Contributions

Cette page recense quelques exemples de réalisations.

GES 1point5

streaming

Participation au développement des modules Matériel informatique et activités de recherche de l’outil GES 1point5 avec Labos 1point5. Pour plus d’information sur la méthode :

David Benaben, Françoise Berthoud, Gaël Guennebaud, Anne-Laure Ligozat, S. Valcke. Estimation de l’empreinte carbone d’une heure de calcul sur un cœur CPU ou sur un GPU

Ecodiag

streaming

Participation au développement de l’outil ecodiag avec EcoInfo

Estimation de l’empreinte carbone du déploiement de l’agriculture numérique

streaming

Cet article propose une méthode pour estimer l’empreinte carbone des scénarios d’agriculture numérique en tenant compte du déploiement des dispositifs sur une diversité de tailles d’exploitations. Cette méthode est appliquée à deux cas d’utilisation et démontre que l’agriculture numérique englobe une diversité de dispositifs ayant des empreintes carbone hétérogènes. Les dispositifs plus complexes produisent des empreintes plus élevées qui ne sont pas toujours compensées par de meilleures performances ou des gains d’échelle.

Évaluation de la pression exercée par la VoD sur la consommation d’un réseau

streaming

Tester la démo en ligne

Cette application web est une démonstration de la méthodologie et du modèle détaillés dans l’article Assessing VoD pressure on network power consumption. Son objectif est d’estimer le dimensionnement et la consommation d’énergie d’une infrastructure de réseau à fibre optique idéalement dimensionnée pour satisfaire différents scénarios d’utilisation.

Avertissement : en raison de toutes ces simplifications et hypothèses optimistes, les valeurs absolues indiquées doivent être considérées avec précaution. La réalité est en effet bien plus compliquée avec un mélange de technologies ayant des niveaux d’efficacité différents, et la concurrence entre les différents opérateurs et acteurs joue également un rôle important dans le dimensionnement effectif qui n’est pas pris en compte par notre modèle. Néanmoins, les tendances entre les différents scénarios devraient être suffisamment représentatives pour distinguer les scénarios qui exercent une forte pression sur le réseau de ceux qui sont plus sobres.

Comparaison d’outils de mesure de la consommation énergétique de programmes d’apprentissage automatique

streaming

Plusieurs outils en ligne et logiciels ont été développés pour suivre la consommation d’énergie tout en entraînant des modèles d’apprentissage automatique. Dans cet article, nous proposons une introduction complète et une comparaison de ces outils pour les praticiens de l’IA qui souhaitent commencer à estimer l’impact
l’impact environnemental de leur travail.