Skip to main content

17 Jan, 2023

Les ordinateurs qui alimentent les voitures autonomes pourraient être un facteur important d’émissions de carbone au niveau mondial

Les ordinateurs qui alimentent les voitures autonomes pourraient être un facteur important d’émissions de carbone au niveau mondial

L’étude montre que si les véhicules autonomes sont largement adoptés, l’efficacité du matériel devra progresser rapidement pour limiter les émissions liées à l’informatique.

Légende : Les chercheurs du MIT ont déterminé qu’un milliard de véhicules autonomes, roulant chacun une heure par jour avec un ordinateur consommant 840 watts, consommerait suffisamment d’énergie pour générer à peu près la même quantité d’émissions que les centres de données actuels.

À l’avenir, l’énergie nécessaire pour faire fonctionner les puissants ordinateurs embarqués dans une flotte mondiale de véhicules autonomes pourrait générer autant d’émissions de gaz à effet de serre que tous les centres de données du monde actuel.

C’est l’une des principales conclusions d’une nouvelle étude menée par des chercheurs du MIT, qui a examiné la consommation d’énergie potentielle et les émissions de carbone associées si les véhicules autonomes sont largement adoptés.

Les centres de données qui abritent l’infrastructure informatique physique utilisée pour faire fonctionner les applications sont largement connus pour leur importante empreinte carbone : Ils représentent actuellement environ 0,3 % des émissions mondiales de gaz à effet de serre, soit autant de carbone que l’Argentine en produit annuellement, selon l’Agence internationale de l’énergie.

Constatant que l’on a accordé moins d’attention à l’empreinte potentielle des véhicules autonomes, les chercheurs du MIT ont construit un modèle statistique pour étudier le problème. Ils ont déterminé qu’un milliard de véhicules autonomes, roulant chacun une heure par jour avec un ordinateur consommant 840 watts, consommerait suffisamment d’énergie pour générer à peu près la même quantité d’émissions que les centres de données actuels.

Les chercheurs ont également constaté que dans plus de 90 % des scénarios modélisés, pour éviter que les émissions des véhicules autonomes ne dépassent les émissions actuelles des centres de données, chaque véhicule doit utiliser moins de 1,2 kilowatt d’énergie pour le calcul, ce qui nécessiterait un matériel plus efficace.

Dans un scénario où 95 % de la flotte mondiale de véhicules est autonome en 2050, où les charges de travail informatiques doublent tous les trois ans et où le monde continue à se décarboniser au rythme actuel, les chercheurs ont constaté que l’efficacité du matériel devrait doubler plus rapidement que tous les 1,1 an pour maintenir les émissions à ces niveaux.

« Si nous maintenons les tendances habituelles en matière de décarbonisation et le rythme actuel d’amélioration de l’efficacité du matériel, il semble que cela ne suffira pas à limiter les émissions provenant de l’informatique embarquée dans les véhicules autonomes. Cela pourrait devenir un énorme problème. Mais si nous prenons les devants, nous pourrons concevoir des véhicules autonomes plus efficaces dont l’empreinte carbone sera réduite dès le départ », explique le premier auteur, Soumya Sudhakar, étudiant diplômé en aéronautique et en astronautique.

Soumya Sudhakar a rédigé l’article avec ses co-directeurs Vivienne Sze, professeur associé au département de génie électrique et d’informatique (EECS) et membre du laboratoire de recherche en électronique (RLE), et Sertac Karaman, professeur associé d’aéronautique et d’astronautique et directeur du Laboratory for Information and Decision Systems (LIDS). Cette recherche est publiée aujourd’hui dans le numéro de janvier-février de IEEE Micro.

Modélisation des émissions

Les chercheurs ont élaboré un cadre permettant d’explorer les émissions opérationnelles des ordinateurs embarqués à bord d’une flotte mondiale de véhicules électriques entièrement autonomes, c’est-à-dire ne nécessitant pas de conducteur humain de secours.

Le modèle est fonction du nombre de véhicules de la flotte mondiale, de la puissance de chaque ordinateur embarqué dans chaque véhicule, des heures de conduite de chaque véhicule et de l’intensité carbonique de l’électricité alimentant chaque ordinateur.

« En soi, cette équation semble d’une simplicité trompeuse. Mais chacune de ces variables comporte beaucoup d’incertitudes, car nous envisageons une application émergente qui n’existe pas encore », explique Soumya Sudhakar.

Par exemple, certaines recherches suggèrent que le temps passé au volant d’un véhicule autonome pourrait augmenter parce que les gens peuvent être multitâches au volant et que les jeunes et les personnes âgées pourraient conduire davantage. Mais d’autres recherches suggèrent que le temps passé à conduire pourrait diminuer parce que les algorithmes pourraient trouver des itinéraires optimaux qui amènent les gens à leur destination plus rapidement.

