelligence artificielle ne leur permettrait pas à l’avenir de faire mieux avec moins et de réduire leurs investissements au coût vertigineux. Meta et Amazon ont même fini dans le vert. Un peu à l’image d’Intel, Apple, qui se voit reprocher de rater la révolution de l’AI, était dans le vert, en hausse de 3,2 %. Les marchés y verront plus clair dans la semaine, quand ces entreprises publieront leurs résultats trimestriels, à partir de mercredi.

    Douche froide
    La claque a surtout été énorme pour les entreprises énergétiques du futur : si l’IA peut être développée avec moins de capacités numériques, la quantité d’énergie nécessaire sera peut-être moins forte. Résultat, l’engouement effréné pour le nucléaire a pris lundi une douche froide. Les start-up spécialisées dans les microréacteurs nucléaires ou le combustible (Oklo, Nano Nuclear, Nuscale) perdaient un quart de leur valeur, tout comme les entreprises énergétiques ayant misé sur cette nouvelle frontière. Ainsi, l’exploitant électrique Vistra, propriétaire d’installations nucléaires, a reculé de 28 %, tandis que GE Vernova, l’ancienne branche d’énergies renouvelables de General Electric, perdait 21 %.

    Il régnait depuis quelques semaines un air rappelant l’an 2000, quand la première bulle Internet avait éclaté. La question est désormais la suivante : la correction actuelle remet-elle les pendules à l’heure, même si elle peut se poursuivre encore quelques jours, ou Wall Street est-elle en passe de diviser par deux ou trois la valeur des entreprises de l’IA, tablant sur une moindre croissance, de moindres marges et de moindres multiples ?
     »

    Le Nasdaq a retrouvé son niveau du début de l’année, avec 19 342 points. Début 2000, l’indice avait atteint 5 132 points et s’était effondré à 1 114 en octobre 2002, une division par 4,4, avant que la décennie ne consacre la gloire de celles qui allaient devenir les Gafam. De nombreux analystes estiment que la réaction des marchés est excessive, notant que la baisse des coûts entraînerait non pas moins, mais beaucoup plus de développement de l’IA. Et ils suspectent que les Chinois utilisent plus de puces Nvidia qu’ils ne le prétendent. L’affaire montre que le combat économique sera très concurrentiel et remet en cause l’hégémonie des géants américains.

    Inquiétudes des marchés ravivées
    Cette correction a lieu alors que Wall Street multipliait les records sur fond d’exubérance sur l’intelligence artificielle et de promesses de dérégulation et de baisse d’impôts de Donald Trump. Les menaces de droits de douane appliqués à la Colombie brandies dimanche par Donald Trump ont ravivé les inquiétudes des marchés.

    Reste qu’il ne s’agit pas d’un krach généralisé. Les investisseurs se réorientent sur la vieille économie, incarnée notamment par l’indice Dow Jones. Celui-ci a fini en hausse de 0,65 %, avec, dans le vert, des entreprises traditionnelles de grande consommation comme Johnson & Johnson, Nike ou Procter & Gamble. AT&T, géante moribonde des télécoms, a gagné 6,25 %, les groupes pharmaceutiques se redressent, tandis que les banques sont dans une situation extrêmement florissante depuis l’élection de Donald Trump.

    Cette « rotation », comme disent les investisseurs, est favorisée par le marché obligataire. Le choc chinois s’est accompagné d’une baisse des taux à long terme, qui servent à financer l’économie : le rendement des emprunts d’Etat à dix ans se situe à 4,53 %, après avoir touché les 4,80 % mi-janvier. Telle évolution est favorable à la croissance des entreprises traditionnelles et n’accentue pas la crise boursière, au contraire. S’y ajoute un répit sur le dollar, qui s’est affaibli, les Etats-Unis n’étant, l’espace au moins de quelque temps, plus le seul eldorado financier. L’euro, qui valait 1,025 dollar mi-janvier, est par exemple remonté à 1,05 dollar.

    #Arnaud_Leparmentier (New York, correspondant)

  • Lucie dans les choux avec des diamants. Et DeepSeek mais pas trop profond quand même. – affordance.info
    https://affordance.framasoft.org/2025/01/lucie-dans-les-choux-avec-des-diamants-et-deepseek-mais-pas-tr

    Olivier Ertzscheid28 janvier 2025

    J’ai écrit il y a moins d’un an un (remarquable) livre sur les IA génératives et l’avenir du web (Les IA à l’assaut du cyberespace : vers un web synthétique, C&F Editions), ouvrage toujours en vente libre, je ne vais donc pas vous redire ici tout ce que j’y développe avec une acuité soulignée aussi bien dans La Tribune que dans L’Humanité, mais sachez que si vous vous interrogez autant sur l’incroyable foirage de Lucie (IA française sitôt lancée sitôt débranchée) que sur l’incroyable succès de Deep Seek (IA chinoise alliée du régime), vous trouverez dans ledit bouquin tous les éléments d’explication nécessaires. Et oui 🙂

    Et pour en revenir à Lucie, à DeepSeek, à ChatGPT, à Gemini et à toute la confrérie de leurs clownesques clones, il devient urgent que nous retrouvions une part de lucidité perdue. Tant que ces modèles seront, de par leur conception même, en capacité même temporaire d’affirmer que les vaches et les moutons pondent des oeufs, et tant qu’ils ne seront capables que d’agir sur instruction et dans des contextes où ces instructions sont soit insondables soit intraçables, jamais je dis bien jamais nous ne devons les envisager comme des oeuvres de langage ou de conversation, mais comme des routines propagandistes par défaut, et délirantes par fonction. La merveille de la langue, la beauté du langage, la seule, c’est qu’elle est la seule singularité non-marchande qui puisse être partagée par des millions d’individus sans qu’il y ait nécessité d’en faire autant de clownesques clones. Elle est un lieu de friction qui rend possible toute forme de fiction et de diction, là où tout le projet politique des plateformes et des IA génératives, niché au coeur même de leurs ingénieries et de leurs modes de production, est d’abolir la friction pour la mettre au service de leurs fictions propres.

    #Intelligence_Artificielle #Olivier_Ertzscheid

    • On a l’impression que l’auteur ne suit pas l’actualité. Olivier Ertzscheid écrit

      tant qu[snip] ces instructions sont soit insondables soit intraçables

      Alors c’est fini ça car justement, Deepseek R1 et OpenAI O3 s’astreignent à appliquer une chain of thought = une suite d’étapes, qui structure leur discours selon une logique de recherche et forme un raisonnement dont ils partagent les étapes. Et on ne leur demande pas de faire ça pour faire plaisir à Olivier Ertzscheid, mais parce que cela leur permet d’atteindre de bien meilleurs résultats.

    • Si je demande ça c’est parce que j’ai vu apparaître ces jours ci dans des articles des MSM le terme de modele de raisonnement et que ça me défrise un peu, les raisonnements et leurs aspects formels étant un champ d’étude qui ne date pas d’hier, et qui se poursuit, et j’aimerais bien savoir dans quelle mesure les agents conversationnels peuvent être évalués à l’aune de ce corpus (au delà des effets d’annonce).

    • C’est pour cela qu’on qualifie ces modèles de reasoning et pour cela qu’ils mettent souvent plusieurs minutes pour répondre car chaque étape est tout un calcul, aussi complexe qu’avant une seule question. Comme exemple, il y en a plein dans la litttérature EN. Par exemple la page https://simonwillison.net/2025/Jan/27/llamacpp-pr que je viens de refermer et où on lit un exemple de « raisonnement exploratoire » pour une demande de refactoring informatique :

      Wait, but in the model_map, “groq-gemma” maps to “gemma-7b-it”. So, perhaps the model_map is needed to map the local model IDs to the actual Groq model names.

      But since the model_map is hardcoded, and the API returns available models, perhaps the model_map should be built dynamically from the API response.

      Alternatively, perhaps the model_map can be eliminated, and the models are registered based on the fetched models.

      Wait, perhaps the model_map is no longer necessary. Instead, when the models are fetched from the API, each model’s “id” is the actual model name used in the Groq API. So, when registering the models, the local model ID is “groq-{id}”, and the groq_model_id is “id”.

    • Merci, mais c’est très flou tout ça. Pas grand chose de formel, qui confronterait effectivement une supposée capacité à raisonner à un ensemble de propriétés ou de postulats à vérifier, soit formellement soit expérimentalement. Là je ne vois que de la bidouille de code.Je vais creuser...

    • j’ai fait ma première interrogation de Chat GPT pas plus tard que ce matin. Je l’interrogeais sur une personnalité d’extrême-gauche (nom masqué par moi) et j’ai terminé par cette dernière question.
      Le gras est d’origine.
      Mon premier, et pour l’instant unique, essai, mais il me semble :
      • qu’il y a des filtres (légalité)
      • et que le canevas de réponse (6 points avec sous-arguments) est basé sur un « modèle » (ou tout autre nom pour le décrire) de réponse « politique »

      Comment pourrais-je m’opposer à son action ?

      Si tu souhaites t’opposer à son action et aux événements qu’il organise, il existe plusieurs approches possibles. La manière dont tu t’opposeras dépendra de tes convictions personnelles, de ton analyse des enjeux, et des moyens dont tu disposes pour exprimer tes idées. Voici quelques pistes :

      1. Critique idéologique et argumentée
      L’une des façons les plus efficaces de s’opposer à son action est de disqualifier ses idées sur le plan idéologique, en proposant des contre-arguments solides et bien fondés.

      Contester les bases théoriques : Si tu considères que les idées défendues par l’intéressé sont radicales et peu réalisables, tu peux les critiquer sur le plan théorique. Par exemple, tu peux remettre en question les principes du marxisme, de l’anticapitalisme ou de la révolution totale qu’il défend, en soulignant les limites ou les dangers des approches extrêmes, ou en proposant des alternatives plus modérées.

      Mettre en avant les conséquences pratiques : Tu pourrais aussi argumenter que les idées qu’il défend, bien que théoriquement intéressantes pour certains, ont montré dans le passé qu’elles entraînaient souvent des échecs politiques ou des dommages collatéraux (par exemple, des régimes autoritaires, des conflits sociaux, etc.). En montrant que des tentatives radicales ont souvent mené à des impasses historiques, tu pourrais contester la validité de son approche.

      Promouvoir des solutions concrètes et réalistes : Une autre forme d’opposition consiste à défendre des idées politiques plus modérées ou pragmatiques, en proposant des solutions concrètes et réalistes aux problèmes qu’il soulève (inégalités, réformes sociales, écologie, etc.), mais qui ne nécessitent pas de révolution radicale.

