Un chercheur de Koç University propose deux systèmes optiques pour le calcul d'IA

Deux nouveaux systèmes développés à Koç University déplacent une partie des calculs d'intelligence artificielle des circuits électroniques vers la lumière. Leur auteur, Uğur Teğin, professeur assistant au département de génie électrique et électronique, a décrit ces approches dans deux articles distincts. L'objectif est clair : rendre l'IA plus rapide et moins gourmande en énergie. L'annonce ne contient aucun chiffre précis, et c'est le point essentiel à garder en tête à la lecture.

Pourquoi parle-t-on de lumière

L'appétit de l'IA pour l'électricité est depuis longtemps devenu un problème d'infrastructure. Selon l'Agence internationale de l'énergie, les centres de données ont consommé environ 415 TWh en 2024, et ce chiffre pourrait plus que doubler d'ici 2030, pour atteindre environ 945 TWh. L'IA en représentera une part importante. L'électronique classique se heurte à la chaleur dégagée et au coût du transfert de données entre la mémoire et les unités de calcul.

L'optique s'attaque aux deux problèmes à la fois. La lumière dégage très peu de chaleur lorsqu'elle se propage, et de nombreuses opérations des réseaux de neurones, en premier lieu les multiplications de matrices et les convolutions, s'effectuent physiquement lorsque le signal lumineux traverse un milieu adapté. Le calcul a lieu pendant la propagation, sans cycles d'horloge et sans commutation de milliards de transistors.

Ce que l'on sait du travail de Teğin

Le message publié apporte peu d'informations. Résumons-les sous forme de liste.

• Auteur : Uğur Teğin, professeur assistant, Koç University, département de génie électrique et électronique.
• Format : deux publications scientifiques distinctes, deux systèmes différents.
• Principe : les calculs d'IA sont réalisés par la lumière, et non par une architecture électronique ordinaire.
• Objectif affiché : des systèmes d'IA plus rapides et plus économes en énergie.
• Non divulgué : la précision sur des tâches standard, la latence, l'énergie par opération, la taille des modèles, la possibilité d'une production en série.

Le dernier point est déterminant. Depuis des décennies, le calcul optique affiche des résultats impressionnants en laboratoire et atteint rarement le centre de données. Sans comparaison avec un GPU sur une tâche concrète, il est prématuré de parler d'économies.

Là où l'optique butte habituellement

Le calcul optique présente des goulots d'étranglement typiques, et tout nouveau travail dans ce domaine est jugé à cette aune.

Premier point : la conversion des données. Les données d'entrée existent presque toujours sous forme électronique, et chaque conversion vers la lumière, puis en sens inverse, consomme de l'énergie. Si cette conversion coûte plus cher que le calcul lui-même, le gain disparaît.

Deuxième point : la non-linéarité. Les réseaux de neurones ont besoin de fonctions d'activation non linéaires, que la lumière ne fournit pas dans des milieux linéaires. Il faut soit revenir à l'électronique, soit exploiter des effets optiques non linéaires, qui exigent une puissance notable.

Troisième point : la précision. Le calcul optique est par nature analogique, sensible au bruit et aux dérives thermiques. C'est tolérable pour l'inférence, bien plus difficile pour l'entraînement.

Quatrième point : l'intégration. Pour qu'un système s'intègre à une pile logicielle avec PyTorch et les accélérateurs habituels, il faut des pilotes, des compilateurs et une production capable de passer à l'échelle.

C'est précisément l'expression « une partie de la charge de calcul » du titre qui paraît réaliste. Le scénario probable : un bloc optique prend en charge les lourdes opérations linéaires, tandis que l'électronique conserve la logique et la mémoire.

Que surveiller ensuite

Pour les ingénieurs et ceux qui planifient une infrastructure d'IA, la marche à suivre est simple. Lisez les deux articles en entier et cherchez trois chiffres : l'énergie par opération, la latence et la précision par rapport à une référence numérique sur la même tâche. Regardez ensuite sur quelle taille de modèles le système a été testé : des jeux de données jouets comme MNIST ne disent rien des transformers. Enfin, vérifiez ce que fait exactement l'optique à l'intérieur du système et la quantité d'électronique qui reste autour.

Pour le marché, le signal est plus général. Les recherches sur le calcul photonique se multiplient précisément parce que l'énergie est devenue la ressource limitante de l'IA. La distance reste grande avant des accélérateurs lumineux produits en série à partir de travaux de groupes universitaires, mais cette voie mérite l'attention. Quand Teğin disposera de métriques mesurables, nous reviendrons sur le sujet, chiffres à l'appui.