Alors que la pandémie de Covid-19 a confiné un grand nombre d’entre nous, cet arrêt a eu des répercussions immédiates sur la nature. On se rappelle par exemple des daims se promenant en plein jour dans les rues de Boissy-Saint-Léger (Val-de-Marne), des canaux de Venise grouillants de poissons, et de l’Himalaya visible depuis l’Inde pour la première fois depuis 30 ans.

Et pourtant, dans le même temps, des incendies de forêt tragiques ont ravagé la côte du Pacifique tandis que nous avons enregistré une saison des ouragans record en 2020 en Atlantique. Ces quelques exemples ont mis en évidence le défi difficile que constitue le changement climatique et que les scientifiques s’efforcent de comprendre depuis des années. Plus que jamais, la technologie est en mesure d’aider les chercheurs à comprendre et à démêler le réseau complexe de causes et d’effets que subit la planète.

Les progrès de l’informatique haute puissance (HPC) et du Machine Learning (ML) sur le cloud s’avèrent essentiels dans la lutte contre le changement climatique, qui reste l’une des problématiques les plus difficiles de notre époque.

Le rôle du cloud et le Machine Learning dans la science du climat

Historiquement, l’étude du changement climatique nécessitait un travail manuel fastidieux. Les différentes méthodes impliquaient généralement des équations différentielles, du calcul, la théorie du chaos et l’effet papillon, qui ont toutes été utilisées pour essayer de comprendre les changements dans notre environnement et les causes possibles ou les facteurs contribuant à ces effets.

Toutes ces approches, surtout lorsqu’elles sont utilisées dans la science du climat, nécessitent de traiter une quantité massive de données. Rassembler ces informations à partir d’une myriade de sources et étiqueter un ensemble de données hautement qualitatif était difficile voir impossible. Dans certains cas, ces données sont relativement statiques, comme les températures de surface de l’océan, tandis que d’autres sont plus dynamiques, comme les courants océaniques – ajoutant des informations encore plus intéressantes et potentiellement précieuses à l’étude.

La science du climat est incroyablement gourmande en puissance de calcul. Avant le cloud, le stockage de ce volume massif de données était extrêmement coûteux et les outils disponibles n’offraient pas les meilleures opportunités de traitement et analyse de données. Aujourd’hui, associé au calcul haute performance (HPC), le ML permet aux scientifiques de surmonter les difficultés évoquées et d’examiner les données climatiques de manière flexible, en adaptant l’analyse des données basées sur des événements passés pour modéliser plus précisément l’avenir. Cette approche peut par exemple aider les chercheurs à faire face à la grande complexité des systèmes climatiques et les aider à mieux comprendre les liens entre les nombreuses interactions qui influencent la météo.

La technologie rend la science du climat plus accessible et plus économique pour les chercheurs

Pour résoudre d’importants problèmes scientifiques et techniques, comme la prévision météorologique ou la modélisation des courants océaniques, les chercheurs doivent exploiter une puissance de calcul massive. De telles quantités de calcul sont inatteignables pour la plupart des organisations, et même pour celles qui en ont les moyens, l’exécution de clusters de calcul haute performance sur site nécessite des dépenses considérables, de longs cycles d’approvisionnement et des actualisations régulières du matériel pour éviter l’obsolescence. Aujourd’hui, il est possible de configurer d’énormes clusters de calcul parallèles à la demande dans le cloud et cela n’est plus réservé uniquement aux laboratoires gouvernementaux et à certaines organisations universitaires qui bénéficiaient de financements importants. C’est la démocratisation du HPC dans le cloud qui permettra d’aider à lutter contre le changement climatique.

