Vers une Intelligence Artificielle Numérique Responsable

Towards Responsible Digital Artificial Intelligence

• Auteur / Autrice : Angela Voinea
• Direction : Vincent Courboulay
• Type : Projet de thèse
• Discipline(s) : Informatique et Applications
• Date : Inscription en doctorat le ; Soutenance le 11/07/2024
• Etablissement(s) : La Rochelle
• Ecole(s) doctorale(s) : EUCLIDE
• Partenaire(s) de recherche : Laboratoire : Laboratoire Informatique image et interaction
• Jury : Président / Présidente : Karell Bertet
• Jury : Examinateurs / Examinatrices : Vincent Courboulay, Christine Fernandez-maloigne, Denis Hamad
• Jury : Rapporteur / Rapporteuse : Christine Fernandez-maloigne, Denis Hamad

Mots clés

Mots clés libres

IA Responsable

Réduction de la consommation de l'énergie

Consommation énergétique

Dnn

Green IA

Sustainable AI

Reducing energy consumption

Power consumption

Dnn

Green AI

Résumé

Le numérique, et en particulier l’Intelligence Artificielle (IA), est de plus en plus reconnu comme une source de pollution en raison de sa consommation énergétique importante. Cette augmentation de la consommation d’énergie est attribuée à la fois au matériel nécessaire aux solutions d’IA et à l’explosion des services basés sur l’IA, ainsi qu’à l’énorme demande de données. Historiquement, la consommation d’énergie était principalement associée à l’efficacité matérielle, mais désormais, le composant logiciel joue un rôle tout aussi important. Avec l’avènement du Cloud Computing et le passage à des infrastructures hébergées dans le Cloud, de nombreuses entreprises négligent l’optimisation énergétique de leurs solutions d’IA, en se reposant sur des ressources facilement scalables sans tenir compte de l’efficacité énergétique. Cette thèse vise à sensibiliser et à mettre en œuvre des solutions d’IA plus responsables pour réduire la consommation d’énergie et proposer des services plus économes en énergie. Pour ce faire, elle commence par une revue complète de l’évolution des solutions d’IA, mettant en évidence les différents aspects essentiels pour des pratiques numériques responsables, notamment en matière d’IA. La mesure et le suivi de la consommation d’énergie sur l’ensemble du cycle de vie des solutions d’IA posent un défi, mais une fois réalisés, les efforts d’analyse et d’optimisation peuvent commencer pour créer des solutions numériques plus écoénergétiques. Cette thèse propose des solutions concrètes aux entreprises pour rendre l’utilisation des applications d’IA plus responsable, sans nécessiter de changements majeurs dans l’infrastructure matérielle.

The digital sphere, particularly Artificial Intelligence (AI), is increasingly recognized as a source of pollution due to its significant energy consumption. This surge in energy usage is attributed to both the hardware required for AI solutions and the explosion of AI-based services, coupled with the immense data demands. Historically, energy consumption was primarily associated with hardware efficiency, but now, the software component plays an equally significant role. With the rise of Cloud Computing and the shift towards Cloud-hosted infrastructures, many companies overlook energy optimization in their AI solutions, relying on easily scalable resources without considering energy efficiency. This thesis aims to promote awareness and implementation of more responsible AI solutions to reduce energy consumption and offer more energy-efficient services. To achieve this, it begins with a comprehensive review of AI solution evolution, highlighting the various aspects essential for responsible digital practices, especially in AI. Measurement and tracking of energy consumption across the entire life cycle of AI solutions pose a challenge, but once achieved, analysis and optimization efforts can begin to create more energy-efficient digital solutions. This thesis provides concrete solutions for enterprises to make AI application usage more responsible, without necessitating major hardware changes.