L’électricité est une matière première essentielle pour l’intelligence artificielle, mais les nouvelles techniques de traitement dépassent la capacité des opérateurs de centres de données à gérer leurs relations avec le réseau électrique, les obligeant à réduire leur consommation jusqu’à 30 %.
« Il y a tellement d’énergie gaspillée dans ces usines d’IA », a déclaré le PDG de Nvidia, Jensen Huang, lors d’un discours prononcé lors de la conférence annuelle des clients GTC de l’entreprise. « Chaque watt non utilisé représente une perte de revenus », a proclamé l’entreprise lors de la présentation annuelle.
Aujourd’hui, la startup Niv-AI est sortie de la furtivité avec un financement de démarrage de 12 millions de dollars pour résoudre ce problème en mesurant avec précision la consommation d’énergie du GPU avec de nouveaux capteurs et en développant des outils pour la gérer plus efficacement.
La startup basée à Tel Aviv a été fondée l’année dernière par le PDG Tomer Timor et le CTO Edward Kizis, et est soutenue par Glilot Capital, Grove Ventures, Arc VC, Encoded VC, Leap Forward et Aurora Capital Partners. La société a refusé de partager sa valorisation.
Alors que les laboratoires pionniers exploitent des milliers de GPU de concert pour former et exécuter des modèles avancés, la demande d’énergie augmente fréquemment, à l’échelle de la milliseconde, lorsque les processeurs basculent entre les tâches de calcul et communiquent avec d’autres GPU.
Ces surtensions rendent difficile pour les centres de données la gestion de l’énergie qu’ils tirent du réseau. Pour éviter de se retrouver sans électricité, les centres de données paient pour un stockage d’énergie temporaire afin de couvrir les surtensions ou de limiter l’utilisation de leur GPU. Les deux cas réduisent le retour sur investissement dans des puces coûteuses.
« Nous ne pouvons tout simplement pas continuer à construire des centres de données de la manière dont nous les construisons actuellement », a déclaré Lior Handelsman, associé chez Grove Ventures et membre du conseil d’administration de Niv.
Événement Techcrunch
San Francisco, Californie
|
13-15 octobre 2026
La première étape de la feuille de route de Niv consiste à comprendre ce qui se passe ; la société déploie désormais des capteurs au niveau du rack qui détectent la consommation d’énergie au niveau de la milliseconde sur les GPU qu’elle possède et aux côtés de ses partenaires de conception. L’objectif est de comprendre les profils de puissance spécifiques des différentes tâches d’apprentissage profond et de développer des techniques d’atténuation qui permettent aux centres de données de libérer davantage de leur capacité existante.
Naturellement, les ingénieurs s’attendent à créer un modèle d’IA à partir des données qu’ils collectent, dans le but de l’entraîner à prédire et à synchroniser les charges électriques dans le centre de données – un « copilote » pour les ingénieurs des centres de données.
Niv-AI espère disposer d’un système opérationnel dans une poignée de centres de données américains dans les six à huit prochains mois. C’est une idée attrayante alors que les hyperscalers tentent de construire de nouveaux centres de données confrontés à des problèmes difficiles d’utilisation des sols et de chaîne d’approvisionnement. Les fondateurs voient leur produit final comme une « couche d’intelligence » manquante entre les centres de données et le réseau électrique.
« Le réseau a en fait peur que le centre de données consomme trop d’énergie à un moment précis », a déclaré Timor à TechCrunch. « Le problème que nous examinons est un problème entre les deux côtés de la corde. L’un est d’essayer d’aider les centres de données à utiliser davantage de GPU et, espérons-le, à tirer davantage de la puissance pour laquelle ils paient déjà. D’un autre côté, vous pouvez également créer des profils d’alimentation beaucoup plus responsables entre les centres de données et le réseau. «
