Want to create interactive content? It’s easy in Genially!

Get started free

3. Old IA frugale - Alvéoles MIEUX

INALCO

Created on June 14, 2026

Start designing with a free template

Discover more than 1500 professional designs like these:

Essential Business Proposal

Project Roadmap Timeline

Step-by-Step Timeline: How to Develop an Idea

Artificial Intelligence History Timeline

Pictures quiz

Big Data: The Data That Drives the World

Mind Map: The 4 Pillars of Success

Transcript

Titre DE LA DIAPO

Subtitle

bons réflexes pour réduire ses impacts

bons réflexes pour réduire ses impacts

De nombreux besoins peuvent être couverts par :

  • un moteur de recherche interne
  • un tableau de bord
  • des règles automatiques
Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

es data centers les plus avancés utilisent déjà l'IA pour optimiser leur propre refroidissement (−40% d'énergie chez Google) et la distribution des ressources en temps réel. La même logique s'applique à vos déploiements IA : mesurer pour optimiser.

Aujourd’hui, des algorithmes de Machine Learning analysent en temps réel les capteurs de température, l’humidité, le flux d’air et la charge de travail des serveurs. L’IA peut prédire qu’un pic de trafic va survenir dans 10 minutes sur la rangée 4 et augmenter le refroidissement localement, juste à temps, tout en réduisant la puissance sur les rangées inactives.

Cette gestion dynamique permet de relever la température ambiante des salles de serveurs sans risque. Chaque degré gagné représente une économie d’énergie colossale sur l’année. Google, par exemple, a démontré il y a quelques années déjà qu’il était possible de réduire la facture de refroidissement de 40 % simplement en laissant une IA piloter les vannes et les ventilateurs.

Dans un data center, l’IA peut prédire qu’un pic de trafic va survenir sur telle rangée de serveurs et augmenter le refroidissement localement, tout en réduisant la puissance sur les rangées inactives.

De nombreux besoins peuvent être couverts par :

  • un moteur de recherche interne
  • un tableau de bord
  • des règles automatiques
Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

n prompt efficace réduit les cycles GPU mobilisés : Méthode COSTAR

  • Contexte : Fournir l'arrière-plan de la tâche.
  • Objectif : Préciser le résultat attendu.
  • Style : Indiquer le style d'écriture souhaité.
  • Ton : Définir l'attitude émotionnelle de la réponse.
  • Audience : Préciser le public visé pour ajuster le vocabulaire et le niveau de détail.
  • Réponse : Indiquer le format de réponse attendu.

  • Contexte : Fournir l'arrière-plan de la tâche.
  • Objectif : Préciser le résultat attendu.
  • Style : Indiquer le style d'écriture souhaité.
  • Ton : Définir l'attitude émotionnelle de la réponse.
  • Audience : Préciser le public visé pour ajuster le vocabulaire et le niveau de détail.
  • Réponse : Indiquer le format de réponse attendu.

Le green prompting réduit la consommation énergétique liée à l'inférence de 32 à 48 %

32 à 48 %

e green prompting

De nombreux besoins peuvent être couverts par :

  • un moteur de recherche interne
  • un tableau de bord
  • des règles automatiques
Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

Des outils permettent des estimations suffisamment précises pour piloter et déterminer les émissions IA.

  • EcoLogits (intégré à CodeCarbon) calcule les émissions des modèles fermés par comparaison avec des modèles open source de taille similaire.
  • Compar:IA compare plusieurs modèles sur une même requête.
  • ElectricityMaps permet d'évaluer l'intensité carbone de l'électricité par zone géographique, une donnée clé pour contextualiser les émissions IA.

  • EcoLogits (intégré à CodeCarbon) calcule les émissions des modèles fermés par comparaison avec des modèles open source de taille similaire.
  • Compar:IA compare plusieurs modèles sur une même requête.
  • ElectricityMaps permet d'évaluer l'intensité carbone de l'électricité par zone géographique, une donnée clé pour contextualiser les émissions IA.

De nombreux besoins peuvent être couverts par :

  • un moteur de recherche interne
  • un tableau de bord
  • des règles automatiques
Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

La plupart des usages quotidiens (recherche, classement, résumé de texte) sont couverts par un modèle de 10 milliards de paramètres.

Opter pour des versions antérieures ou des outils moins puissants permet de réduire la consommation d’énergie tout en répondant à vos besoins.

Les SLM (Small Language Models : Beaucoup plus petits que les LLM généralistes, ils consomment bien moins d’énergie, à performance équivalente (GPT 3 par exemple)

De nombreux besoins peuvent être couverts par :

  • un moteur de recherche interne
  • un tableau de bord
  • des règles automatiques
Utiliser l'IA uniquement lorsqu'elle apporte une réelle valeur évite des calculs inutiles.

es data centers les plus avancés utilisent déjà l'IA pour optimiser leur propre refroidissement (−40% d'énergie chez Google) et la distribution des ressources en temps réel. La même logique s'applique à vos déploiements IA : mesurer pour optimiser.

La transition vers 100% d’énergies renouvelables devient obligatoire en Europe dès 2027, accélérant la transformation du secteur

10× plus d'émissions carbone qu'en France.

La France et la Suède produisent une électricité très peu carbonée (nucléaire, hydraulique), là où les Etats Unis dépendent davantage des énergies fossiles.

  • Le free cooling (refroidissement par l'air extérieur)
  • L'immersion dans l'huile (refroidissement dans un liquide diélectrique)
  • Utilisation d'energies renouvelables (solaire, éolien...).

Choix d’un hébergeur vert

Choix d’un hébergeur vert

Privilégier l'Open Source

Privilégier l'Open Source

bons réflexes pour réduire ses impacts

bons réflexes pour réduire ses impacts

Les systèmes IA qui aide à devenir plus eco-responsable

Les systèmes IA qui aide à devenir plus eco-responsable

Le green prompting

bons réflexes pour réduire ses impacts

Le green prompting

bons réflexes pour réduire ses impacts

31 bonnes pratiques de l'AFNOR SPEC 2314 pour mesurer et réduire l'impact environnemental de l'IA (fournisseurs et utilisateurs)

solutions d’IA génératives misent à disposition via l'Inalco repose sur un environnement souverain, hébergé et opéré par le CINES pour l’enseignement supérieur et la recherche (ESR). Ce cadre d’hébergement permet de garantir que les données traitées restent dans un environnement maîtrisé, conforme aux exigences de l’ESR en matière de sécurité, de souveraineté et de protection des données. Il limite ainsi les risques liés au recours à des solutions d’IA générative grand public, dont les conditions de traitement, d’hébergement ou de réutilisation des données ne sont pas toujours compatibles avec les exigences institutionnelles. Vous pouvez donc mobiliser ces solutions pour vos activités professionnelles, pédagogiques, administratives ou de recherche, dans un cadre sécurisé, souverain et adapté aux usages de l’ESR.