Les erreurs peuvent conduire des études bien intentionnées à prédire une croissance énergétique massive dans l’informatique, qui souvent ne se matérialise pas –

L’article décrit comment ces erreurs peuvent conduire des études bien intentionnées à prédire une croissance énergétique massive dans le secteur des technologies de l’information (TI), qui souvent ne se matérialise pas. “Nous ne disons pas que la consommation d’énergie d’Internet n’est pas un problème, ou que nous ne devrions pas nous en inquiéter”, a expliqué Masanet. “Au contraire, notre message principal est que nous devons tous nous améliorer dans l’analyse de la consommation d’énergie d’Internet et éviter ces pièges à l’avenir.”

Masanet, titulaire de la chaire Mellichamp en sciences de la durabilité pour les technologies émergentes à la Bren School of Environmental Science & Management de l’UCSB, mène des recherches sur l’analyse énergétique des systèmes informatiques depuis plus de 15 ans. Koomey, qui a étudié le sujet pendant plus de trois décennies, a été pendant de nombreuses années membre du personnel scientifique et chef de groupe au Lawrence Berkeley National Lab, et a été professeur invité à l’Université de Stanford, à l’Université de Yale et à l’UC Berkeley. L’article, qui n’a aucune source de financement externe, est né de leurs expériences et observations combinées et a été motivé par l’intérêt croissant du public pour l’utilisation de l’énergie Internet. Bien que l’article ne contienne aucune nouvelle donnée ou conclusion sur l’utilisation actuelle de l’énergie ou les impacts environnementaux de différentes technologies et secteurs, il soulève quelques problèmes techniques importants auxquels le domaine est actuellement confronté.

Le travail de Masanet et Koomey consiste à collecter des données et à construire des modèles d’utilisation de l’énergie pour comprendre les tendances et faire des prédictions. Malheureusement, les systèmes informatiques sont compliqués et les données sont rares. “Internet est un système de technologies très complexe et il évolue rapidement”, a déclaré Masanet. De plus, dans l’industrie technologique concurrentielle, les entreprises gardent souvent les données d’énergie et de performance comme des secrets commerciaux exclusifs. “Il y a beaucoup d’ingénierie qui entre dans leurs opérations”, a-t-il ajouté, “et ils ne veulent souvent pas abandonner cela.”

Quatre erreurs

Cela alimente directement le premier des quatre principaux écueils identifiés par les deux chercheurs : la simplification excessive. Chaque modèle est une simplification d’un système du monde réel. Cela doit être. Mais la simplification devient un piège lorsque les analystes négligent des aspects importants du système. Par exemple, les modèles qui sous-estiment les améliorations de l’efficacité des centres de données surestiment souvent la croissance de leur consommation d’énergie.

Une certaine simplification est compréhensible, a déclaré Koomey, car souvent les chercheurs n’ont tout simplement pas assez de données. Mais trop de simplification risque de produire des résultats inexacts, a-t-il souligné.

Le deuxième écueil est essentiellement l’amalgame entre usage d’internet et demande d’énergie : trafic de données et consommation d’énergie ne sont pas équivalents. “Il semble rationnel de dire qu’une augmentation de 20% du trafic de données entraînerait une augmentation de 20% de la consommation d’énergie d’Internet”, a déclaré Masanet, “mais ce n’est pas ainsi que le système fonctionne.” Les réseaux ont une forte consommation d’énergie fixe, de sorte que la demande d’énergie ne change pas beaucoup lorsque le trafic de données change.

Imaginez le débit de données sur Internet en tant que passagers d’un train. La majeure partie de l’énergie sert à déplacer le train. Doubler le nombre de personnes dans le train ne doublera pas la quantité d’énergie nécessaire au train. “Il y a donc cet effet marginal plus petit qui est bien connu des ingénieurs réseau mais qui n’est pas toujours connu des analystes énergétiques”, a déclaré Masanet.

Le rythme et la nature des changements dans les technologies Internet et la demande de données entraînent le troisième écueil : se projeter trop loin dans le futur. Dans une étude rétrospective (link is external) publiée en 2020 Masanet, Koomey et leurs collègues ont découvert que les projections antérieures surestimaient la croissance énergétique des centres de données. Ils n’avaient pas prévu de fortes augmentations de la virtualisation informatique ou des transferts de charges de travail vers le cloud.