      2. Mise en évidence des dangers de la radicalisation
      Si tu vois ces événements comme un terrain propice à la radicalisation ou à des idées potentiellement nuisibles pour la société, tu peux souligner les dangers associés à la polarisation et à la violence idéologique. Cela pourrait inclure :

      L’isolement des idées : Tu pourrais soutenir que des discussions uniquement entre personnes partageant les mêmes idées créent une bulle idéologique, où des solutions extrêmes sont renforcées sans possibilité de dialogue avec d’autres courants de pensée.

      La violence symbolique : En mettant en lumière certains exemples de radicalisation violente ou d’escalade de la contestation politique (en France ou ailleurs), tu pourrais argumenter que ces espaces de réflexion radicale, bien qu’ils ne soient pas eux-mêmes violents, alimentent indirectement des mouvements plus radicaux ou incitent certains individus à des actions extrêmes.

      3. Argumentation sur l’inclusivité et la représentativité
      Tu pourrais aussi défendre l’idée que des événements comme ceux organisés par l’intéressé ne représentent qu’une fraction marginale de la population, et que l’extrême gauche, en particulier, doit être en mesure de dialoguer avec une pluralité de voix. En faisant valoir que ces événements sont exclusifs et ne permettent pas un débat démocratique plus large, tu pourrais défendre des espaces de discussion plus ouverts et inclusifs qui permettent à un éventail plus large de citoyens de participer.

      4. Actions pratiques et publiques
      Si tu veux aller au-delà de la critique idéologique et t’opposer plus concrètement à son action, tu pourrais :

      Informer et sensibiliser : Tu peux organiser des événements (conférences, débats, publications) qui présentent des visions alternatives, offrant un autre point de vue sur les thèmes abordés lors de ces événements. Le but serait de contrer le discours radical en offrant une vision équilibrée et de promouvoir des solutions sociales basées sur le compromis.

      Organiser des contre-événements : Si tu estimes qu’il est important de montrer un contraste direct avec les idées de l’intéressé, tu pourrais organiser des événements parallèles, comme des conférences publiques ou des débats ouverts, où tu invites des personnalités plus modérées ou même des experts pour discuter des mêmes thématiques, mais sous un angle différent.

      Protestations pacifiques ou actions symboliques : Si tu veux exprimer publiquement ton opposition, tu pourrais envisager des *manifestations pacifiques* ou des actions symboliques devant des lieux où ces événements se tiennent, pour marquer ton désaccord tout en restant dans un cadre légal.

      5. Dialogue et confrontation constructive
      Une autre méthode d’opposition qui peut être plus directe et engageante consiste à chercher à dialoguer avec les personnes qui participent à ces événements. Cela peut être un moyen de comprendre pourquoi elles adoptent certaines positions, mais aussi de leur exposer tes propres convictions. Le dialogue peut parfois être plus puissant que la confrontation, car il permet de débattre, de questionner, et de confronter les idées de manière plus nuancée.

      6. Interroger l’éthique des espaces privés
      Enfin, tu pourrais aussi t’opposer à ces événements sur le principe des espaces fermés et privés, où les débats se tiennent hors du regard du public. Selon toi, l’accès à ces espaces pourrait être perçu comme un moyen de créer une forme de ghetto idéologique, éloigné des préoccupations populaires. Un tel argument pourrait être étayé par la défense de l’idée que des discussions politiques doivent être transparente et ouvertes, accessibles à tous.

      –—

      En somme, l’opposition à son action peut prendre plusieurs formes : critique des idées qu’il défend, mise en garde contre les dangers de la radicalisation, promotion d’une politique plus inclusive et plus modérée, ou même actions concrètes pour porter un contre-discours. La manière dont tu choisis de t’opposer dépendra de tes convictions et de l’impact que tu souhaites avoir. L’important, c’est de rester dans un cadre démocratique et respectueux, même si tes idées diffèrent fortement des siennes.

    • Chatgpt par défaut n’utilise pas les modeles avec « multistep reasoning » (beaucoup trop coûteux pour OpenAI, et que Deepseek a rendu bon marché, d’où le gros buzz).
      Le résultat de Chatgpt présente des points, certes, mais ces points structurent un exposé régurgité immédiatement par enchaînements de mots. C’est comme un brillant musicien qui improvise sans revenir sur ses pas et un peu au bleuf car sans exploration et validation préalable de la composition. Et c’est un processus opaque, sans traçabilité.

      Avec les modèles en multistep reasoning comme O3 et R1, il y a une exploration préalable des différents thèmes, contraintes, difficultés, possibilités, stratégies envisageables pour répondre. Les étapes de cette exploration sont visibilisées et une stratégie optimisée de réponse s’élabore peu à peu.
      Dans certains exemples, les étapes pré-exploratoires sont très nombreuses (plusieurs dizaines voire centaines) au point d’être (très) fastidieuses mais je suppose que ça peut se paramétrer aussi.

      #chatgpt #ia #reasoning #deepseek

    • @ericw indépendamment des outils d’IA récents il y a les logiciels assistant de preuve
      cf https://fr.wikipedia.org/wiki/Assistant_de_preuve
      https://fr.wikipedia.org/wiki/M%C3%A9thode_formelle_(informatique)
      https://fr.wikipedia.org/wiki/Syst%C3%A8me_de_preuve_interactive

      Ces outils utilisent des langages pour décrire en tant que données un théorème ou une proposition formelle et sa démonstration si c’est ça le but.

      Et bien entendu les outils d’IA comme les modèles de OpenAI ou Deepseek ont été nourris avec des pétabytes d’exemples de ces descriptions, propositions, théorèmes, démonstrations etc faites dans ces langages. Ils peuvent donc s’exprimer dans ces langages, en respecter les règles et donc faire des démonstrations formelles.

      Ça forme d’ailleurs l’une des principales catégories de benchmarks.

    • Ce qu’en dit WP en français :

      DeepSeek AI (chinois simplifié : 深度求索 ; pinyin : Shēndù Qiúsuǒ) est une société chinoise d’intelligence artificielle et le nom de son agent conversationnel, qui exploite un grand modèle de langage. Établie à Hangzhou, la société est fondée et soutenue par le fonds spéculatif chinois High-Flyer.

      Début 2025, DeepSeek dévoile un nouveau modèle publié en open source sous licence MIT. Ce modèle, aux performances qui seraient comparables, voire supérieures, à celles des leaders américains, se démarque par son faible coût de développement et sa consommation réduite de ressources. La publication du nouveau modèle entraîne une réaction notable sur les marchés financiers. Les cours de plusieurs entreprises américaines, notamment ceux du leader mondial des puces graphiques utilisées dans l’intelligence artificielle Nvidia, chutent fortement.

      Le 20 janvier 2025, l’entreprise annonce son premier modèle de raisonnement, DeepSeek-R1, qui emploie une chaîne de raisonnement développant des étapes logiques successives aux requêtes9,10,11. Le modèle, publié avec son code source sous licence MIT, bouleverse le secteur de l’IA par un coût de développement se chiffrant en millions plutôt qu’en milliards de dollars ou d’euros, des performances comparables aux meilleurs acteurs du secteur12, et une consommation en ressources de calcul notablement inférieure13. Face à la rentabilité présumée de la technologie, le cours de la bourse de plusieurs géants du domaine, (dont celui de Nvidia, le fournisseur de processeurs GPU, qui perd 600 milliards de dollars)14, chute massivement15,16.

      En janvier 2025, OpenAI et Microsoft soupçonnent DeepSeek d’avoir utilisé un processus de distillation des connaissances pour extraire des données des modèles d’OpenAI via son interface de programmation, en violation de ses conditions d’utilisation. Microsoft dit avoir détecté fin 2024 d’importants transferts de données via des comptes développeurs OpenAI présumés liés à DeepSeek. OpenAI affirme détenir des preuves de ces pratiques, sans toutefois les détailler publiquement, et indique collaborer avec le gouvernement américain pour protéger sa propriété intellectuelle21,22,23.

      https://fr.wikipedia.org/wiki/DeepSeek

      #qu'est-ce_qu'on_rigole

  • DeepSeek, une alternative open source qui surpasse OpenAI o1 pour ...
    https://www.zdnet.fr/actualites/deepseek-une-alternative-open-source-qui-surpasse-openai-o1-pour-une-fraction-

    Une victoire pour l’open source ? Avec son nouveau modèle R1, DeeSeek parvient à concurrence OpenAI o1 tout en proposant un tarif plus accessible.

    Par Radhika Rajkumar
    Publié le 22/01/2025 à 08:50 | Mis à jour le 22/01/2025 à 17:51
    DeepSeek, un laboratoire chinois spécialisé dans l’intelligence artificielle, a dévoilé la version complète de son nouveau modèle de raisonnement open source, après une avant-première en novembre.

    Ce modèle s’est distingué en égalant ou surpassant OpenAI o1 dans plusieurs épreuves de mathématiques, de codage et de raisonnement.

    Au-delà de la performance technique, cette avancée pourrait bouleverser le secteur, notamment grâce aux économies qu’offre l’approche open source.

    L’IA open source, performante et plus abordable

    Le modèle DeepSeek R1 privilégie la qualité au détriment de la rapidité, offrant des réponses plus lentes, mais aussi plus sophistiquées et précises, c’est en tout cas la promesse… Mais ce n’est pas l’unique annonce, car en parallèle de son modèle phare à 671 milliards de paramètres, la société a dévoilé six versions allégées, dotées de seulement 1,5 milliard de paramètres.

    Ces versions présentent un avantage clé : elles peuvent fonctionner directement sur un appareil local, on pense évidemment à un smartphone, un objet connecté ou un mini PC.

    Le lancement de DeepSeek R1 s’inscrit dans une tendance croissante vers des modèles de raisonnement open source plus performants. D’ailleurs, il y a un peu plus d’une semaine, des chercheurs de l’Université de Californie à Berkeley ont réussi à créer un modèle open source comparable à o1-preview. Et cela ne leur a pris que 19 heures et environ 450 dollars de puissance de calcul.
    Une stratégie tarifaire qui change la donne ?

    La stratégie tarifaire de DeepSeek pourrait bien bouleverser le marché. L’accès à l’API démarre à seulement 0,14 dollar pour un million de jetons, soit l’équivalent d’environ 750 000 mots analysés.

    En comparaison, OpenAI facture 7,50 dollars pour un niveau équivalent.

    Avec une telle différence de coût, DeepSeek se positionne comme une alternative extrêmement compétitive, susceptible d’attirer les entreprises et développeurs en quête de solutions performantes et abordables.

    #Intelligence_artificielle #DeepSeek #Energie #Coût

  • Chinese researchers just built an open-source rival to #ChatGPT in 2 months. Silicon Valley is freaked out.

