Une approche frugale de l'IA : le choix responsable de Nomadia

L’intelligence artificielle s’invite partout, au prix d’une consommation toujours croissante de ressources matérielles et d’énergie. Découvrez comment Nomadia limite l’impact environnemental de ses solutions et augmente leur efficacité opérationnelle grâce à une approche frugale de l’IA, pragmatique et raisonnée.

L’IA ne se réduit pas aux LLM !

Depuis 2022 et l’irruption sur la scène de ChatGPT, le discours médiatique ambiant réduit l’intelligence artificielle aux grands modèles de langage (LLM, Large Langage Models) et aux applications d’IA générative. C’est oublier un peu vite tout ce qui a précédé, à savoir 40 ans de progrès en computer vision, en speech to text/text to speech, en analytique et en apprentissage machine grâce à des algorithmes éprouvés, mais beaucoup moins énergivores que les solutions basées sur les LLM actuels.

La facilité d’accès aux LLM, ainsi que leur polyvalence font facilement oublier les lourdes infrastructures très matérielles qui les supportent et qui, où qu’elles soient, mobilisent une part croissante de l’électricité disponible, potentiellement au détriment d’autres usages essentiels.

L’IA « verte » est un mirage

Savoir que les géants du numérique et de l’IA investissent directement dans la production d’électricité, notamment dans les technologies nucléaires, pour alimenter leurs super datacenters en électricité « verte » ne fait que confirmer leurs phénoménales ambitions de développement et d’hégémonie. Tous font le pari d’une IA toujours plus puissante et, donc, toujours plus gourmande en énergie et autres ressources : puces, serveurs, câbles, satellites, systèmes de ventilation et de refroidissement des datacenters, sans oublier les matériaux de construction des data centers eux-mêmes…

De fait, les modèles LLM sont de plus en plus puissants et, ce qui les rend encore plus attractifs et de moins en moins chers. En effet, plus une technologie progresse et se diffuse, moins elle est financièrement coûteuse, ce qui incite à l’utiliser toujours plus, au prix d’un impact environnemental insoutenable dont les grands acteurs prétendent s’affranchir en parlant de « Green AI ».

Or il n’y a pas d’IA « verte » qui tienne dans un secteur dont les émissions de CO2 cumulées progressent déjà de 6 % à 8 % par an. Et quand Jensen Huang, le patron de Nvidia, annonce que les puissances de calcul actuelles devront être multipliées par 100 dans les prochaines années pour répondre aux besoins de la société en IA, toute entreprise socio et éco-responsable ne peut que s’interroger : faut-il mettre de l’IA partout ? Pour Nomadia, la réponse est clairement non.

La philosophie de Nomadia : faire mieux avec moins

Pour un éditeur de logiciels comme Nomadia, se tourner systématiquement vers les LLM — quel que soit le problème à résoudre ou le besoin auquel on souhaite répondre – revient dans bien des cas à utiliser un canon pour tuer une mouche, là où une simple tapette et un minimum d’adresse suffiraient.

C’est la raison pour laquelle nous revendiquons une approche frugale et raisonnée de l’IA, en ligne avec nos responsabilités d’entreprise à mission. Elle consiste, chaque fois que c’est possible, à faire mieux avec moins, en prenant toujours en considération les limites d’un système qu’on prétend infini alors qu’il ne l’est évidemment pas. L’écoresponsabilité est une valeur cardinale de Nomadia. Ce n’est pas une valeur pour faire joli. Elle oriente et détermine toutes les décisions que nous prenons en matière de conception, de développement et d’utilisation de nos produits. Cela implique des choix radicaux, notamment vis-à-vis de l’IA générative.

Stéphane Delbecque, Chief Product & AI Officer, Nomadia

Les piliers de l’IA frugale de Nomadia

Une utilisation raisonnée et frugale de l’IA commence nécessairement par un questionnement sur les cas d’usage, ce qui suppose de faire l’effort de les inventorier et de les hiérarchiser en fonction de leur utilité et de leur valeur ajoutée pour les utilisateurs des solutions Nomadia. L’identification d’un besoin ne préjuge pas de la manière dont on va techniquement y répondre. La question du « comment » n’intervient que dans un deuxième temps et consiste à tester les différentes façons de faire en respectant les principes suivants :

• Ne pas se limiter aux LLM, mais toujours envisager les alternatives possibles, typiquement le recours à des algorithmes pouvant être entraînés par Nomadia de manière autonome à des fins très précises.
• Utiliser uniquement des technologies open source, de façon à garder le contrôle sur les outils, les processus et les données, tant lors des tests qu’en mode production.
• Travailler autant que possible localement, avec des technologies déployées sur les serveurs de Nomadia, en France et non dans de lointains data centers, pour des raisons de souveraineté et de sécurité des données des clients.

L’application de ces principes conduit Nomadia à systématiquement privilégier les technologies d’intelligence artificielle les plus sobres :

Pour nous, la bonne technologie, la solution optimale est celle qui répond de la manière la plus frugale possible à chaque cas d’usage identifié. Et quand on prend les choses sous cet angle, ce n’est pas forcément de l’IA générative. Par exemple, dans le domaine de la reconnaissance d’images, nous avons obtenu de meilleurs résultats en utilisant le bon algorithme et en entraînant notre propre modèle qu’en utilisant un LLM, et ce pour une dépense énergétique 100 fois moindre. C’est ce que j’appelle faire mieux avec moins.

Stéphane Delbecque, Chief Product & AI Officer, Nomadia

Nomadia ne se prive pas pour autant des possibilités offertes par les LLM et l’IA générative. Fidèle à ses principes, le groupe a choisi de travailler avec la société française Mistral qui, outre sa nationalité, présente l’avantage de proposer un LLM open source tout à fait adapté aux besoins et exigences de Nomadia. Cette solution est hébergée en France, chez Mistral, et est utilisée autant que de besoin par Nomadia pour tester et faire tourner les modèles qui viennent enrichir les fonctionnalités de ses solutions et booster leurs performances.