Microsoft et l'IA : un avenir durable en balance

L'IA au service d'un avenir durable : une exploration par Microsoft

Les avancées technologiques se développent à un rythme effréné, rendant parfois difficile la définition précise de l'avenir vers lequel nous nous dirigeons. Dans l'épisode intitulé The Shape of Things to Come, Doug Burger, responsable de Microsoft Research, s'associe à des experts de divers horizons pour examiner les questions complexes que pose l'intelligence artificielle (IA) aux technologues, décideurs politiques, chefs d'entreprise et autres parties prenantes. L'objectif principal est de renforcer la compréhension commune nécessaire pour bâtir un avenir où la transition vers l'IA se traduira par un bénéfice net.

Dans cet épisode, Doug Burger est rejoint par Amy Luers, responsable de la science de la durabilité et de l'innovation chez Microsoft, et Ishai Menache, chercheur en optimisation à Microsoft Research. Ensemble, ils explorent comment l'IA peut à la fois contribuer au changement climatique et aider à le résoudre, tout en soulignant l'importance de distinguer le battage médiatique des données réelles et de comprendre l'impact véritable de l'IA. Bien que les centres de données ne représentent qu'une petite part des émissions mondiales, leur croissance rapide suscite des inquiétudes concernant les infrastructures locales. Cependant, l'IA offre des outils puissants pour optimiser des systèmes complexes et accélérer les solutions climatiques. La discussion présente l'IA comme une technologie cruciale mais à double tranchant, qui doit être guidée avec soin pour soutenir un avenir durable.

Podcast The Shape of Things to Come

DOUG BURGER : Bienvenue dans The Shape of Things to Come, un podcast de Microsoft Research. Je suis votre hôte, Doug Burger. Dans cette série, nous allons explorer les capacités de l'IA, approfondir les fondamentaux, et réfléchir à la manière dont ces capacités vont transformer le monde — pour le meilleur et pour le pire.

Dans le podcast d'aujourd'hui, j'invite deux experts à dialoguer sur l'avenir de l'IA et de la durabilité. L'un, Amy Luers, est une experte en durabilité et à l'intersection de la durabilité, de la technologie et de la science. L'autre, Ishai Menache, est un expert mondialement reconnu en optimisation.

En réfléchissant à la manière dont la technologie peut optimiser les systèmes, nous allons discuter de la possibilité que l'IA aide à lutter contre le changement climatique et la durabilité, ainsi que des défis associés à l'IA. Nous allons essayer d'atteindre le cœur du problème, car cela déterminera la forme des choses à venir.

Je suis vraiment enthousiaste à l'idée d'accueillir nos deux invités distingués aujourd'hui. Nous avons Amy Luers, qui est la directrice mondiale senior de la science de la durabilité et de l'innovation chez Microsoft, et Ishai Menache, qui est responsable de la recherche chez Microsoft Research.

Le sujet, bien sûr, est l'IA et le climat et la durabilité, qui préoccupent beaucoup de gens. Nous faisons face à une crise climatique. Je suis un ardent défenseur du climat depuis les années 1990. C'est quelque chose qui m'inquiète beaucoup. Amy a bien sûr consacré sa carrière à cela, donc je ne peux pas vraiment me plaindre, mais c'est un sujet très important.

Et maintenant, nous avons cette transition vers l'IA qui se produit. Dans l'industrie technologique, nous assistons à un grand développement de systèmes informatiques massifs, de méga-centres de données. Et il y a beaucoup de préoccupations dans le monde concernant l'impact que cela pourrait avoir sur le climat.

Amy, nous allons également parler des communautés locales. Je voulais vraiment examiner les faits. Que signifie réellement cela ? Quel sera l'impact réel ? Séparons les données du battage médiatique et parlons également des opportunités à venir, car je pense qu'il y a des choses que nous pourrons faire, et c'est pourquoi nous avons Ishai ici.

Peut-être que je vais d'abord passer la parole à Amy. Peux-tu nous parler un peu de ton rôle chez Microsoft et de ce qui t'a amenée dans ce domaine, peut-être un peu de ton histoire ?

AMY LUERS : Comme tu l'as dit, je dirige la science de la durabilité et l'innovation dans l'équipe de durabilité de Microsoft Corp, ce qui signifie que je travaille avec des personnes très intelligentes à travers l'entreprise, dans le monde entier, à Microsoft Research, pour façonner et informer des solutions de durabilité pour Microsoft mais aussi pour le monde.

Une partie de cela consiste à diriger notre stratégie sur l'IA et la durabilité. J'ai travaillé sur la durabilité et le climat toute ma vie. J'ai travaillé dans le secteur technologique, j'étais auparavant chez Google. J'ai également été à la Maison Blanche, travaillant à l'intersection du bureau du CTO et de l'environnement, des ressources et de l'énergie.

J'ai également dirigé un réseau de recherche international basé sur l'ONU, axé sur la durabilité. Dans ce contexte, après avoir quitté Google, où j'ai commencé à réfléchir au pouvoir de l'informatique et des outils numériques pour la transformation, j'ai été amenée à travailler à cette intersection. Lorsque j'ai commencé à diriger le réseau de recherche sur la durabilité, Future Earth, j'ai vraiment ressenti le besoin de penser à l'innovation et aux technologies numériques dans ce domaine.