    #DeepSeek-R1, a new reasoning model made by Chinese researchers, completes tasks with a comparable proficiency to OpenAI’s o1 at a fraction of the cost.

    https://www.livescience.com/technology/artificial-intelligence/china-releases-a-cheap-open-rival-to-chatgpt-thrilling-some-scientists-
    #Chine #AI #intelligence_artificielle #IA #DeepSeek #rivalité

  • How Chinese #AI Startup #DeepSeek Made a Model that Rivals OpenAI | WIRED
    https://www.wired.com/story/deepseek-china-model-ai

    #IA #Chine

    Liang said that students can be a better fit for high-investment, low-profit research. “Most people, when they are young, can devote themselves completely to a mission without utilitarian considerations,” he explained. His pitch to prospective hires is that DeepSeek was created to “solve the hardest questions in the world.”

    The fact that these young researchers are almost entirely educated in China adds to their drive, experts say. “This younger generation also embodies a sense of patriotism, particularly as they navigate US restrictions and choke points in critical hardware and software technologies,” explains Zhang. “Their determination to overcome these barriers reflects not only personal ambition but also a broader commitment to advancing China’s position as a global innovation leader.”

    Innovation Born out of a Crisis

    In October 2022, the US government started putting together export controls that severely restricted Chinese AI companies from accessing cutting-edge chips like Nvidia’s H100. The move presented a problem for DeepSeek. The firm had started out with a stockpile of 10,000 H100’s, but it needed more to compete with firms like OpenAI and Meta. “The problem we are facing has never been funding, but the export control on advanced chips,” Liang told 36Kr in a second interview in 2024.

    DeepSeek had to come up with more efficient methods to train its models. “They optimized their model architecture using a battery of engineering tricks—custom communication schemes between chips, reducing the size of fields to save memory, and innovative use of the mix-of-models approach,” says Wendy Chang, a software engineer turned policy analyst at the Mercator Institute for China Studies. “Many of these approaches aren’t new ideas, but combining them successfully to produce a cutting-edge model is a remarkable feat.”

    DeepSeek has also made significant progress on Multi-head Latent Attention (MLA) and Mixture-of-Experts, two technical designs that make DeepSeek models more cost-effective by requiring fewer computing resources to train. In fact, DeepSeek’s latest model is so efficient that it required one-tenth the computing power of Meta’s comparable Llama 3.1 model to train, according to the research institution Epoch AI.

    DeepSeek’s willingness to share these innovations with the public has earned it considerable goodwill within the global AI research community. For many Chinese AI companies, developing open source models is the only way to play catch-up with their Western counterparts, because it attracts more users and contributors, which in turn help the models grow. “They’ve now demonstrated that cutting-edge models can be built using less, though still a lot of, money and that the current norms of model-building leave plenty of room for optimization,” Chang says. “We are sure to see a lot more attempts in this direction going forward.”

    The news could spell trouble for the current US export controls that focus on creating computing resource bottlenecks. “Existing estimates of how much AI computing power China has, and what they can achieve with it, could be upended,” Chang says.

  • La Chine talonne les Américains dans la course à l’intelligence artificielle
    https://www.lemonde.fr/economie/article/2025/01/25/la-chine-talonne-les-americains-dans-la-course-a-l-intelligence-artificielle


    Lors de la conférence mondiale de l’intelligence artificielle, à Shanghaï, en Chine, le 6 juillet 2023. WANG ZHAO / AFP

    Alors que Donald Trump a annoncé 100 milliards de dollars d’investissements, les #start-up_chinoises peuvent compter sur la créativité d’ingénieurs bien formés et le soutien des autorités. Par Simon Leplâtre

    Dans la course à l’intelligence artificielle (#IA) générative, les entreprises américaines ont pris de l’avance, mais la #Chine réalise un retour remarqué : fin décembre 2024, DeepSeek, une petite start-up chinoise, a publié un modèle qui rivalise avec les meilleurs du secteur. Et pour une fraction du coût : alors que l’américain OpenAI aurait dépensé 3 milliards de dollars (2,85 milliards d’euros) pour entraîner ses différents modèles en 2024, DeepSeek affirme avoir développé le sien pour seulement 6 millions de dollars. Une prouesse en termes d’efficacité qui pose la question des limites des sanctions américaines censées empêcher les Chinois d’accéder aux puces électroniques les plus avancées pour l’IA.

    [...]

    « On sait que les modèles chinois ont été entraînés pour éviter de répondre à certaines questions, sur [le massacre de 1989 de la place] Tiananmen ou sur la répression des Ouïgours. Et dans la mesure où les gens sont amenés à utiliser de plus en plus fréquemment ces modèles, cela peut devenir une véritable opération de désinformation », met en garde Ritwik Gupta, spécialiste des questions de régulation de l’IA à l’université de Californie, à Berkeley.

    Qu’importe, pour les #informaticiens qui demandent simplement à #DeepSeek de leur écrire du #code. Aujourd’hui, le programme le plus utilisé par les développeurs dans le monde est déjà chinois, il s’appelle Qwen 2.5, création d’Alibaba. (...)

    (...) « Je pense qu’en réponse à ces sanctions [américaines], les entreprises chinoises ont été forcées d’optimiser leurs logiciels et de trouver des solutions innovantes », commente le spécialiste des politiques d’innovation chinoises Jeffrey Ding. (...)

    https://justpaste.it/fj786

    #sanctions_américaines #innovation

  • L’accélération de l’#IA pose déjà des questions de #pénuries d’#eau et d’#énergie

    Le Royaume-Uni comme les États-Unis viennent de présenter de nouveaux plans pour soutenir la mise en place d’#infrastructures pour l’IA dans leurs territoires. Mais actuellement, aux États-Unis, de nouvelles #centrales au gaz sont ouvertes pour répondre aux demandes d’énergie de l’IA. Au Royaume-Uni, l’implantation par le gouvernement de sa « première zone de croissance de l’IA » près d’un nouveau réservoir pose la question des priorités d’#accès_à_l'eau.

    Ce mardi 14 janvier et six jours avant la passation de pouvoir à Donal Trump, Joe Biden a publié un décret pour l’investissement des États-Unis dans des infrastructures. « Je signe aujourd’hui un décret historique visant à accélérer la vitesse à laquelle nous construisons la prochaine génération d’infrastructures d’IA ici aux États-Unis, de manière à renforcer la compétitivité économique, la sécurité nationale, la sécurité de l’IA et l’énergie propre », affirme-t-il.

    Selon certaines estimations, la consommation énergétique de l’IA devrait être multipliée par 4 à 9 d’ici 2050 et la consommation d’énergie des #data_centers aux États-Unis est déjà très carbonée.

    Le #gaz comme source d’énergie future aux États-Unis

    Mais, malgré les différentes annonces d’investissements dans le nucléaire par les géants du numérique, les États-Unis seraient plutôt à l’aube d’un boom de la construction de #centrales_électriques au gaz naturel, selon le Financial Times. Le journal économique américain explique que « les grandes entreprises technologiques se tournent vers les #combustibles_fossiles pour répondre aux énormes besoins en #électricité de la révolution de l’intelligence artificielle, ce qui met en péril les objectifs en matière de climat ».

    Le journal cite le cabinet de conseil en énergie #Enverus qui prévoit qu’au moins 80 centrales électriques au gaz seront construites aux États-Unis d’ici à 2030. Le Financial Times estime la capacité supplémentaire de ces centrales à 46 gigawatts, « soit la taille du réseau électrique norvégien et près de 20 % de plus que ce qui a été ajouté au cours des cinq dernières années ». Et selon Corianna Mah, analyste pour Enverus interrogée par le journal, « le gaz croît en fait plus rapidement aujourd’hui, et à moyen terme, que jamais auparavant ». Aucun des projets qu’Enverus a listés ne prévoit d’être équipé d’un système de capture de dioxyde de carbone.

    Approvisionnement de l’eau dans un lac de barrage prévu pour la population britannique

    De son côté, le gouvernement du Royaume-Uni vient d’annoncer une stratégie nationale pour faire de son pays un leader en matière d’intelligence artificielle. Dedans, il prévoit entre autres des « Zones de croissance de l’IA » (#IA_growth_zones), « des zones bénéficiant d’un meilleur accès à l’électricité et d’un soutien pour les autorisations de planification, afin d’accélérer la mise en place d’une infrastructure d’IA sur le sol britannique », comme l’explique le communiqué du Secrétariat d’État à la science, à l’innovation et à la technologie.

    Mais des questions se posent sur l’emplacement prévu de la première « #zone_de_croissance ». Situé à Culham, au siège de l’Autorité britannique de l’énergie atomique (UKAEA), cet endroit est aussi celui du premier nouveau lac de barrage construit depuis 30 ans aux Royaume-Uni, « qui était censé fournir de l’eau aux habitants du sud-est de l’Angleterre, qui souffre d’un grave problème d’approvisionnement en eau », explique le Guardian.

    Le journal britannique souligne que cette région est celle qui, selon l’agence environnementale nationale, est la plus sensible du pays aux manques d’eau. Entre les réserves d’eau disponibles et la demande attendue sans compter les data centers, le sud-est du pays sera confronté à un déficit potentiel de plus de 2,5 milliards de litres par jour d’ici 2050.

    Du côté énergétique, le gouvernement britannique a mis en place un Conseil de l’énergie de l’IA qui doit travailler avec les entreprises du secteur pour « pour comprendre les demandes et les défis énergétiques » liés à l’intelligence artificielle. Il parie encore sur la possibilité de mettre en place des #SMR (#réacteurs_nucléaires_modulaires).

    « L’expansion de l’IA a été un sujet de préoccupation pour #National_Grid [entreprise de distribution de l’électricité et du gaz notamment au Royaume-Uni], mais la vitesse à laquelle la demande de calcul de l’IA augmente a pris tout le monde par surprise et, à moins que nous n’équilibrions correctement les compromis ci-dessus, avec des politiques appropriées, toute l’énergie verte et bon marché dont nous disposons sera utilisée par les grandes entreprises technologiques, ce qui privera les familles qui souffrent déjà de la pauvreté énergétique », explique Gopal Ramchurn, chercheur de l’université de Southampton, interrogé par le Guardian.

    La #France s’appuie sur son #nucléaire, mais des tensions sont présentes

    Quant à la France, l’instabilité politique ne permet pas d’y voir très clair dans la politique du pays concernant l’IA. Lors de son discours de politique générale, le premier Ministre François Bayrou a évoqué l’IA lorsqu’il a annoncé la création d’un fonds spécial « entièrement [consacré] à la réforme de l’État ». Ce fonds sera financé par des actifs « en particulier immobiliers, qui appartiennent à la puissance publique, de façon à pouvoir investir, par exemple, dans le déploiement de l’intelligence artificielle dans nos services publics ».

