
Les centres de données IA deviennent des acteurs flexibles du réseau électrique - Enerzine
Une étude parue dans Nature Energy révèle que les centres de données spécialisés dans l'intelligence artificielle peuvent réduire leur consommation d'énergie de 25 % durant les pics de demande, tout en maintenant leurs performances. Cette approche, testée sur un cluster de 256 GPU en Arizona et mise en œuvre au Royaume-Uni, pourrait libérer des capacités considérables sur les réseaux électriques mondiaux face à une demande croissante.
Les centres de données peuvent désormais agir en tant que ressources flexibles, ajustant leur consommation d'énergie en fonction des besoins du réseau. Au lieu de dépendre d'investissements matériels coûteux, cette avancée repose sur une orchestration logicielle qui classifie les tâches en fonction de leur flexibilité. En ralentissant ou décalant certaines opérations moins critiques pendant les périodes de tension, le système garantit la continuité des services essentiels.
Cette innovation est cruciale alors que les réseaux électriques, comme celui du Royaume-Uni, seraient sous pression avec environ 140 projets de centres de données cherchant à se connecter, représentant une capacité de 50 GW. Si ces installations démontrent leur capacité à moduler leur demande, elles pourraient permettre à un grand nombre de projets de se connecter sans nécessiter de nouvelles infrastructures. Les chercheurs estiment que cette méthode pourrait libérer jusqu'à 100 GW aux États-Unis, soit 20 % de la consommation nationale.
Des initiatives comme celle de National Grid, en partenariat avec la start-up Emerald AI, visent à intégrer cette flexibilité dans le réseau britannique. En utilisant des systèmes d'orchestration comme Conductor, les centres de données peuvent devenir des alliés dans la gestion efficace de la consommation d'énergie, tout en évitant une crise pour les infrastructures électriques. Cette avancée pourrait transformer le panorama énergétique en équilibrant développement technologique et contraintes environnementales.


