En bref
Regardez au-delà des projets étiquetés « IA verte » : la recherche sur l'IA efficace relève de l'informatique, des mathématiques, du génie électrique et des sciences appliquées, souvent sous des noms comme apprentissage automatique efficace, informatique durable ou matériel basse consommation. Parcourez les programmes de formation doctorale et les offres de projets, lisez des articles récents pour repérer les directeurs de thèse actifs, et demandez comment l'énergie sera mesurée dans les travaux.
Étapes
- Parcourez les offres de doctorat et les programmes de formation doctorale avec plusieurs termes de recherche, pas seulement « IA verte ».
- Lisez des articles récents sur l'IA efficace pour repérer les équipes et les directeurs de thèse actifs dans le domaine.
- Contactez les directeurs de thèse potentiels avec un court message sur vos intérêts et votre parcours.
- Demandez comment l'énergie et le calcul seront mesurés et déclarés dans le projet.
- Vérifiez le financement, les conditions d'éligibilité et les dates limites, qui varient selon le pays et le programme.
Cherchez largement, car la plupart des recherches sur l'IA verte ne portent pas l'étiquette « IA verte ». Les méthodes efficaces se trouvent dans de nombreux départements et portent de nombreux noms.
Les travaux fondateurs du domaine aident à trouver des termes de recherche. L'article « Green AI » de Schwartz, Dodge, Smith et Etzioni, publié en 2020, plaidait pour traiter l'efficacité comme un critère d'évaluation au même titre que la précision, et l'article de 2019 de Strubell, Ganesh et McCallum a quantifié le coût de l'entraînement des modèles de langage. Les articles qui les citent dressent une bonne carte de ceux qui travaillent dans le domaine.
Quelles disciplines accueillent des doctorats en IA verte ?
- L'informatique : entraînement et inférence efficaces, compression de modèles, systèmes et ordonnancement.
- Les mathématiques et les statistiques : algèbre linéaire numérique, optimisation, parcimonie, quantification de l'incertitude.
- Le génie électrique : matériel basse consommation et spécialisé, IA embarquée.
- Les sciences appliquées : projets en climat, santé ou ingénierie qui remplacent des simulations coûteuses par des modèles plus petits et fiables.
Termes de recherche utiles : apprentissage automatique efficace, informatique durable ou bas carbone, compression de modèles, calcul sensible à l'énergie, IA embarquée (edge AI), modèles de substitution.
Où sont-ils publiés ?
Notre annuaire des doctorats recense des offres doctorales, et l'annuaire de la recherche recense des équipes. Les sites nationaux d'offres de doctorat et les programmes de formation doctorale en publient bien d'autres ; les règles de financement et les dates limites varient selon les pays.
Que dois-je demander à un directeur de thèse ?
- Comment l'énergie et le calcul seront-ils mesurés et déclarés ?
- De quel matériel et de quel budget de calcul disposerai-je ?
- Y a-t-il des partenaires industriels ou applicatifs ?
- Que sont devenus les doctorants récents ?
Erreurs fréquentes
- Ne chercher que « IA verte ».
- Choisir sur le seul sujet sans se renseigner sur l'encadrement et les moyens de calcul.
- Contacter les directeurs de thèse avec un message générique.
Consultez le guide pour les chercheurs pour les principales pistes de recherche.
Sources
- Green AI, Schwartz, Dodge, Smith and Etzioni, Communications of the ACM (2020)
- Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum, ACL (2019)
Voir aussi
L'IA verte pour les chercheurs
Un guide pour les chercheurs : méthodes d'IA efficaces, mesure et déclaration de l'énergie dans les articles, budgets de calcul, financements et apport des maths.
Comment me former à l'IA verte ?
Par où commencer pour comprendre l'IA verte, quel que soit votre parcours : lectures courtes, outils gratuits à essayer, formations, communautés et recherches à suivre.
Les mathématiques qui rendent l'IA plus efficace
Élagage, parcimonie, sketching, matrices aléatoires et modèles informés par la physique : comment les maths réduisent le calcul, la mémoire et l'énergie de l'IA.
Comment déclarer la consommation d'énergie de mes recherches en IA ?
Quoi indiquer sur le calcul et l'énergie dans un article : matériel, heures GPU de toutes les exécutions, énergie, lieu, carbone, coût d'inférence et périmètre.