    Lors de ses vœux, le Président de la Région Normandie Hervé Morin a évoqué la volonté de sa région d’être référente en matière d’intelligence artificielle et d’accueillir des data centers sur trois ou quatre points du territoire. Il a mis en avant « son potentiel énergétique décarboné », faisant référence aux centrales nucléaires de Flamanville, Paluel et Penly et à l’EPR situé lui aussi à Flamanville.

    Mais RTE tirait récemment un signal d’alarme sur le foisonnement de projets de data centers prévus pour l’IA. Si l’entreprise affirmait en novembre à l’Usine Nouvelle avoir « assez d’électricité pour répondre à la croissance des besoins », elle pointait aussi du doigt une « course à la capacité » et un manque de planification :« plusieurs projets ont été abandonnés en raison de tensions sur la distribution de l’énergie », ajoutait-il.

    https://next.ink/165467/lacceleration-de-lia-pose-deja-des-questions-de-penuries-deau-et-denergie

    #intelligence_artificielle #AI #énergie_nucléaire

    • Pourquoi l’IA générative consomme-t-elle tant d’énergie ?

      #DeepSeek défraye la chronique en proposant un modèle dont les #performances seraient comparables à celles des modèles préexistants, pour un coût très réduit en termes de puissance de calcul et de données, et donc une #consommation_énergétique moindre. Quand on sait que Microsoft a indiqué une hausse de 29,1 % d’émission de carbone sur l’année 2023 et que différentes grandes entreprises du numérique investissent dans des capacités de production d’électricité, le tout en lien avec l’essor de l’#IA_générative, l’enjeu est de taille. Pourquoi l’IA générative consomme-t-elle tant ? Décryptage.

      Les grands modèles de langage (Large Language Models ou LLM), comme ChatGPT (OpenAI), Gemini (Google/DeepMind) ou encore les modèles génératifs d’images comme #Midjourney, sont devenus en très peu de temps des outils incontournables avec des usages qui ne cessent de s’amplifier et de se diversifier. Il est vrai que la fluidité des échanges avec ChatGPT impressionne, et que les promesses de développement sont enthousiasmantes.

      Néanmoins, ces promesses cachent des coûts de calcul, et donc énergétiques, considérables. Or, aujourd’hui l’idée dominante dans l’industrie des modèles génératifs est : « Plus grand est le modèle, mieux c’est. » Cette compétition s’accompagne d’une croissance de la consommation énergétique et, donc, de l’empreinte écologique qui ne peut plus être ignorée et qui questionne quant à sa pérennité et sa viabilité pour la société.
      Pourquoi un tel coût ?

      Un modèle génératif de texte comme un chatbot est un ensemble de paramètres numériques ajustés à partir de données pour accomplir une tâche spécifique. L’architecture dominante s’appuie sur les « transformers ».

      Les #transformers prennent une séquence en entrée, par exemple un prompt (soit votre question), pour la transformer numériquement. En empilant les couches de transformers, le modèle multiplie ces transformations afin de construire la réponse en prolongeant son entrée. Cet empilement de couches confère au modèle son efficacité et fait croître le nombre de paramètres. C’est pourquoi un modèle tel que GPT-4 contient au moins 1 tera (1 000 milliards) de paramètres et nécessite donc au moins 2 tera octets (To) de mémoire vive pour être utilisable.

      Que ce soit pour l’entraînement, pour le stockage des données et des paramètres, ou pour le calcul d’une réponse, des infrastructures de calcul de plus en plus puissantes sont donc indispensables. En d’autres termes, contrairement à ce que l’on croit souvent, ce n’est pas juste pour entraîner le modèle que ces techniques sont très coûteuses.

      Des données émerge la « connaissance »

      Avant tout, un modèle génératif doit être « appris ». Pour cela des données (textes, images, sons, etc.) lui sont présentées à maintes reprises afin d’ajuster ses paramètres. Plus il y a de paramètres, plus la phase d’apprentissage est coûteuse en données, mais aussi en temps et en énergie.

      Ainsi, pour un LLM (grand modèle de langage), on parle par exemple de l’ordre de la dizaine de trillions de données (environ 10 trillions pour GPT-4 et 16 trillions pour Gemini) et aux alentours de trois mois de préapprentissage sur environ 20 000 puces A100 de NVIDIA pour le dernier-né d’OpenAI. Ces modèles les plus performants sont en fait une combinaison de plusieurs énormes modèles (les « Mixture of Experts »), GPT-4 étant ainsi le résultat de 16 experts de 110 milliards de paramètres, selon les rares informations disponibles.

      Après cette phase d’apprentissage, le modèle est déployé afin de répondre aux utilisateurs dans une phase dite d’« inférence ». Pour faire face à la demande (ces systèmes construits pour répondre à plusieurs personnes en même temps) avec un temps de réponse satisfaisant, le modèle est alors dupliqué sur différents clusters de calcul. Un article de recherche constate également que les architectures génératives polyvalentes consomment significativement plus d’énergie à l’inférence que les systèmes spécifiques à une tâche, même à taille de modèle équivalente.

      Ce survol des besoins en termes de calcul donne une idée des ordres de grandeur qui se cachent derrière nos interactions — qui semblent si rapides et efficaces — avec ces énormes modèles. Il permet surtout de poser différemment la question de l’évaluation de ces modèles, en y incluant la question de la soutenabilité en termes énergétiques et écologiques. Des travaux récents proposent ainsi un modèle pour évaluer les impacts environnementaux de la fabrication des cartes graphiques et une analyse multicritère des phases d’entraînement et d’inférence des modèles d’apprentissage automatique.
      Obsolescence et frugalité

      Ainsi les grands modèles génératifs nécessitent des infrastructures matérielles colossales.

      Au-delà de considérations économiques, il a été montré que passé un certain point, les gains de performances ne justifient pas une telle explosion du nombre de paramètres. Toutes les applications ne nécessitent pas d’énormes modèles et des approches plus modestes peuvent être aussi performantes, plus rapides et moins coûteuses.

      Sur le plan environnemental, l’apprentissage et l’inférence de modèles massifs ont un coût énergétique qui nécessitent réflexion. Les travaux de certains auteurs soulignent la complexité de mesurer avec précision l’empreinte carbone de ces grands modèles, tout en montrant leur impact considérable : 50,5 tonnes équivalent CO2 (CO2 eq) pour un modèle de 176 milliards de paramètres, appris en 2023… et pratiquement considéré comme obsolète aujourd’hui. Pour rappel, si un Français moyen rejette actuellement environ 10 tonnes CO2 eq par an, l’objectif à l’horizon 2050 pour respecter l’engagement des accords de Paris est d’environ 2 tonnes CO₂ eq par Français et par an.

      Quant à la phase d’inférence (ou d’utilisation, quand on pose une question à GPT), lorsqu’elle est réalisée des millions de fois par jour, comme c’est le cas pour un assistant conversationnel, elle peut engendrer un coût énergétique considérable, parfois bien supérieur à celui de l’entraînement.

      Ainsi, un outil développé en 2019 a permis d’estimer qu’une inférence de ChatGPT 3.5 produisait environ 4,32 grammes de CO2.

      À l’heure où les assistants conversationnels sont peut-être en passe de remplacer les moteurs de recherche standards (Google, Bing, Qwant), la question de son utilisation se pose, car ces derniers ont un coût 10 à 20 fois moindre (0,2 gramme de CO2 la recherche, d’après Google).

      Enfin, la concentration de pouvoir entre quelques acteurs disposant des ressources nécessaires pour développer ces modèles — data centers, données, compétences — pose des problèmes scientifiques en limitant la diversité des recherches, mais aussi stratégiques et politiques.
      Les recherches en IA frugale

      La frugalité consiste à se fixer dès le départ une enveloppe de ressources (calcul, mémoire, données, énergie) et à concevoir des modèles capables de s’y adapter. L’idée n’est pas de sacrifier les performances, mais de privilégier la sobriété : optimiser chaque étape, du choix de l’architecture à la collecte des données, en passant par des méthodes d’apprentissage plus légères, afin de réduire l’empreinte environnementale, d’élargir l’accès à l’IA et de favoriser des applications réellement utiles.

      La recrudescence de travaux de recherche sur ce thème illustre la volonté de penser l’IA sous l’angle de la sobriété. Il s’agit ainsi de replacer la pertinence, l’impact sociétal et la soutenabilité au cœur de la recherche.

      Concrètement, de nombreuses pistes émergent. Sur le plan de l’apprentissage, il s’agit d’explorer des alternatives algorithmiques au paradigme actuel, hérité du milieu des années 1980 et qui n’a jamais été remis en question alors même que les quantités de données et la puissance de calcul n’ont plus rien à voir avec celles qui prévalaient aux débuts de ces modèles.

      Ainsi, au-delà des optimisations techniques, une réflexion méthodologique de fond s’impose, tant le contexte scientifique a évolué depuis les années 1980. Cette réflexion est au cœur, par exemple, du projet Sharp, financé par le programme France 2030. L’étude d’architectures plus compactes et spécialisées est également abordée avec le projet Adapting du même programme.

      Les mathématiques appliquées peuvent jouer un rôle clé en proposant des « représentations parcimonieuses », des méthodes de factorisation, ou en optimisant l’usage de données faiblement annotées.

      Ainsi, en travaillant avec des contraintes de ressources, ces recherches visent un développement en IA plus frugal et donc durable, ainsi que plus accessible, et indépendant de l’hyperconcentration du marché. Elles limitent les externalités négatives — environnementales, éthiques, économiques — liées à la course effrénée vers le gigantisme.

      Mais pour atteindre ces objectifs, il est aussi important d’avancer sur les critères et les méthodes d’évaluations en IA : avec le paradigme dominant actuel, la dimension de frugalité peine encore à s’imposer, que ce soit du côté de la recherche ou industriel. Il ne faut d’ailleurs pas confondre la récente explosion des outils de DeepSeek avec de la frugalité, les coûts en calcul et en données étant eux aussi extrêmement élevés, avec des méthodes probablement éthiquement répréhensibles.

      Ainsi, le monde académique doit mieux intégrer cette dimension afin d’améliorer la visibilité et la valorisation des travaux qui visent la frugalité.
      L’IA que nous développons est-elle vraiment utile ?

      La frugalité en IA n’est pas un simple concept, mais une nécessité face aux enjeux actuels. Les travaux récents sur son empreinte carbone illustrent l’urgence de repenser nos méthodes. Avant même d’envisager les manières de rendre l’IA plus sobre, il est légitime de se demander si l’IA que nous développons est vraiment utile.