Je dirais que le réseau de science de la durabilité à l'époque, il y a environ 10 ans, était un peu réticent à envisager l'IA et les technologies dans ce domaine. J'ai lancé une initiative mondiale appelée Sustainability in the Digital Age, où j'ai vraiment rassemblé la communauté des technologies numériques et de l'IA. C'était à Montréal, où il y a une grande communauté d'IA, et les scientifiques de la durabilité du monde entier. J'ai commencé à réfléchir aux potentiels, aux risques, et j'ai dirigé une grande étude internationale pour établir un agenda de recherche et d'innovation dans ce domaine.

Cela a vraiment changé mon approche, passant de "la grande informatique peut aider" — sur laquelle je me concentrais chez Google — à ce rôle de l'IA et de l'apprentissage automatique dans ce domaine.

BURGER : Et, Ishai, tu es un expert mondialement reconnu en apprentissage automatique et en optimisation. Tu as publié de manière extensive. Je pense que tu es célèbre dans ta communauté de recherche. Tu as également eu un impact significatif sur l'entreprise Microsoft. Tu as été publié dans la Harvard Business Review.

Donc, tu es un peu polymathe et parfois un peu intimidant pour moi.

ISHAI MENACHE : Oui. [RIRE]

BURGER : J'aimerais entendre un peu parler de ton parcours, juste une version courte de ton histoire pour notre audience.

MENACHE : Oui. Mon parcours est en fait en ingénierie. Cependant, mes études supérieures étaient, comme tu l'as mentionné, en apprentissage automatique, apprentissage par renforcement, et plus tard en optimisation distribuée, théorie des jeux, un peu plus du côté théorique.

Mon histoire est que lorsque j'étais en postdoctorat au MIT [Massachusetts Institute of Technology], le cloud était en pleine ascension, vers 2009. J'ai été fasciné par le cloud. Mon intérêt initial était en fait dans l'économie du cloud et, vous savez, la tarification. Comment tarifer le cloud. J'ai découvert Microsoft Research parce qu'à cette époque, un nouveau type de laboratoire ouvrait près du MIT, MSR New England. J'ai été fasciné par le cloud et, vous savez, non seulement les aspects économiques, mais plus fondamentalement, comment utiliser les ressources plus efficacement.

C'est ce qui m'a amené à Microsoft Research en 2011. J'étais consultant à MSR New England, mais j'ai ensuite déménagé à Redmond en 2011 pour rejoindre un laboratoire appelé Extreme Computing Group qui s'occupait en fait de l'avenir du cloud.

Et si je peux mentionner, Doug, tu faisais aussi partie de cela, donc…

BURGER : C'est vrai.

MENACHE : Je te connais depuis un certain temps.

Et donc, disons que mon angle d'approche était qu'il y avait beaucoup de personnes axées sur les systèmes réfléchissant à l'infrastructure du cloud. Et à l'autre extrême, il y avait des théoriciens qui pensaient à la prochaine vague ou à innover dans le domaine des algorithmes.

Mais je pense que ce qui manquait, c'était un peu de pont entre les algorithmes et l'infrastructure cloud. C'est là que j'ai trouvé une niche très intéressante pour moi-même, et plus tard pour le groupe que j'ai fondé en 2019.

BURGER : Tu as récemment annoncé un système appelé OptiMind. J'ai fait un post sur LinkedIn à ce sujet parce que j'étais vraiment excité.

Peux-tu nous dire ce que fait ce système, pourquoi il a attiré beaucoup d'attention ? Que fait ce système ? Ensuite, nous pourrons approfondir un peu l'optimisation pour notre audience. Mais ensuite, nous devons revenir à l'IA.

MENACHE : Bien sûr. Donc, en prenant un peu de recul. Qu'est-ce que l'optimisation ou l'optimisation mathématique ? L'optimisation ou l'optimisation mathématique est une manière d'utiliser les mathématiques pour prendre les meilleures décisions lorsqu'il y a de nombreux choix et certaines limitations.

Et, vous savez, un peu plus concrètement, dans chaque problème d'optimisation, vous avez d'abord une description du problème que vous devez résoudre. Ensuite, vous avez un ensemble de décisions qui, en termes mathématiques, sont les variables. Vous avez un objectif. Quel est votre but ? Qu'essayez-vous d'optimiser ?

Cela pourrait être quelque chose que vous maximisez, comme le revenu, mais cela pourrait aussi être que vous minimisez les coûts, donc il existe différentes versions ou différents types d'objectifs. Et ensuite, il y a des contraintes, ce qui signifie que vous ne pouvez pas faire ce que vous voulez. Il y a certaines limitations, comme des contraintes de capacité dans le cadre du cloud ou d'autres facteurs que vous devez prendre en compte pour arriver aux meilleures décisions possibles.

BURGER : Donc, peut-être un exemple simple… juste pour être un peu léger un instant, j'ai un trajet complexe pour aller au travail, et un jour je découvre que le chemin que je prends habituellement est bloqué et que mes freins sont vraiment usés et que je ne peux m'arrêter que deux fois. Donc, votre cadre pourrait être capable de déterminer quel chemin me permet de m'y rendre en économisant le plus de carburant.

MENACHE : Exactement. C'est un exemple. Et peut-être que vous ne voulez pas payer de péages pour une raison quelconque, donc cela limite…