Lifecycle Intelligence for Carbon Energy Water Footprint Optimization in Artificial Intelligence Systems
Cet article propose un cadre de cycle de vie cohérent pour l'optimisation des systèmes d'IA qui sépare explicitement la consommation de ressources physiques de la rareté et des facteurs d'attribution, révélant par une analyse synthétique que les stratégies de routage basées uniquement sur le carbone peuvent augmenter considérablement l'utilisation de l'eau et que l'inclusion des charges matérielles fixes modifie de manière significative l'impact environnemental net de telles politiques d'optimisation.