L'efficacité énergétique, nouvelle application de l'intelligence artificielle chez Google

Un système de machine learning a permis à Google d'économiser l'énergie nécessaire au refroidissement de ses datacenters.

L'énorme quantité d'énergie nécessaire pour alimenter, et surtout refroidir, les datacenters de Google coûte évidemment très cher. Mais l'entreprise de Mountain View a trouvé un ingénieux moyen pour réduire sa facture : le machine learning. Ce sont plus précisément les salariés de l'entreprise britannique DeepMind, que Google a rachetée 600 millions de dollars en 2014, qui sont venus aider Google à améliorer son efficacité énergétique. Pour mémoire, c'est aussi grâce à DeepMind que Google a pu mettre au point une intelligence artificielle capable de battre, il y a quelques mois, l'un des meilleurs joueurs de go au monde.

Là, il s'agissait de prévoir la chaleur d'un datacenter, afin de s'assurer que le système ne fournisse pas trop d'énergie pour le refroidir. Le résultat annoncé aujourd'hui par Google sur l'un de ses blogs, est impressionnant : 40% d'énergie économisée pour le refroidissement. L'indice d'efficacité énergétique, le fameux PUE du datacenter où était testé le système, a ainsi pu gagner 15%.

Fourni par Google, ce graphique montre bien comment, lorsque le système de machine learning est activé dans le data center ("ML Control ON"), l'efficacité énergétique (synonyme d'un PUE faible) est améliorée. © Google

Google compte bien entendu déployer plus largement ce système dans ses datacenters, mais évoque aussi d'autres applications possibles, dans les centrales électriques ou dans d'autres sites industriels.

Et aussi

 

Google / Blog