article
Pourquoi le Canada a besoin d’un système informatique d’IA public pour tous
Des remèdes contre le cancer, des avions plus légers et un stockage d’énergie abordable pourraient tous être découverts grâce à des méthodes informatiques, à condition de posséder suffisamment de données. Le récent prix Nobel de physique décerné à Geoffrey Hinton pour ses travaux novateurs sur les réseaux neuronaux souligne le potentiel de transformation de l’intelligence artificielle (IA) en matière de découverte scientifique. Cette reconnaissance célèbre les contributions du Canada à l’IA et met en évidence l’importance cruciale des ressources informatiques pour faire progresser la science et la technologie.
La réalité est la suivante : il existe un écart croissant entre les ressources actuelles de calcul de haute performance du Canada et les besoins de calcul de la recherche de pointe en matière d’IA.
L’Alliance de recherche numérique du Canada supervise les ressources publiques de calcul à haute performance du pays et gère cinq grappes nationales d’une valeur de plusieurs millions de dollars. Ces ressources répondaient adéquatement à la demande au début des années 2010, mais elles ont depuis pris un retard considérable.
Les résultats de la répartition révèlent un déficit grandissant entre les ressources disponibles et la croissance explosive de la demande, en particulier dans la seconde moitié de la décennie. Cette année, seuls 40 % de la demande ont été satisfaits. La situation est encore plus critique pour les unités de traitement graphique (GPU) — le matériel qui alimente l’IA —, où seulement 15 % de la demande a été satisfaite, et une grande partie du matériel a plus de huit ans. Cela constitue un obstacle majeur pour les tâches modernes et exigeantes.
Cette disparité croissante met en évidence le besoin urgent de mettre à niveau l’infrastructure des institutions de recherche du Canada. Les universités les plus riches pourraient bénéficier d’un avantage injuste en achetant leurs propres systèmes.
Bien que tous les chercheurs bénéficient d’un accès de base à l’infrastructure informatique, ils doivent faire face à des temps d’attente prolongés en raison de leur statut moins prioritaire, qui peuvent parfois s’étendre sur plusieurs jours pour les tâches plus importantes. Ces délais entravent considérablement la productivité de la recherche, en particulier pour les étudiants. Les scientifiques doivent concentrer stratégiquement leurs efforts sur des ressources limitées.
Sans ressources adéquates, ils risquent de ne pas découvrir le prochain remède contre la maladie d’Alzheimer ou un matériau de batterie révolutionnaire. L’amélioration de l’infrastructure permettrait d’élargir le champ de la recherche et d’améliorer la qualité et l’impact des résultats scientifiques. Les données générées alimenteraient les modèles de prédiction de l’IA, ce qui pourrait accélérer le passage des découvertes de laboratoire aux applications industrielles.
Ces dernières années, les scientifiques ont collecté de grandes quantités de données pour les applications de l’IA. Ces modèles d’IA améliorés peuvent prédire des matériaux ou des molécules efficaces, sans qu’il soit nécessaire de les synthétiser d’abord en laboratoire, ce qui permet d’économiser du temps et de l’argent.
Ressource précieuse
La récente percée des chercheurs de l’Université de Toronto, dirigés par les professeurs Christine Allen et Alán Aspuru-Guzik, en est un exemple. Leur équipe a utilisé l’apprentissage automatique pour réduire le temps de développement des médicaments. Ces scientifiques affirment que les modèles d’intelligence artificielle ont besoin de grandes quantités de données pour être performants. Cependant, certains domaines de recherche de niche ne disposent pas de suffisamment de données. Cela souligne l’importance des équipes d’experts en informatique qui peuvent créer et partager les données nécessaires. Cela montre également comment la collecte de données, la modélisation de l’IA et les expériences en laboratoire fonctionnent ensemble pour stimuler le progrès scientifique et l’innovation.
Les critiques sont favorables au développement de l’IA par le secteur privé, mais les coûts informatiques peuvent être prohibitifs, en particulier pour les jeunes pousses. Selon les estimations de l’Alliance, une équipe de recherche de 10 personnes pourrait avoir à faire face à des coûts informatiques annuels de plus de 20 000 dollars. Ce problème est particulièrement pressant au Canada, où l’infrastructure informatique est à la traîne par rapport à de nombreux pays développés.
Une infrastructure informatique financée par des fonds publics pourrait alléger les coûts pour les petites entités, tandis que les grandes entreprises pourraient payer pour y avoir accès. Le modèle finlandais réserve 20 % de la capacité des superordinateurs aux partenaires industriels. Cette approche encourage la participation du secteur privé au développement de l’IA tout en réduisant les coûts publics. Elle favorise également l’innovation en permettant aux petites et grandes entreprises d’avoir accès aux ordinateurs.
Le Canada doit se doter des moyens nécessaires pour générer des données, une ressource très précieuse pour l’avenir. Une infrastructure d’IA robuste est essentielle pour permettre aux entrepreneurs, aux chercheurs et aux entreprises de développer des modèles d’IA spécialisés. Sans ressources adéquates, le Canada risque de perdre ses experts talentueux et ses jeunes pousses innovantes au profit de pays offrant non seulement des rémunérations plus élevées, mais aussi une puissance de calcul supérieure — deux éléments essentiels au développement et aux applications de pointe en matière d’IA.
Comme le démontre le prix Nobel de Geoffrey Hinton, le Canada a le potentiel de devenir un chef de file de l’innovation en matière d’IA ; nous devons maintenant nous assurer que nous disposons de la fondation numérique nécessaire pour soutenir la prochaine génération de découvertes révolutionnaires.
