Avec les enjeux environnementaux croissants, les entreprises ont désormais la responsabilité d’adopter des pratiques durables, et l’intelligence artificielle (IA) ne fait pas exception à cette règle.
La formation Green IA met l’accent sur la sobriété numérique, une démarche essentielle pour optimiser l’impact énergétique des modèles d’IA tout en poursuivant des performances optimales.
Pendant cette formation, nous vous guiderons pour comprendre et implémenter des pratiques éco-responsables dans la conception, le déploiement et la gestion de vos modèles de Machine Learning, tout en intégrant des solutions qui favorisent une IA plus frugale et respectueuse de l’environnement.
Objectifs
Objectif opérationnel :
Acquérir une compréhension solide des bonnes pratiques et des outils permettant de quantifier l’empreinte énergétique de vos modèles de Machine Learning et d’éco-concevoir de nouveaux modèles plus responsables.
Objectifs pédagogiques :
À l’issue de cette formation, vous aurez les connaissances et compétences nécessaires pour :
- Définir le périmètre du Green IA et intégrer des pratiques durables dans vos projets IA.
- Identifier les principaux postes de dépenses énergétiques dans le Machine Learning.
- Explorer les alternatives en termes d’algorithmes et de matériels (hardware) pour réduire l’impact énergétique.
- Mettre en place des leviers méthodologiques à court terme pour intégrer la sobriété numérique dans vos projets.
- Contribuer à l’adoption d’une démarche d’éco-conception dans le Machine Learning.
- Utiliser des outils spécifiques à l’éco-conception pour mesurer l’empreinte carbone de vos modèles, de la conception à la production.
À qui s’adresse cette formation ?
Public :
Cette formation s’adresse à :
- Analystes
- Statisticiens
- Data Scientists
- Chief Data Officers (CDO)
- Machine Learning Engineers
Prérequis :
Une bonne connaissance des principaux algorithmes de Machine Learning ainsi que des réseaux de neurones est nécessaire pour suivre cette formation.
Contenu du cours Green IA
Jour 1 : Enjeux environnementaux
- Le concept du donut et les limites planétaires : Introduction à la notion de “Donut” et ses implications pour la durabilité.
- Focus sur le changement climatique : Mini-Fresque et rapports du GIEC.
- Impacts environnementaux du numérique : Consommation énergétique, empreinte carbone, métaux et ressources non renouvelables.
- Économiser les artefacts numériques : Pourquoi et comment réduire les déchets numériques.
- Quiz interactif : L’empreinte carbone du numérique et l’importance de l’éco-conception.
Jour 2 : Optimisation des algorithmes et du hardware
- Les algorithmes de Machine Learning en question : Coût algorithmique et performance.
- Les artefacts numériques et gâchis : Identifier et réduire les gaspillages associés.
- Innovations hardware : Les neurones à impulsions, puces neuromorphiques, crossbar arrays, et memristors.
- Méthodologie d’éco-conception : Expérimentation, apprentissage, et inférence avec un focus sur l’évaluation des coûts énergétiques.
- Mise en pratique : Atelier sur un exemple concret d’éco-modélisation et challenge de la performance algorithmique.
- Clôture et bilan : Synthèse des points clés abordés et premiers pas pour démarrer l’éco-modélisation.
Cette formation vous donnera une vue d’ensemble des outils et méthodes pour intégrer la durabilité dans vos projets d’IA et Machine Learning, tout en optimisant les performances de vos modèles. En adoptant une approche éco-responsable, vous serez capable de réduire les coûts et l’impact environnemental tout en maintenant la compétitivité de vos solutions d’IA.