Pour les centres de données hyperscale, une grande part des émissions en amont est immobilisée dans les serveurs et les composants avant même qu'ils n'exécutent une charge de travail. La comptabilité Scope 3 standard enregistre ce carbone au moment de l'achat, ce qui offre peu de retour d'information en temps réel aux opérateurs.

RETINAS de Meta a reformulé le problème comme une comptabilité d'infrastructure en temps réel. Il répartit les émissions incorporées sur la durée de vie utile d'un serveur et les combine avec l'utilisation, afin que les équipes puissent comparer si la réutilisation, la prolongation de la durée de vie ou l'efficacité logicielle constitue le meilleur levier.

Dans l'exemple de Meta, prolonger la durée de vie utile d'un ensemble de serveurs de cinq à sept ans a réduit l'indicateur de 28 % parce que l'amortissement a ralenti. Un article en accès libre ultérieur a cité RETINAS comme faisant partie du virage émergent vers une infrastructure d'IA consciente du cycle de vie.

Amortir le carbone comme un actif

Cela relie la comptabilité carbone aux décisions que les ingénieurs prennent déjà en matière d'utilisation et de fiabilité.

L'amortissement rend les prolongations de durée de vie utile visibles avant le cycle d'achat suivant.

L'indicateur peut être décliné depuis des parcs entiers jusqu'aux baies, aux conteneurs ou aux charges de travail de production.

Un objectif de durabilité ne devient opérationnel que lorsqu'il est exprimé dans la même boucle de contrôle en temps réel que le coût, la puissance et la performance.

RETINAS n'a pas remplacé le reporting externe des émissions ; Meta l'a présenté comme un indicateur opérationnel interne. Son importance réside dans la traduction : la circularité et le carbone incorporé deviennent des compromis mesurables aux côtés de la puissance, de la performance et du coût total de possession.

VÉRIFIEZ LES SOURCES

Les sources

  1. RETINAS: Real-Time Infrastructure Accounting for Sustainability Engineering at Meta · engineering.fb.com ·
  2. Federated carbon intelligence for sustainable AI: Real-time optimization across heterogeneous hardware fleets MRS Energy & Sustainability · link.springer.com ·