Les logiciels de réseau misent sur la météo spatiale et un partage de GPU économe
Microsoft Research affirme qu'une chaîne d'apprentissage automatique peut signaler un risque de météo spatiale sur 66 935 postes électriques américains 30 à 60 minutes avant l'impact. Un article présenté à SOSP '26 rapporte des économies d'énergie de 1,4 à 2,3 fois grâce à un partage de GPU mieux pensé.
Deux travaux de recherche sur des logiciels proches des réseaux électriques sont parus cette semaine. Tous deux visent le même problème : l'infrastructure qui sous-tend l'électricité et le calcul doit faire plus avec moins de préavis et moins d'énergie.
Le plus récent des deux vient de Microsoft Research. L'équipe a publié un billet de blog le 30 septembre décrivant une chaîne de prévision du risque de météo spatiale sur les réseaux électriques.
La météo spatiale, poste par poste
Selon Microsoft Research, le système s'appuie sur les informations de vent solaire disponibles au moment de la prévision. Il produit des estimations de risque propres à chaque lieu pour 66 935 postes électriques du territoire continental des États-Unis. Il combine les prévisions des indices Auroral Electrojet (AE) et Disturbance Storm Time (Dst) avec la latitude locale, la géologie et la conductivité du sol. Le blog indique que la chaîne a détecté près de 80 % des événements majeurs de météo spatiale pendant la période d'évaluation. Elle peut avertir les gestionnaires de réseau 30 à 60 minutes avant qu'un risque précis n'apparaisse.
Le billet pose le problème en termes opérationnels. Savoir qu'une tempête arrive n'équivaut pas à savoir quand et où ses effets seront les plus forts. Les courants induits géomagnétiquement (GIC) dépendent des conditions locales, selon ce même billet. Les régions dont le socle rocheux est résistif peuvent connaître des courants plus forts que celles dont la géologie est plus conductrice. La tempête géomagnétique de mai 2024, qui a poussé les aurores bien au-delà de leur zone habituelle, sert d'exemple pour motiver le travail.
Les travaux ont été menés pendant un stage d'été chez Microsoft Research, précise le blog. Leur auteur les décrit comme une chaîne d'apprentissage automatique de bout en bout, et non comme une simulation physique. La distinction compte pour les gestionnaires de réseau. Il leur faut une prévision sur laquelle agir, pas un modèle de recherche à interpréter.
L'énergie, pas seulement le taux d'occupation, dans les grappes de GPU
Un second article, publié à SOSP '26 le 28 septembre, s'attaque à l'autre versant du problème énergétique. Ses auteurs sont Prasoon Sinha, Dimitrios Liakopoulos, Nathan Lemma et Neeraja J. Yadwadkar. Dans « Beyond Utilization: Energy-Conscious GPU Sharing for Inference Serving », ils soutiennent qu'optimiser uniquement le taux d'occupation des GPU peut, contre toute attente, augmenter la consommation d'énergie. Leur système, EnerTune, utilise des modèles analytiques pour estimer les performances et la puissance de chaque modèle. Il estime aussi la puissance appelée par les modèles colocalisés sur des GPU partagés. Ces estimations alimentent un algorithme de bin-packing sensible à l'énergie.
L'article rapporte qu'EnerTune respecte les SLO de performance tout en réduisant la consommation d'énergie de 1,4 à 2,3 fois. Il diminue la puissance appelée de 1,3 à 2,6 fois par rapport aux meilleures références. Les auteurs notent que profiler toutes les configurations possibles à grande échelle coûte prohibitif. D'où l'intérêt des modèles analytiques. Chaque modèle peut être déployé sous des centaines de configurations, et le profilage lui-même consomme de l'énergie.
Les deux parutions tombent la même semaine qu'une série d'actualités sur les logiciels de réseau. Energy Digital Magazine a publié le 30 septembre une liste des dix premiers fournisseurs de réseaux intelligents. Sustainable Views a soutenu le même jour que l'Europe doit construire et exploiter son réseau comme un seul système. Utilities Middle East a repris un texte de Siemens sur la libération de capacité réseau, également le 30 septembre.
Côté stockage, Energy Vault a obtenu l'accord de développement de l'État de Nouvelle-Galles du Sud pour son BESS Stoney Creek de 125 MW / 1 GWh, selon Business Wire le 29 septembre. Cela ouvre la voie à la construction. Energy Source & Distribution a rapporté le même accord le 30 septembre. La même semaine, Energy-Storage.News a publié un texte sur l'importance de la disponibilité comme indicateur de performance d'un BESS et sur la façon de la calculer. Le site a aussi rapporté que l'onduleur de batterie de SMA est devenu le premier à obtenir la certification grid-forming pour le marché allemand de l'inertie.
Prévision et flexibilité
La prévision n'est pas qu'une affaire de météo spatiale. pv magazine Global a rapporté le 29 septembre l'existence d'une carte numérique qui prévoit les contraintes de réseau et les points d'écrêtement en Espagne pour 2027. Le même jour, Business Wire a rapporté que Critical Loop a livré une interconnexion flexible à l'industrie californienne. Le texte cite le premier contrôleur de puissance à obtenir la certification CSIP 2030.5 et le référencement UL 3141.
Le 29 septembre, Spectra by MHI a publié un article explicatif sur la manière dont les centrales électriques virtuelles peuvent préparer les réseaux à l'avenir. Business Wire a rapporté que Willow déploie des agents autonomes sur des portefeuilles immobiliers du Fortune 100. MarketScale a rapporté une enquête d'IFS selon laquelle seuls 33 % des dirigeants de services publics qualifient leur gestion d'actifs d'avancée. Ce chiffre s'accorde mal avec les promesses d'automatisation.
Le fil commun, c'est que les logiciels de réseau passent des tableaux de bord aux décisions. La chaîne de Microsoft ne se contente pas de montrer une tempête. Elle estime le risque par poste électrique avec un délai d'alerte. EnerTune ne se contente pas d'empiler des modèles sur des GPU. Il arbitre entre énergie, latence et débit. Reste à savoir si les exploitants font assez confiance à l'un ou l'autre système pour agir sur ses résultats. Aucun des deux articles n'aborde directement cette question.
Sources
10- 01Forecasting space weather risks on power gridsEN
- 02Beyond Utilization: Energy-Conscious GPU Sharing for Inference ServingEN
- 03CHOMPI portable sampler instrument is now open-sourceEN
- 04The open-source AI platforms vying to become China's Hugging FaceEN
- 05Report: Kakao is shutting down Tapas webtoon platformEN
- 06Justice Department and FBI Seize Platforms Operated and Used by China State-Sponsored HackersEN
- 07Japan's fusion energy startup to begin power-on tests at pilot reactor in 2027EN
- 08Dear Software MakersEN
- 09OpenClaw Enterprise – The Open Agent PlatformEN
- 10Estimating software projects without fooling yourselfEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.