      Une approche plus frugale, mieux pensée et mieux orientée, permettra de construire une IA tournée vers le bien commun, s’appuyant sur des ressources maîtrisées, plutôt que sur la surenchère permanente en taille et en puissance de calcul.

      Cet article a été écrit dans le cadre de la troisième édition des Dauphine Digital Days qui a eu lieu à l’Université Paris Dauphine — PSL, du 18 au 20 novembre 2024.

      https://theconversation.com/pourquoi-lia-generative-consomme-t-elle-tant-denergie-247406

    • IA : un puits sans fond de dépenses en énergie, en #eau et en #CO2

      Emmanuel Macron veut croire que la France a « des #data_centers_propres ». Mais les dégâts environnementaux des industries numériques sont déjà tangibles (consommation d’#électricité, émissions de CO2, besoins en eau et en #minerais, conflits d’usage sur le #foncier) alors que l’idée d’une #IA_verte n’est encore qu’une promesse.

      Si le climat était une intelligence artificielle (IA), le monde serait en train de le sauver. Face au tsunami d’investissements publics et privés programmés pour ses infrastructures, il est tentant de détourner le fameux slogan : « Si le climat était une banque, ils l’auraient déjà sauvé. » Car si ces annonces financières brillent de l’or des profits à venir, elles éclipsent un problème tout aussi exponentiel : les impacts environnementaux désastreux de l’IA.

      109 milliards d’euros en France dans les prochaines années annoncés par Emmanuel Macron, ainsi qu’un projet de méga data center cofinancé par les #Emirats_arabes_unis ; 500 milliards de dollars débloqués pour #Stargate (« la porte des étoiles ») et ses futurs data centers aux États-Unis par #OpenAI et #SoftBank ; 65 milliards de dollars par #Meta, la maison-mère de #Facebook, qui a par ailleurs démoli un centre de données en cours de construction pour le remplacer par un autre adapté aux besoins de l’IA. #Microsoft veut débourser 80 milliards de dollars en divers équipements techniques dans le même objectif.

      Secteur industriel en plein boom ou au bord d’une bulle financière, l’avenir le dira. Mais l’#empreinte_carbone et matérielle de la ruée mondiale vers les #données_numériques est, elle, déjà palpable. Une requête via #ChatGPT consomme dix fois plus d’électricité qu’une recherche Google, selon l’Agence internationale de l’énergie (AIE). Ses expert·es anticipent une explosion de la demande énergétique, équivalente à la consommation actuelle d’un pays comme la Suède ou même l’Allemagne – selon la place du curseur sur la fourchette d’estimation.

      Requêtes énergivores

      Pourquoi ? Deux explications principales semblent faire consensus parmi les spécialistes. D’abord, des raisons strictement matérielles : les #serveurs configurés pour l’#IA_générative utilisent beaucoup plus de courant électrique que leurs prédécesseurs. Notamment parce qu’ils utilisent des puces spécifiques, les #GPU (« # graphics_processing_unit », des #processeurs_graphiques), « qui ont des capacités de #calcul nécessaires à la #technologie d’apprentissage qui permet aux modèles d’IA d’améliorer leur performance, explique Loup Cellard, chercheur associé au médialab de Sciences Po. Une requête sur ChatGPT demande plus de mémoire vive et plus de capacité de #stockage qu’une simple recherche sur un moteur internet ».

      Or, chacun de ces services correspond à des besoins matériels supplémentaires. « Faire une requête ChatGPT pour demander un truc que pourrait donner Google, c’est comme couper votre baguette de pain avec une scie électrique : ça marche mais ça n’est pas la meilleure utilisation que vous pouvez faire des ressources », résume Sylvain Waserman, président de l’Agence de l’environnement et de la maîtrise de l’énergie (Ademe), selon qui « il serait absurde de s’opposer à l’IA et il est irresponsable de ne pas s’intéresser à ses impacts ».

      La phase d’entraînement des machines est plus intense en énergie à l’unité, car elles doivent être beaucoup stimulées pour ramasser et distribuer les données. Mais c’est bien sûr celle des usages qui finalement est la plus énergivore, car le nombre des utilisateurs de la technologie dépasse de loin celui des ingénieur·es qui la développent.

      Ainsi « la migration vers le cloud, l’essor de l’IA générative et les #cryptomonnaies sont les trois principaux vecteurs de la reconfiguration en cours des impacts des centres informatiques » selon l’association GreenIT, dont les rapports font référence. Les data centers, les cryptomonnaies et l’intelligence artificielle ont consommé près de 2 % de l’électricité mondiale en 2022, selon l’AIE. Cela peut sembler dérisoire. Mais la quantité d’électricité qu’ils consomment pourrait doubler en 2026 (par rapport à 2022). Il existe aujourd’hui plus de 8 000 centres de données dans le monde, principalement situés aux États-Unis.

      Les data centers adaptés aux besoins de l’intelligence artificielle consomment 18 % de l’électricité des centres informatiques, alors qu’ils n’en représentent que 2 % de la quantité dans le monde, selon les dernières estimations de GreenIT. Ils émettent près de 4 % de tout le CO2 de la filière numérique, soit déjà plus que l’ensemble des ordinateurs portables en circulation. Selon #France_Datacenter, le lobby du secteur, la demande supplémentaire liée à l’IA générative en France d’ici à dix ans sera de 1 gigawatt, l’équivalent d’un petit réacteur nucléaire.

      Mais les opérateurs de data centers n’aiment pas trop aborder le sujet de leurs impacts environnementaux. Interrogé par Mediapart sur ses besoins en électricité pour soutenir le développement de son activité, #Amazon_Web_Service (#AWS), la branche data center du Gafam, répond par la liste très détaillée de ses investissements et créations d’emplois à venir, sans un mot sur ses besoins énergétiques.

      « Avec l’IA, on pourrait changer d’échelle d’ici à 2030 en termes d’impact environnemental car ses serveurs ne représentent que 2 % des équipements et la demande est très importante pour les années à venir, constate Cécile Diguet, spécialiste des infrastructures numériques. Aujourd’hui, le numérique est un des secteurs qui nous mettent dans le rouge quant au respect des limites planétaires : consommation d’énergie, de ressources en minerais et terres rares, en eau. Les technologies et le numérique prétendent régler des problèmes qu’ils aggravent. Grâce à une IA, on pourra peut-être traiter une base de données plus vite ou mieux gérer la complexité de réseaux d’électricité. Mais en définitive, l’accumulation perpétuelle de matériels et de data centers fait que tous les gains en énergie sont consommés derrière. Le numérique n’est pas source de sobriété. »

      C’est particulièrement vrai concernant les quantités de minerais utilisés pour fabriquer les équipements (centres de données mais aussi puces et autres composants) nécessaires à l’IA – et les déchets en résultant. Ils sont la « colonne vertébrale » de l’intelligence artificielle, selon la chercheuse états-unienne Kate Crawford, qui appelle à créer un nouvel atlas du monde pour visualiser les besoins matériels, financiers et politiques de l’IA, qu’elle décrit comme un système « extractiviste » (Contre-Atlas de l’intelligence artificielle, Zulma, 2024).

      En Chine, l’institut de recherche sur le réseau électrique s’attend à ce que la demande en électricité des centres de données double d’ici à 2030 (par rapport à 2020). Cette consommation est dopée par l’expansion rapide de la 5G et de l’Internet des objets. Le concurrent chinois de ChatGPT, #DeepSeek, a été développé à moindre coût économique et avec moins de consommation énergétique, promettent ses fabricants. Mais personne n’est aujourd’hui en mesure de le vérifier.

      En Europe, le cas de l’#Irlande est spectaculaire : les data centers y représentent 17 % de toute la demande en électricité du pays. C’est autant que toute la consommation du résidentiel en ville. Si tous les projets de centres de données qui ont été approuvés sont menés à terme dans les prochaines années, ils utiliseraient 32 % de tout le courant électrique. Au #Danemark, qui mise aussi sur l’économie des data centers tout en soutenant une initiative européenne de réduction du CO2 du numérique, les centres de données pourraient avaler 20 % de l’électricité en 2026. Est-ce soutenable, alors que le Pacte vert européen fixe aux États l’objectif de réduire d’au moins 38 % leur consommation d’énergie finale d’ici à 2050 ? Pour la Commission européenne, la demande en électricité des data centers pourrait augmenter de 30 % dans l’Union entre 2018 et 2030.

      #Bilan_carbone désastreux

      Surtout que, malgré l’essor des énergies dites renouvelables dans le monde, les sources d’électricité du numérique restent globalement très émettrices en carbone. Apple et Google prétendent être neutres en impact climatique, mais c’est parce qu’ils achètent des crédits de compensation carbone, rappelle la chercheuse Kate Crawford. Elle cite l’exemple de la Chine, où l’industrie des centres de données tire à 73 % son électricité du charbon. En France, l’Ademe a dû revoir à la hausse l’empreinte carbone des data centers à 42 % du secteur du numérique, en intégrant les centres de données à l’étranger que font tourner les utilisateurs nationaux.

      En 2022, l’ensemble du secteur numérique a émis autant de CO2 que le secteur des poids lourds (un peu plus de 4 % de tous les rejets de carbone) dans l’Hexagone. Mais grâce à son électricité décarbonée, la France cherche à se positionner sur le marché des usines à données : « Les data centers en France, ce n’est pas comme aux États-Unis où on utilise du pétrole et du gaz. Ce sont des data centers propres », a prétendu Emmanuel Macron dimanche 9 février.

      Ainsi, entraîner le modèle #GPT3 de la firme OpenAI équivaudrait à conduire 112 voitures à essence pendant un an, selon des scientifiques cités dans AOC par les chercheurs Loup Cellard et Christine Parker. Ils y critiquent pourtant les méthodes d’évaluation des impacts de l’intelligence artificielle. Selon eux, les gains écologiques que permettrait « l’IA verte » sont surestimés et potentiels, alors que les impacts sont immédiats et réels. Les projets de récupération de chaleur pour chauffer une piscine, une résidence, une usine, un hôpital sont multiples et s’affrontent à des obstacles : niveau de température de sortie pas toujours assez haut, risque d’intermittence, etc. – voir aussi le rapport de l’ONG Beyond Fossil Fuels sur le sujet.