Outre la prise en compte de ces incertitudes, les chercheurs ont également dû modéliser des matériels et des logiciels informatiques avancés qui n’existent pas encore.

Pour ce faire, ils ont modélisé la charge de travail d’un algorithme populaire pour les véhicules autonomes, connu sous le nom de réseau neuronal profond multitâche car il peut effectuer plusieurs tâches à la fois. Ils ont exploré la quantité d’énergie que ce réseau neuronal profond consommerait s’il traitait simultanément de nombreuses entrées haute résolution provenant de plusieurs caméras avec des fréquences d’images élevées.

Lorsqu’ils ont utilisé le modèle probabiliste pour explorer différents scénarios, Soumya Sudhakar a été surpris par la rapidité avec laquelle la charge de travail des algorithmes s’est accumulée.

Par exemple, si un véhicule autonome est équipé de 10 réseaux neuronaux profonds qui traitent les images de 10 caméras, et que ce véhicule roule une heure par jour, il fera 21,6 millions d’inférences chaque jour. Un milliard de véhicules effectueraient 21,6 quadrillions d’inférences. Pour mettre cela en perspective, tous les centres de données de Facebook dans le monde font quelques trillions d’inférences chaque jour (1 quadrillion correspond à 1 000 trillions).

« Après avoir vu les résultats, cela a beaucoup de sens, mais ce n’est pas quelque chose qui est sur le radar de beaucoup de gens. Ces véhicules pourraient en fait utiliser une tonne de puissance informatique. Ils ont une vue à 360 degrés du monde, alors que nous avons deux yeux, ils peuvent en avoir 20, regardant partout et essayant de comprendre toutes les choses qui se passent en même temps », souligne Soumya Karaman.

Les véhicules autonomes seraient utilisés pour le transport de marchandises et de personnes, et il pourrait donc y avoir une quantité massive de puissance informatique distribuée le long des chaînes d’approvisionnement mondiales, ajoute-t-il. Et leur modèle ne prend en compte que l’informatique – il ne tient pas compte de l’énergie consommée par les capteurs des véhicules ou des émissions générées pendant la fabrication.

Maîtriser les émissions

Pour éviter que les émissions ne deviennent incontrôlables, les chercheurs ont constaté que chaque véhicule autonome devait consommer moins de 1,2 kilowatt d’énergie pour le calcul. Pour que cela soit possible, le matériel informatique doit devenir plus efficace à un rythme nettement plus rapide, en doublant son efficacité tous les 1,1 an environ.

L’un des moyens d’accroître cette efficacité serait d’utiliser du matériel plus spécialisé, conçu pour exécuter des algorithmes de conduite spécifiques. Comme les chercheurs connaissent les tâches de navigation et de perception nécessaires à la conduite autonome, il pourrait être plus facile de concevoir du matériel spécialisé pour ces tâches, lance Soumya Sudhakar. Mais les véhicules ont généralement une durée de vie de 10 ou 20 ans, et l’un des défis du développement d’un matériel spécialisé serait de l’adapter à l’avenir pour qu’il puisse exécuter de nouveaux algorithmes.

À l’avenir, les chercheurs pourraient également rendre les algorithmes plus efficaces, afin qu’ils nécessitent moins de puissance de calcul. Toutefois, cela représente également un défi, car le fait de sacrifier une partie de la précision au profit de l’efficacité pourrait nuire à la sécurité des véhicules.

Maintenant qu’ils ont démontré ce cadre, les chercheurs veulent continuer à explorer l’efficacité du matériel et les améliorations des algorithmes. En outre, ils affirment que leur modèle peut être amélioré en caractérisant le carbone incorporé des véhicules autonomes – les émissions de carbone générées lors de la fabrication d’une voiture – et les émissions des capteurs d’un véhicule.

Bien qu’il reste de nombreux scénarios à explorer, les chercheurs espèrent que ces travaux mettent en lumière un problème potentiel que les gens n’ont peut-être pas envisagé.

« Nous espérons que les gens considéreront les émissions et l’efficacité carbone comme des paramètres importants à prendre en compte dans leurs conceptions. La consommation d’énergie d’un véhicule autonome est vraiment essentielle, non seulement pour prolonger la durée de vie de la batterie, mais aussi pour la durabilité », conclut Vivianne Sze.

Cette recherche a été financée, en partie, par la National Science Foundation et la bourse MIT-Accenture.

https://news.mit.edu/2023/autonomous-vehicles-carbon-emissions-0113

https://research.facebook.com/publications/sustainable-ai-environmental-implications-challenges-and-opportunities/

https://news.mit.edu/2017/miniaturizing-brain-smart-drones-0712

https://www.rle.mit.edu/uncertainty-from-motion-for-dnn-monocular-depth-estimation