Non seulement nous développons des technologies nouvelles et améliorées, mais les structures de l’industrie et les demandes des consommateurs changent aussi souvent. Par exemple, peu de gens auraient pu prédire les énormes quantités de puissance de traitement désormais consacrées à l’extraction de bitcoins il y a à peine 5 ans. Cela dit, les chercheurs mettent en garde contre l’extrapolation de telles tendances de croissance précoces trop loin dans le futur. “Quand Internet se développait rapidement à la fin des années 1990, certains analystes prévoyaient que l’informatique représenterait la moitié de la consommation d’électricité aux États-Unis d’ici une décennie”, a déclaré Koomey.

Compte tenu de toute cette incertitude, il n’est pas étonnant que les analystes puissent rater la cible dans leurs prédictions. L’informatique évolue si rapidement que les projections ne seront tout simplement pas exactes au-delà de quelques années, a déclaré Masanet. En revanche, la projection sur des décennies est courante dans d’autres domaines de l’analyse énergétique. Cela peut être crucial pour la planification de la capacité du réseau électrique ou des infrastructures de transport, pour n’en nommer que quelques-uns. Cela peut conduire à des attentes irréalistes lorsqu’il s’agit de prévoir la consommation d’énergie informatique, qui est beaucoup plus rapide et imprévisible.

Le dernier écueil identifié par le duo résultait d’un manque de portée appropriée : la généralisation excessive. Lorsque les données sont rares, il est tentant d’appliquer les taux de croissance d’une partie d’un système à l’ensemble du système. Masanet a donné comme exemple l’essor du cloud computing. Bien que la consommation d’énergie de nombreuses entreprises de cloud ait augmenté rapidement au cours de la dernière décennie, ce n’était pas le cas pour les centres de données. La consommation d’énergie des centres de données traditionnels a diminué parallèlement à la diminution de cette partie du secteur, ce qui a permis de contrôler la consommation globale d’énergie des centres de données au cours de la même période.

De même, alors que l’augmentation du streaming vidéo peut augmenter la consommation d’énergie pour les centres de données, elle pourrait réduire la consommation d’énergie domestique en diminuant le nombre de décodeurs TV, a expliqué Koomey.

“Vous devez examiner l’ensemble du système et éviter d’extrapoler à partir d’une seule partie”, a déclaré Masanet.

Aller de l’avant

En plus de faire face à une pénurie de données et à un système complexe, les entreprises technologiques et les analystes n’ont aucune norme pour déclarer la consommation d’énergie d’Internet. Les automobiles ont des miles par gallon – la mesure d’efficacité convenue aux États-Unis – mais il n’y a pas encore d’analogue pour les centres de données. L’une des raisons est que chaque centre de données est différent : il est difficile de comparer un centre principalement engagé dans le calcul scientifique avec un autre qui gère principalement l’hébergement Web, a souligné Masanet.

Le Congrès a récemment adopté la loi sur l’énergie de 2020, qui contient des dispositions pour les centres de données. “C’est un signe positif que nous nous dirigeons vers des critères de référence qui pourraient permettre davantage de rapports de la part des entreprises, du moins aux États-Unis”, a déclaré Masanet.

“Une chose que la communauté de la recherche peut faire est d’aider à développer ces métriques afin que si les entreprises veulent faire rapport et rester confidentielles, elles puissent avoir des métriques scientifiques standard et convenues à utiliser”, a-t-il ajouté.

“Le monde a besoin de meilleures prévisions énergétiques informatiques, et la communauté des analystes doit s’améliorer beaucoup plus pour les produire, nous y compris”, a poursuivi Masanet. « Nous avons rencontré ces pièges dans notre propre travail.

“Maintenant, nous devons les reconnaître et trouver comment les éviter à l’avenir afin que nous puissions tous fournir des résultats plus rigoureux, car ces résultats deviennent de plus en plus importants.”

Koomey a souligné l’importance de faire preuve de retenue lorsqu’on est confronté à des systèmes complexes avec des lacunes persistantes dans les données. Bien qu’il puisse être attrayant de faire des hypothèses lorsque les données n’existent pas, ce n’est pas la meilleure approche, a-t-il déclaré. Il est préférable de collecter plus de données, de reconnaître les mises en garde et de rester modeste lorsque vous faites des réclamations.

“Notre objectif est de promouvoir une analyse précise des technologies de l’information, afin que les décideurs politiques puissent porter des jugements basés sur la réalité plutôt que sur des idées fausses”, a-t-il déclaré. « Les données sur l’utilisation de l’électricité informatique seront toujours en retard par rapport à la réalité, car de nombreuses données pertinentes sont des secrets bien gardés et ces systèmes changent si rapidement. Les analystes doivent accepter ces limitations inhérentes et ne pas faire de déclarations fortes basées sur des spéculations ou de trop nombreuses hypothèses. »