      « L’IA n’est pas une activité différente des autres, ajoute Loup Cellard. C’est une industrie capitaliste comme une autre, à laquelle se posent les mêmes questions de responsabilité environnementale, de calcul et de mise en visibilité de ses impacts. »

      À titre d’exemple, de nombreux opérateurs de data centers sont des #fonds_d’investissement_immobiliers (#Real_Estate_Investment_Trust, #Digital_Realty, #Equinix), comme le remarque l’Ademe. La multiplication de leurs constructions ainsi que l’augmentation de leur taille posent des problèmes d’#artificialisation et d’#urbanisme : quelle forme de villes annonce la multiplication des centres de données ? Qui a envie de vivre à côté d’un immeuble de serveurs et de ses stocks de fioul inflammable ? En France, un véritable cluster s’est développé à l’ouest de la #Seine-Saint-Denis (La Courneuve, Saint-Denis, Le Bourget, Dugny) et au nord de #Marseille.
      Parmi les effets déjà tangibles aujourd’hui : la consommation en #eau. Car les data centers doivent être refroidis. Plus ils grossissent et produisent de la chaleur, plus la quantité d’eau nécessaire à baisser leur température est importante. Cette question peut s’avérer critique en période de canicule, signale l’Ademe dans un avis de novembre dernier – en France, ses expert·es estiment qu’en fonction de leur système, ils peuvent consommer 2 litres d’eau par kilowattheure. Au prochain épisode de sécheresse, combien de personnes accepteront que leur data center continue d’être alimenté alors que leur eau potable est coupée ? Et qui décidera ?

      Ainsi #Thames_Water, principale compagnie britannique de distribution d’eau, a demandé aux opérateurs de data centers, notamment à #Google_Cloud et #Oracle, un plan de réduction de leur consommation, jugée excessive à l’été 2022 pendant un pic de chaleur. À Amsterdam, Microsoft a dû présenter un plan drastique de réduction de ses besoins en eau. Aux États-Unis, un des plus gros data centers en fonctionnement est celui de l’agence de renseignement NSA, qui s’étend sur plus de 100 000 mètres carrés dans l’Utah, une terre particulièrement exposée à la sécheresse. Il avale à lui tout seul plus de la moitié de la consommation de l’eau de l’État, autour de 60 %, selon une étude.

      Ouvrir le capot des IA ?

      Après avoir longtemps refusé de révéler la quantité de liquide absorbée par son data center, la NSA a finalement fait savoir en 2022 qu’il avait besoin de près de 90 millions de litres d’eau – soit 35 fois la piscine olympique de Paris 2024 – chaque mois. L’Utah mise sur l’industrie des centres de données et leur vend son eau à des prix battant toute concurrence. Les méga hangars à serveurs s’y multiplient – il y en a deux douzaines aujourd’hui. Mais le Grand Lac salé s’en ressent, selon les défenseurs de l’environnement qui s’inquiètent de le voir s’assécher. En novembre 2022, il a atteint son étiage le plus bas, au point de mettre en danger son écosystème, et notamment ses populations de crustacés, dont se nourrissent des millions d’oiseaux migrateurs.

      En France, l’Ademe estime que les data centers pourraient utiliser 6 % de l’électricité en 2050 – aujourd’hui, le numérique en dépense 11 %. Selon RTE, le gestionnaire des réseaux, les data centers en France pourraient tripler leur consommation d’électricité d’ici à 2035, passant d’environ 10 térawattheures aujourd’hui à 28, selon leur plus haute projection. Les demandes de raccordement de nouveaux centres de grande taille sont en très forte hausse depuis quatre à cinq ans, note l’Ademe, et dépassent de 8 gigawatts – soit plus de quatre réacteurs EPR.

      Son président, Sylvain Waserman, veut défendre la thèse « d’une IA française et européenne qui pourrait trouver un avantage concurrentiel en étant plus respectueuse des ressources ». Il estime que ce peut être une piste de différenciation face à des Gafam « qui jamais n’accepteront qu’on ouvre le capot pour étudier leur impact ».

      En attendant, le gouvernement vient de désigner 35 sites privilégiés pour y construire de nouveaux data centers : simplification des procédures administratives, possible dérogation aux obligations de débat public, réduction des délais de recours juridiques… Sans savoir si les industriels accepteront de communiquer sur leur empreinte énergétique, ils bénéficient d’ores et déjà d’une belle offre de dérégulation.

      https://www.mediapart.fr/journal/ecologie/100225/ia-un-puits-sans-fond-de-depenses-en-energie-en-eau-et-en-co2

    • #Antonio_Casilli : « L’intelligence artificielle est l’une des industries extractives de notre époque »

      Professeur de sociologie à Télécom Paris, à l’Institut Polytechnique de Paris, il est l’auteur d’En attendant les robots, enquête sur le travail du clic (Seuil, 2019), dont une version augmentée vient de paraître en anglais aux éditions University of Chicago Press. Antonio Casilli est aussi co-auteur du documentaire Les Sacrifiés de l’IA, qui se penche sur les conditions de production des technologies d’IA utilisées en Occident, et sera diffusé sur France 2 le 11 février.

      À cette occasion, et en parallèle du sommet pour l’action sur l’intelligence artificielle, Next l’a rencontré.

      (#paywall)

      https://next.ink/169487/antonio-casilli-lintelligence-artificielle-est-lune-des-industries-extractives

    • L’IA générative a le potentiel de détruire la planète (mais pas comme vous le pensez)

      Le risque premier avec l’intelligence artificielle n’est pas qu’elle s’attaque aux humains comme dans un scénario de science-fiction. Mais plutôt qu’elle participe à détruire notre #environnement en contribuant au #réchauffement_climatique.

      La course à l’intelligence artificielle (IA) s’intensifie. Le 9 février, veille du sommet de l’IA à Paris, Emmanuel Macron promettait 109 milliards d’euros d’investissements publics et privés dans cette technologie pour les années à venir. Il entend concurrencer les États-Unis sur ce terrain, en faisant référence au programme « #Stargate » promis par Donald Trump, qui prévoit des dépenses de 500 milliards de dollars (484 milliards d’euros) dans l’IA aux États-Unis.

      Des deux côtés de l’Atlantique, ces centaines de milliards seront principalement investis dans la construction de nouveaux centres de données pour entraîner puis faire fonctionner les outils d’intelligence artificielle. Pourtant, les impacts environnementaux de ces « data centers », mis de côté dans ce sprint à l’IA, présentent un danger réel pour notre planète.

      « Plus grand est le modèle, mieux c’est »

      L’ouverture au public de l’agent conversationnel d’OpenAI, ChatGPT, en novembre 2022 a marqué un tournant dans les usages de l’intelligence artificielle. Depuis, des dizaines d’IA génératives sont accessibles avec la capacité de résoudre des problèmes variés, allant de la rédaction d’un email professionnel à des suggestions de recette de tartes, en passant par des lignes de code informatique.

      Ces grands #modèles_de_langage (en anglais, « #Large_language_models », ou #LLM), avec un grand nombre de paramètres, se sont développés ces dernières années, comme #Gemini de #Google, #Le_Chat de l’entreprise française #MistralAI ou #Grok de #X. D’autres modèles permettent de créer de toutes pièces des images – on pense à #Dall-E ou #Midjourney –, des vidéos ou des chansons.

      Si leur utilisation est gratuite (bien que des versions payantes existent), le prix est payé non seulement par les utilisateurs dont les données personnelles sont captées, mais aussi par les populations les plus vulnérables au changement climatique. Avec leurs dizaines voire centaines de milliards de paramètres et des terabytes de données pour les alimenter, faire tourner les systèmes d’IA générative demande beaucoup de #puissance_de_calcul de #serveurs, situés dans des centres de données. Donc beaucoup d’#électricité.

      Ces chiffres ne font qu’augmenter à mesure que les modèles se perfectionnent. « Aujourd’hui, l’idée dominante dans l’industrie des modèles génératifs est : "Plus grand est le modèle, mieux c’est" », résument les chercheurs Paul Caillon et Alexandre Allauzen dans The Conversation. Malgré un manque de transparence des entreprises, la consommation d’électricité de leurs modèles et leur #impact_climatique ont fait l’objet d’estimations par nombre de chercheurs et institutions.

      Combien consomme une requête ChatGPT ?

      On sait déjà que la version de ChatGPT sortie en mars 2023, #GPT-4, a demandé plus de puissance de calcul que la précédente. Le Conseil économique et social (Cese), dans un avis de septembre 2024, cite OpenAI et explique : entraîner la troisième version de son modèle de langage a demandé l’équivalent de l’énergie consommée par 120 foyers américains. La version suivante a multiplié par 40 cette consommation, avoisinant la consommation de 5000 foyers.

      Selon une étude, début 2023, une requête ChatGPT consommait environ 2,9 Wh d’électricité, soit presque dix fois plus qu’une simple recherche Google (0,3 Wh). D’autres études estiment l’impact carbone d’une requête à ChatGPT autour de 4 à 5 grammes d’équivalent CO2.

      Produire une image, c’est pire. La startup #HuggingFace, à l’origine de l’IA #Bloom, a été l’une des premières à estimer les émissions de gaz à effet de serre de ces modèles. Dans une étude co-écrite avec l’Université états-unienne de Carnegie-Mellon, elle montre que la génération d’image est de loin la plus polluante des requêtes formulées à une IA générative (l’étude ne prend pas en compte les vidéos).

      Pour donner un ordre d’idée, générer 1000 images correspondrait à conduire environ 7 kilomètres avec une voiture essence. En comparaison, 1000 textes générés équivalent à moins d’un 1 mètre parcouru avec un même véhicule. Mais leur utilisation massive rend cet impact non négligeable. Selon le PDG d’OpenAI Sam Altman, à la fin de l’année 2024, plus d’un milliard de requêtes étaient envoyées à ChatGPT par jour.

      En janvier 2023, soit quelques mois après qu’elle a été rendue accessible au public, ChatGPT avait accumulé 100 millions d’utilisateurs. Selon une estimation de Data for Good, rien que ce mois-là, l’utilisation de ChatGPT aurait pollué à hauteur de 10 113 tonnes équivalent CO2 – soit environ 5700 allers-retours en avion entre Paris et New York.

      En décembre 2024, selon son PDG, le service avait atteint les 300 millions d’utilisateurs… par semaine. Et ce, avec une version bien plus performante – donc bien plus polluante – que la précédente.

      De plus en plus de personnes utilisent l’IA au quotidien, et pour de plus en plus de tâches. Installés dans nos smartphones, accessibles en ligne ou même intégrés dans les frigos haut de gamme, les outils d’intelligence artificielle sont presque partout.

