Une nouvelle méthode d'IA réduit la consommation d'énergie d'un facteur 100 et améliore la précision

Une manière plus intelligente de penser

Alors que l'intelligence artificielle engloutit des parts toujours plus importantes de l'électricité mondiale, une équipe de l'université Tufts a dévoilé une approche fondamentalement différente qui pourrait réduire la consommation d'énergie de l'IA jusqu'à 100 fois, tout en améliorant la précision des systèmes. La recherche, menée par le professeur Matthias Scheutz et publiée sur arXiv en février 2026, doit être présentée à la Conférence internationale sur la robotique et l'automatisation à Vienne en mai prochain.

La percée est centrée sur l'IA neuro-symbolique, une méthode hybride qui combine les réseaux neuronaux conventionnels avec un raisonnement symbolique de type humain. Au lieu d'apprendre uniquement par la force brute de la reconnaissance de formes à travers des millions d'exemples, le système applique des règles logiques, des concepts abstraits comme la forme et l'équilibre, et une planification structurée étape par étape, un peu comme les gens résolvent les problèmes.

Des résultats spectaculaires

Les chercheurs ont testé leur système sur le puzzle de la Tour de Hanoï, un banc d'essai classique de résolution de problèmes qui exige une planification séquentielle minutieuse. Les résultats ont été frappants :

• Le système neuro-symbolique a atteint un taux de réussite de 95 %, contre seulement 34 % pour un modèle standard vision-langage-action (VLA).
• Sur une variante plus complexe, jamais vue auparavant, il a obtenu un score de 78 %, tandis que le modèle conventionnel a obtenu 0 %.
• L'entraînement n'a pris que 34 minutes, contre plus de 36 heures pour l'approche standard.
• La consommation d'énergie pendant l'entraînement a chuté à environ 1 % de celle du modèle conventionnel, la consommation d'énergie opérationnelle tombant à environ 5 %.

"Un VLA neuro-symbolique peut appliquer des règles qui limitent les essais et les erreurs pendant l'apprentissage et atteindre des solutions beaucoup plus rapidement", a déclaré Scheutz.

Pourquoi c'est important maintenant

Le timing ne pourrait être plus opportun. Selon l'Agence internationale de l'énergie, les systèmes d'IA et les centres de données ont consommé environ 415 térawattheures d'électricité aux États-Unis en 2024, soit plus de 10 % de la production totale du pays, et ce chiffre devrait doubler d'ici 2030.

Le monde des entreprises se précipite déjà pour sécuriser l'énergie. En janvier 2026, le géant de l'énergie Vistra Corp a accepté d'acquérir la flotte de centrales électriques au gaz naturel de Cogentrix Energy pour environ 4 milliards de dollars, ajoutant 5,5 gigawatts de capacité de production à travers la Nouvelle-Angleterre, le Texas et le réseau s'étendant du New Jersey à Chicago. L'accord, qui comprend 2,3 milliards de dollars en espèces et 5 millions d'actions Vistra, souligne à quel point l'appétit insatiable de l'IA pour l'électricité remodèle le secteur de l'énergie.

L'IA arrive en pharmacie

Pendant ce temps, l'IA s'immisce dans un territoire autrefois réservé exclusivement aux professionnels humains. L'Utah est devenu le premier État américain à autoriser un système d'IA à renouveler de manière autonome les ordonnances médicales, en partenariat avec la plateforme de santé Doctronic dans le cadre d'un programme pilote d'un an. Le système gère les renouvellements de 30, 60 ou 90 jours pour 190 médicaments couramment prescrits au coût de 4 $ par renouvellement, sans qu'une visite chez le médecin ne soit nécessaire.

Des garde-fous de sécurité sont intégrés : les analgésiques, les injectables et les médicaments contre le TDAH sont exclus, et les 250 premières ordonnances dans chaque classe de médicaments nécessitent un examen par un médecin avant que l'IA ne fonctionne de manière indépendante. Plusieurs autres États, dont le Texas et l'Arizona, sont en pourparlers pour suivre l'exemple de l'Utah.

L'efficacité comme voie à suivre

Pris ensemble, ces développements brossent le tableau d'une industrie à la croisée des chemins. Les capacités de l'IA continuent de s'étendre aux soins de santé, à la robotique et à la prise de décision, mais il en va de même pour son empreinte environnementale. Les percées comme l'approche neuro-symbolique de Tufts suggèrent que la puissance de calcul brute n'est peut-être pas la seule voie à suivre. Des architectures plus intelligentes qui raisonnent plutôt que de simplement calculer pourraient être la clé pour rendre l'IA durable à grande échelle.