# Environnement Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Environnement", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Derrière les « usines d’IA » de Musk et Huang, une « guerre silencieuse pour l’eau douce » a déjà commencé

Une nouvelle bataille invisible pour les ressources en eau douce se profile derrière les « usines à IA » d'Elon Musk et de Jensen Huang. Contrairement aux récits dominants sur la course aux puces et au calcul, un rapport de l'Université des Nations Unies révèle que l'IA consomme des quantités astronomiques d'eau pour le refroidissement des centres de données. D'ici 2030, l'infrastructure mondiale de l'IA pourrait consommer 9,3 billions de litres d'eau par an, soit les besoins de base annuels de 1,3 milliard de personnes. Cette consommation massive est principalement due aux systèmes de refroidissement par évaporation utilisés dans plus de 70% des centres de données. Pour refroidir les puces haute puissance, de l'eau est évaporée et perdue. Par exemple, l'entraînement de GPT-4 aurait consommé environ 600 millions de litres. Des conflits éclatent, comme à Memphis où le supercalculateur Colossus de xAI, construit en 122 jours, a provoqué une crise en puisant quotidiennement dans les réserves d'eau potable, forçant Musk à construire une usine de retraitement des eaux usées. Face aux critiques, les géants technologiques proposent des solutions comme le refroidissement en circuit fermé (sans évaporation), mais cela augmente la consommation électrique et déplace l'empreinte hydrique vers les centrales. Pour la Chine, la voie à suivre ne doit pas être la reproduction de ce modèle « monstrueux ». La stratégie « Computing from East to West » et le développement d'une intelligence hybride, combinant des puces légères en périphérie (pour les appareils domestiques, les robots) et le cloud, pourraient être la clé pour réduire drastiquement la consommation d'eau et d'énergie de l'IA.

marsbit06/11 05:28

Derrière les « usines d’IA » de Musk et Huang, une « guerre silencieuse pour l’eau douce » a déjà commencé

marsbit06/11 05:28

Renvoyée par Google pour un article de 14 pages, elle a reçu le soutien de plus de 4000 personnes. Six ans plus tard : ses prédictions ont presque annoncé toute l'ère de l'IA.

À la fin de 2020, la chercheuse en éthique de l'IA Timnit Gebru, co-responsable de l'équipe Ethical AI de Google, a été licenciée suite à un conflit concernant un article académique intitulé "On the Dangers of Stochastic Parrots". Cet article de 14 pages, co-écrit en 2020, a averti des risques majeurs associés aux grands modèles de langage, bien avant l'essor de l'IA générative. Ses mises en garde se sont depuis avérées prophétiques. L'article soutenait que ces modèles, comme des "perroquets stochastiques", reproduisent des schémas linguistiques sans compréhension réelle, risquant d'amplifier les biais sociaux présents dans les données d'entraînement et de générer des informations fausses mais plausibles (un problème maintenant connu sous le nom d'"hallucinations" de l'IA). Il prévoyait également l'énorme coût environnemental de l'entraînement, l'impossibilité d'auditer complètement les vastes ensembles de données, et le risque de concentration du pouvoir linguistique et culturel entre les mains de quelques géants technologiques. Le refus de Gebru de retirer l'article ou d'en retirer son nom a conduit à son départ forcé, suscitant le soutien de plus de 4000 employés et chercheurs. Peu après, l'équipe Ethical AI de Google a été largement démantelée. Gebru a ensuite fondé le Distributed AI Research Institute (DAIR) pour étudier ces questions en dehors des pressions commerciales. Six ans plus tard, les problèmes qu'elle avait identifiés – biais algorithmiques, hallucinations, impact carbone, pollution des données par le contenu IA généré et "effondrement des modèles" – sont au cœur des défis actuels de l'industrie. L'histoire a montré que Timnit Gebru n'était pas trop pessimiste, mais qu'elle avait simplement vu ces problèmes bien avant les autres.

marsbit06/08 10:34

Renvoyée par Google pour un article de 14 pages, elle a reçu le soutien de plus de 4000 personnes. Six ans plus tard : ses prédictions ont presque annoncé toute l'ère de l'IA.

marsbit06/08 10:34

Guide du mode Goal de Codex : comment inciter l'IA à poursuivre un objectif spécifique

**Titre : Guide de l'utilisation du mode Goal de Codex : Comment faire avancer l'IA vers un objectif concret** **Résumé en français :** Le mode Goal (/goal) de Codex transforme l'outil d'un assistant codant à requêtes ponctuelles en un agent exécutant capable de travailler de manière autonome sur un objectif à long terme, pendant des heures ou des jours. La clé du succès réside dans la définition d'un **critère de sortie clair et vérifiable** (ex : "réduire le temps de déploiement de 30%", "LCP sous 2.5 secondes"), permettant à Codex de savoir quand s'arrêter. Il est crucial de fournir des **orientations et des outils** pour guider ses efforts et mesurer les progrès dans un **environnement de test réaliste**, proche de la production. L'article met en garde contre les **objectifs visuels** purs ("reproduire un UI pixel-perfect"), qui peuvent mener à des impasses. Il recommande de les décomposer en spécifications fonctionnelles ou en checklist. Pour les tâches longues, un **suivi des progrès** via commits, PR brouillons, rapports ou notifications est essentiel. Enfin, une fois l'objectif atteint, une **phase de revue et de nettoyage** du code est nécessaire pour éliminer les tentatives infructueuses laissées en chemin. Le mode Goal représente ainsi un changement de paradigme : le développeur ne se contente plus de rédiger des prompts, mais **définit des objectifs, configure l'environnement et gère un agent d'exécution** pour des projets ambitieux.

marsbit06/06 08:15

Guide du mode Goal de Codex : comment inciter l'IA à poursuivre un objectif spécifique

marsbit06/06 08:15

活动图片