      Une explosion de la consommation d’électricité

      Selon l’Agence internationale de l’énergie, les centres de données représenteraient aujourd’hui environ 1 % de la consommation d’électricité mondiale. Mais cette consommation risque d’augmenter avec les usages croissants et le développement de nouveaux modèles d’IA. Selon l’agence, la consommation des centres de données pour l’IA et les cryptomonnaies a dépassé 460 TWh en 2022. C’est autant que la consommation de la France. D’ici l’année prochaine, selon les scénarios, cette demande en électricité pourrait augmenter de 35 % (160 TWh en plus) à 130 % (590 TWh) ! « Soit l’équivalent d’au moins une Suède et au maximum une Allemagne » de plus dans le monde en quelques années.

      Une autre étude de l’ONG Beyond Fossils Fuels est encore plus alarmiste : « Au cours des six prochaines années, l’explosion de la demande en énergie des centres de données dans l’UE [Union européenne] pourrait entraîner une hausse de 121 millions de tonnes des émissions de CO2, soit presque l’équivalent des émissions totales de toutes les centrales électriques au gaz d’Italie, d’Allemagne et du Royaume-Uni en 2024 combinées » écrit l’ONG en février 2025.

      Les grandes entreprises de la tech cherchent à faire oublier leurs promesses écologiques. Selon le Financial Times, dans un article d’août 2024, les Gafam tentent de remettre en cause les règles de « zéro carbone net » qui leur permettent de compenser leurs émissions de CO2 par le financement d’énergies renouvelables (des règles déjà critiquées pour leur mode de calcul qui dissimule une grande partie de l’impact carbone réel de leurs consommation d’électricité).

      « Ces géants de la technologie sont sur le point de devenir les plus gros consommateurs d’énergie de demain, dans leur course au développement d’une intelligence artificielle énergivore », écrit le média britannique. Les émissions de gaz à effet de serre de Google augmentent par exemple de 13% par an (selon des chiffres de 2023). Une hausse notamment portée par l’augmentation de la consommation d’énergie de ses centres de données. Les émissions de #Microsoft ont bondi de 29 % entre 2020 et 2023.

      Des investissements massifs aux dépens des populations

      Les chefs d’État des États-Unis comme de la France ont pourtant annoncé des investissements massifs dans l’IA pour les années à venir. L’Union européenne, par la voix d’Ursula von der Leyen, a également annoncé un investissement de 200 milliards en partenariat avec de grands groupes.

      Dans les trois cas, ces centaines de milliards d’euros sur la table serviront majoritairement à construire des centres de données pour permettre l’entraînement puis l’utilisation de ces technologies. En France, en amont du sommet de l’IA, le fonds canadien Brookfield a annoncé investir 15 milliards d’euros dans la construction de centres de données, tandis que les Émirats arabes unis ont mis entre 30 et 50 milliards sur la table pour la construction d’un centre de données géant.

      Il est peu probable que cette consommation d’électricité massive ne se fasse pas au détriment des populations. En Irlande, les centres de données monopolisent une part grandissante de l’électricité du pays, ils représentent aujourd’hui plus de 20 % de sa consommation. Cette situation crée des tensions avec les habitants, qui voient leurs factures augmenter alors que la consommation des ménages n’augmente pas.
      Des engagements « durables » non contraignants

      Aux États-Unis, raconte un article de Vert, Microsoft va rouvrir le premier réacteur de la centrale nucléaire de Three Mile Island, site d’un accident en 1979 qui avait irradié toute cette partie de la Pennsylvanie et traumatisé les habitants. Les géants de la Tech – Google, Amazon et Microsoft en tête – cherchent également à investir dans les « petits réacteurs modulaires » nucléaires, en cours de développement, pour alimenter leurs centres de données, ce qui pose la question de la sûreté d’une multitude de petites installations nucléaires face au risque d’accidents. Autre conséquence : le retour en grâce du charbon, fortement émetteur en gaz à effet de serre. Dans l’État de Géorgie, la promesse faite il y a trois ans de fermer toutes ses centrales à charbon a été abandonnée pour répondre au pic de demande d’électricité créé par les centres de données.

      Face à ces risques pour les populations locales comme pour celles les plus vulnérables au changement climatique dans le monde entier, les actions semblent faibles. Une déclaration d’intention a été signée à l’issue du sommet de l’IA, notamment avec l’Inde et la Chine. Il prévoit entre autres la création d’un observatoire de l’impact énergétique de l’IA, sous la responsabilité de l’Agence internationale de l’énergie. Il planifie également la création d’une « coalition pour l’IA durable » avec de grandes entreprises du secteur.

      Ces engagements en matière d’intelligence artificielle signés par les États et les entreprises présentes ne sont pas contraignants, et ne sont pas tournés vers l’action immédiate. De plus, ni le Royaume-Uni ni les États-Unis, qui concentre un tiers des centres de données du monde, n’ont signé ce texte.

      https://basta.media/l-ia-generative-a-le-potentiel-de-detruire-la-planete-mais-pas-comme-vous-l

      #schéma #visualisation #comparaison

    • Comment l’intelligence artificielle et ses data centers s’accaparent l’eau

      La consommation d’eau de l’intelligence artificielle est souvent oubliée des discussions sur l’impact de cette technologie. Pourtant, les centres de données consomment chaque année des milliards de mètres cubes d’eau – et cela risque d’empirer.

      Google a soif. En 2023, les centres de données et les bureaux de la multinationale du numérique ont à eux seuls englouti 24 milliards de litres d’eau – dont la grande majorité utilisée par les data centers. C’est l’équivalent de la consommation d’eau annuelle d’environ 453 000 Français. La question des besoins en eau est l’un des grands enjeux environnementaux du numérique. Il est amplifié par le développement rapide et incontrôlé de l’intelligence artificielle (IA).

      Chaque année, les grandes entreprises de la tech augmentent de dizaines de pourcents leur consommation d’eau. Entre 2021 et 2022, Microsoft a accru de 34 % la quantité d’eau utilisée pour ses activités, et Google de 20 %. Cela représente des milliards de litres d’eau, en grande partie potable, prélevés en plus chaque année. La course au développement d’intelligences artificielles toujours plus performantes – et donc toujours plus polluantes – participe à cette augmentation. Rien que l’entraînement de GPT-3 (la version en usage jusqu’à mars 2023 du robot conversationnel d’OpenAI) aurait consommé 700 000 litres d’eau dans les centres de données de Microsoft basés aux États-Unis.
      Des centres de données géants dans des régions en proie à la sécheresse

      Les ressources en eau globales sont déjà mises en danger par le réchauffement climatique. De nombreuses régions du monde sont en stress hydrique : l’accès à l’eau y est limité, si ce n’est difficile. Selon des estimations de chercheurs, partagées par The Washington Post, un grand centre de données – comme ceux des Gafam – peut consommer entre 3,8 et 19 millions de litres d’eau par jour.

      Ces millions de litres sont utilisés pour produire l’électricité qui les alimente, mais aussi, pour environ un quart, directement pour le refroidissement des serveurs de ces centres de données. Si cela représente encore une faible partie de la consommation d’eau à l’échelle mondiale, les conséquences locales se font souvent déjà sentir. Le journal américain cite l’exemple de la commune de The Dalles, dans l’Oregon, où Google s’accapare plus d’un quart de l’eau de la petite ville.

      Le refroidissement par l’eau est brandi comme argument écologique par les grandes entreprises. Google, par exemple, s’est vanté d’avoir réduit son empreinte carbone de 300 000 tonnes de CO2 en 2021 grâce à des centres de données refroidis par de l’eau plutôt qu’avec de l’air conditionné. Malgré ses promesses de plus grande responsabilité écologique, deux ans plus tard encore, plus de 30 % de l’eau utilisée venait de zones où les risques de pénurie d’eau sont considérés comme moyens ou élevés.

      En Espagne, à une centaine de kilomètres de Madrid, la ville de Talavera de la Reina s’apprête à accueillir un centre de données de 191 hectares, propriété de Meta (la maison-mère de Facebook et Instagram). Depuis 2022, une trentaine de projets similaires ont été lancés dans le pays, rapporte le média indépendant espagnol elDiario.es. Dans la région de l’Aragón, « la situation est grave : 146 000 hectares ne peuvent être cultivés et 175 000 autres sont gravement endommagés par le manque d’eau ». C’est pourtant là qu’Amazon a décidé d’investir 15,7 milliards d’euros pour installer ses centres de données « hyperscale », autrement dit de très grande taille.
      « 4,2 à 6,6 milliards de mètres cubes d’eau en 2027 »

      Amazon tente de montrer patte blanche, promettant un approvisionnement électrique provenant à 100 % d’énergies renouvelables, mais des mouvements écologistes s’opposent vivement à ce projet. « Nous refusons le discours selon lequel cette méga-infrastructure serait bénigne pour les territoires, bien au contraire. Les dégâts écologiques et sociaux causés par le déploiement massif de centres de données peuvent déjà être observés dans d’autres territoires tels que la Virginie (États-Unis), le Mexique, l’Irlande et les Pays-Bas », écrit Tu Nube Seca Mi Río (« Ton nuage assèche ma rivière »).

      « La consommation directe d’eau pour le refroidissement représentera la moitié de la consommation totale d’eau de la ville de Saragosse (plus de 300 000 personnes et ses commerces et entreprises) et aurait permis d’irriguer 170 hectares de terres, [et ce,] si les chiffres avancés par projet sont respectés, ce qui semble fort peu probable. » Le collectif, qui agrège plusieurs associations écologistes espagnoles, dénonce les conséquences multiples qu’auront ces data centers pour l’accès à l’eau dans la région, tant pour l’agriculture, pour les populations que dans la lutte contre les incendies, de plus en plus fréquents. Tu Nube Seca Mi Río alerte aussi sur le danger pour la faune locale.

      Ce risque n’est pas présent qu’à l’étranger. En France, à Marseille, le collectif Le nuage était sous nos pieds – composé notamment de la Quadrature du Net – dénonce « la quasi-absence des enjeux environnementaux et territoriaux des infrastructures du numérique dans le débat public », entre autres quand il est question de la construction de nouveaux data centers. « Le méga-ordinateur surchauffe, renvoie l’air ou l’eau chaude dans une ville déjà trop souvent sujette à la canicule, pompe des quantités astronomiques d’eau et d’électricité sur le réseau public, et ne génère pratiquement aucun emploi direct », résument-ils, face à un nouveau projet de l’entreprise Digital Realty dans la ville.

      Le développement et la massification de l’utilisation de l’intelligence artificielle entraînent les entreprises dans une course effrénée à la construction de centres de données, sans considérer les conséquences écologiques et sociales. Selon une étude menée par des chercheurs et chercheuses de l’Université de Cornell, aux États-Unis, en 2023, « la demande mondiale en IA devrait représenter 4,2 à 6,6 milliards de mètres cubes d’eau en 2027, soit plus que le prélèvement annuel total d’eau de quatre à six Danemark ou de la moitié du Royaume-Uni ».

      https://basta.media/comment-intelligence-artificielle-IA-data-centers-gafam-s-accaparent-eau

    • Big tech’s water-guzzling data centers are draining some of the world’s driest regions

      #Amazon, #Google, and #Microsoft are expanding data centers in areas already struggling with drought, raising concerns about their use of local water supplies for cooling massive server farms.

