L’IA frugale est une intelligence artificielle qui consomme moins de données et d’infrastructure tout en restant efficace.
Définition technique
L’IA frugale repose sur des modèles d’apprentissage optimisés qui minimisent la consommation de données et de puissance de calcul. Elle privilégie des architectures légères, souvent basées sur des algorithmes spécialisés qui réduisent le nombre de paramètres à traiter. Cette approche réduit considérablement les besoins en stockage et en traitement, tout en garantissant une précision suffisante pour orienter les interventions de maintenance.
L’apprentissage par transfert (transfer learning) est un moyen de rendre l’IA plus « verte » : il permet d’exploiter les connaissances des modèles précédemment formés pour créer de nouveaux modèles ou même résoudre des problèmes tels que le manque de jeux de données.
Mesurer l’empreinte écologique de l’IA
Pour faciliter la mesure d’impact, Green Algorithms, développé par Loïc Lannelongue de l’Université de Cambridge, est un outil simple et open source qui permet d’estimer la consommation énergétique et l’impact carbone d’un système d’IA.
Cet outil est désormais généralisé dans les appels à projets sur l’IA, après avoir été testé avec succès lors de l’appel à projets « Démonstrateurs d’IA frugale pour la transition écologique des Territoires » (DIAT).