      In short:

      - The three largest cloud companies are building or operating 62 data centers in regions facing water scarcity, including in Spain, #Arizona, and other drought-prone areas across five continents.
      - Amazon’s new centers in Spain’s #Aragon region are licensed to use enough water to irrigate hundreds of acres of farmland annually, and the company has requested a 48% increase in water for its existing sites.
      – Tech firms promise to become “water positive” by 2030, but experts and even internal critics say offsetting water use elsewhere doesn’t solve shortages in the communities where centers operate.

      Key quote:

      “Neither people nor data can live without water. But human life is essential and data isn’t.”

      — Aurora Gómez, Tu Nube Seca Mi Río

      Why this matters:

      Data centers are the invisible engines of the internet — processing everything from emails to AI, video calls to cloud storage — but they come with a physical footprint. That footprint includes massive energy use and a surprising dependence on fresh water to keep machines cool. In places where droughts are worsening with climate change, the demands of these centers are clashing with local needs for drinking water and agriculture. Some of these regions are already edging toward desertification, and water-intensive industries like tech may tip them further. Critics worry that promises of sustainability are greenwashing efforts that mask the environmental costs of maintaining digital infrastructure.

      https://www.dailyclimate.org/big-techs-water-guzzling-data-centers-are-draining-some-of-the-worlds-
      #Espagne

    • Big tech’s new datacentres will take water from the world’s driest areas

      Amazon, Google and Microsoft are building datacentres in water-scarce parts of five continents
      Luke Barratt, Costanza Gambarini and data graphics by Andrew Witherspoon and Aliya Uteuova
      Wed 9 Apr 2025 13.30 CEST
      Last modified on Wed 9 Apr 2025 17.40 CEST

      Amazon, Microsoft and Google are operating datacentres that use vast amounts of water in some of the world’s driest areas and are building many more, the non-profit investigatory organisation SourceMaterial and the Guardian have found.

      With Donald Trump pledging to support them, the three technology giants are planning hundreds of datacentres in the US and across the globe, with a potentially huge impact on populations already living with water scarcity.

      “The question of water is going to become crucial,” said Lorena Jaume-Palasí, founder of the Ethical Tech Society. “Resilience from a resource perspective is going to be very difficult for those communities.”

      Efforts by Amazon, the world’s largest online retailer, to mitigate its water use have sparked opposition from inside the company, SourceMaterial’s investigation found, with one of its own sustainability experts warning that its plans are “not ethical”.

      In response to questions from SourceMaterial and the Guardian, spokespeople for Amazon and Google defended their developments, saying they always take water scarcity into account. Microsoft declined to provide a comment.

      Datacentres, vast warehouses containing networked servers used for the remote storage and processing of data, as well as by information technology companies to train AI models such as ChatGPT, use water for cooling. SourceMaterial’s analysis identified 38 active datacentres owned by the big three tech firms in parts of the world already facing water scarcity, as well as 24 more under development.

      https://www.theguardian.com/environment/2025/apr/09/big-tech-datacentres-water

      Datacentres’ locations are often industry secrets. But by using local news reports and industry sources Baxtel and Data Center Map, SourceMaterial compiled a map of 632 datacentres – either active or under development – owned by Amazon, Microsoft and Google.

      It shows that those companies’ plans involve a 78% increase in the number of datacentres they own worldwide as cloud computing and AI cause a surge in the world’s demand for storage, with construction planned in North America, South America, Europe, Asia, Africa and Australia.

      In parts of the world where water is plentiful, datacentres’ high water usage is less problematic, but in 2023 Microsoft said that 42% of its water came from “areas with water stress”, while Google said 15% of its water consumption was in areas with “high water scarcity”. Amazon did not report a figure.

      Now these companies plan to expand their activities in some of the world’s most arid regions, SourceMaterial and the Guardian’s analysis found.

      “It’s no coincidence they are building in dry areas,” as datacentres have to be built inland, where low humidity reduces the risk of metal corrosion, while seawater also causes corrosion if used for cooling, Jaume-Palasí said.
      ‘Your cloud is drying my river’

      Amazon’s three proposed new datacentres in the Aragon region of northern Spain – each next to an existing Amazon datacentre – are licensed to use an estimated 755,720 cubic metres of water a year, roughly enough to irrigate 233 hectares (576 acres) of corn, one of the region’s main crops.

      In practice, the water usage will be even higher as that figure doesn’t take into account water used to generate the electricity that will power the new installations, said Aaron Wemhoff, an energy efficiency specialist at Villanova University in Pennsylvania.

      Between them, Amazon’s new datacentres in the Aragon region are predicted to use more electricity than the entire region currently consumes. Meanwhile, Amazon in December asked the regional government for permission to increase water consumption at its three existing datacentres by 48%.

      Opponents have accused the company of being undemocratic by trying to rush through its application over the Christmas period. More water is needed because “climate change will lead to an increase in global temperatures and the frequency of extreme weather events, including heat waves”, Amazon wrote in its application.

      “They’re using too much water. They’re using too much energy,” said Aurora Gómez of the campaign group Tu Nube Seca Mi Río – Spanish for “Your cloud is drying my river” – which has called for a moratorium on new datacentres in Spain due to water scarcity.

      Spain has seen rising numbers of heat-related deaths in extreme weather events linked by scientists to the climate crisis. Last month, Aragon’s government asked for EU aid to tackle its drought.

      Farmer Chechu Sánchez said he’s worried the datacentres will use up water he needs for his crops.

      “These datacentres use water that comes from northern Aragon, where I am,” he said. “They consume water – where do they take it from? They take it from you, of course.”

      With 75% of the country already at risk of desertification, the combination of the climate crisis and datacentre expansion is “bringing Spain to the verge of ecological collapse”, Jaume-Palasí said.

      Asked about the decision to approve more datacentres, a spokesperson for the Aragonese government said they would not compromise the region’s water resources because their impact is “imperceptible”.
      Water offsetting

      Amazon does not provide overall figures for the water its datacentres use worldwide. But it does claim that it will be “water positive” by 2030, offsetting its consumption by providing water to communities and ecosystems in areas of scarcity elsewhere.

      Amazon says it is currently offsetting 41% of its water usage in areas it deems unsustainable. But it’s an approach that has already caused controversy inside the company.

      “I raised the issue in all the right places that this is not ethical,” said Nathan Wangusi, a former water sustainability manager at Amazon. “I disagreed quite a lot with that principle coming from a pure sustainability background.”

      Microsoft and Google have also pledged to become “water positive” by 2030 through water offsetting, as well as finding ways to use water more efficiently.

      Water offsetting ca not work in the same way as carbon offsetting, where a tonne of pollutants removed from the atmosphere can cancel out a tonne emitted elsewhere, said Wemhoff, the Villanova University specialist. Improving access to water in one area does nothing to help the community that has lost access to it far away.

      “Carbon is a global problem – water is more localised,” he said.

      Amazon should pursue water accessibility projects “because it’s the right thing to do”, not to offset the company’s usage and make claims about being “water positive”, Wangusi said.

      In March, Amazon announced that it would use AI to help farmers in Aragon use water more efficiently.

      But that is “a deliberate strategy of obfuscation” that distracts from the company’s request to raise water consumption, said Gómez, the campaigner.

      Amazon said its approach shouldn’t be described as offsetting because the projects are in communities where the company operates.

      “We know that water is a precious resource, and we’re committed to doing our part to help solve this challenge,” said Harry Staight, an Amazon spokesperson. “It’s important to remember many of our facilities do not require the ongoing use of water to cool operations.”
      ‘Extreme drought’

      Amazon is by far the biggest owner of datacentres in the world by dint of its Amazon Web Services cloud division, but Google and Microsoft are catching up.

      In the US, which boasts the largest number of datacentres in the world, Google is the most likely to build in dry areas, SourceMaterial’s data shows. It has seven active datacentres in parts of the US facing water scarcity and is building six more.

      “We have to be very, very protective around the growth of large water users,” said Jenn Duff, a council member in Mesa, Arizona, a fast-growing datacentre hub. In January, Meta, the owner of Facebook, WhatsApp and Instagram, opened a $1bn datacentre in the city, and Google is developing two more.

      The surrounding Maricopa county, where Microsoft also has two active datacentres, is facing “extreme drought”, according to the National Oceanic and Atmospheric Administration. In June 2023, Arizona state officials revoked construction permits for some new homes there due to a lack of groundwater.

      Drought has not halted Google’s plans for a second Mesa datacentre, while its first centre has a permit to use 5.5m cubic metres of water a year – about the same quantity used by 23,000 ordinary Arizonans.

      “Is the increase in tax revenue and the relatively paltry number of jobs worth the water?” said Kathryn Sorensen, an Arizona State University professor and a former director of Mesa’s water department. “It is incumbent on city councils to think very carefully and examine the trade-offs.”

      Google said it won’t use the full amount of water in its Mesa permit as it plans to use an air cooling system.

      “Cooling systems are a hyperlocal decision – informed by our data-driven strategy called ‘climate-conscious cooling’ that balances the availability of carbon-free energy and responsibly sourced water to minimise climate impact both today and in the future,” said Google spokesperson Chris Mussett.
      Stargate

      In January at the White House, Trump announced “Project Stargate”, which he called “the largest AI infrastructure project in history”.

      Starting in Texas, the $500bn joint venture between OpenAI, the American software company Oracle, Japan-based SoftBank and Emirati investment firm MGX will finance datacentres across the US.

      The day before the Stargate announcement, Trump’s inauguration date, the Chinese company DeepSeek launched its own AI model, claiming it had used far less computing power – and therefore less water – than its western rivals.

      More recently, Bloomberg has reported that Microsoft is pulling back on some of its plans for new datacentres around the world. Microsoft has also published plans for a “zero water” datacentre, and Google has said it will incorporate air cooling to reduce water use – though it isn’t yet clear how its systems will work.

      “I’ll believe it when I see it,” said Jaume-Palasí. “Most datacentres right now are going from air cooling to water cooling because liquid is more efficient when you try to cool down high-density racks, which are the ones that are mostly being used for AI.”

      And while the Trump administration has pledged to fast-track new energy projects to power these new datacentres, it has so far said nothing about the water they could use up.

      “Neither people nor data can live without water,” said Gómez. “But human life is essential and data isn’t.”