Grâce au calcul haute performance dans le cloud, la science du climat est plus accessible pour à tous (chercheurs ou organisations de toutes tailles) et plus économique (une réduction des coûts allant jusqu’à 90 %) pour les chercheurs qui travaillent déjà dans ce domaine. Par exemple, Maxar Technologies – une société de technologie spatiale spécialisée dans la fabrication de satellites de communication, d’observation de la Terre et de maintenance en orbite – utilise AWS pour fournir des prévisions météorologiques 58 % plus rapidement que le supercalculateur de l’Agence américaine d’observation océanique et atmosphérique (NOAA). Alors que les modèles de prévision météorologique fonctionnent traditionnellement sur de grands ordinateurs hautes performance sur site (on-premise), Maxar a développé une suite d’architectures depuis le Cloud AWS et permet aux scientifiques d’exécuter des modèles de prévision météorologique de manière beaucoup plus agile et évolutive.

La démocratisation de la science du climat grâce au cloud

Les modèles de ML peuvent également être utiles pour compléter certaines données manquantes – appelées imputation multiple – pour créer des données similaires ou synthétiques et accélérer la science du climat lorsque certaines informations sont trop difficiles ou impossibles à récupérer. En bref, le ML peut faire des prédictions sur des choses inconnues, accélérant notre compréhension de la science du climat et produisant des modèles plus précis. Par exemple, Philip Stier, professeur de physique atmosphérique, et Duncan Watson-Parris, chercheur postdoctoral, tous deux à l’Université d’Oxford, s’appuient sur le Cloud AWS pour comprendre comment les aérosols affectent les nuages. Bien qu’il y ait normalement une grande variabilité dans l’effet des aérosols, les traces des bateaux se forment en raison d’une source de pollution bien définie dans un espace peu pollué, ce qui permet de mieux comprendre la façon dont une certaine quantité de pollution provoque certains changements de nuages qui se développent et évoluent dans le temps.

En utilisant des images satellites et des milliers de tracés de bateaux enregistrées manuellement, les chercheurs créent des modèles de ML pour trouver des traces dans d’autres images satellitaires et, en fin de compte, utiliseront ce scénario bien défini pour appliquer et étendre ce scénario au-delà des traces de navires.

La collaboration entre Oxford et AWS va même plus loin que la simple utilisation des services de Machine Learning et de Deep Learning d’AWS, puisque les deux s’associent dans le cadre d’iMIRACLI (Innovant MachIne LeaRning to constrain Aerosol-cloud CLimate Impacts), un programme d’études supérieures financé par l’Union Européenne destiné à former la prochaine génération de data scientists spécialistes du climat. Les 15 doctorants participants collaborent étroitement avec des climatologues et des experts européens en Machine Learning ainsi que des partenaires non universitaires.

Grâce au cloud, les entreprises du monde entier bénéficient d’outils pour réduire considérablement leur empreinte carbone. Par exemple ekWateur, le 5ème fournisseur d’énergie français, a choisi de reposer la totalité de son infrastructure sur AWS, qui lui permet, grâce au service, de piloter l’arrêt automatique des serveurs, et ainsi d’économiser 4800 heures de ressources énergétiques par an. De son côté, Téréga, un opérateur de transport de stockage de gaz ancré dans le Grand-Ouest français, s’est aussi engagé dans une démarché cloud en 2016 pour impacter favorablement ses émissions de carbone qui a depuis fait ses preuves.

Les avantages apportés par les fournisseurs de cloud en termes de développement durable

En comparant l’impact climatique des centres de données, les avantages des fournisseurs de cloud par rapport aux serveurs sur site sont clairs en termes d’utilisation des ressources, d’efficacité et de mix énergétiques.

Le Natural Resources Defense Council (NRDC) a calculé qu’un fournisseur de cloud à grande échelle atteint généralement des taux d’utilisation de serveur d’environ 65 % contre 15 % sur site, ce qui signifie que lorsque les entreprises migrent vers le cloud, elles ont tendance à provisionner moins d’un quart des serveurs qu’elles ne le feraient sur site. En outre, selon l’Uptime Institute, un centre de données sur site typique est 29 % moins efficace dans sa consommation d’énergie qu’un fournisseur de cloud qui utilise des conceptions d’installations de classe mondiale, des systèmes de refroidissement et des équipements optimisés pour la charge de travail. En plus d’avoir besoin de moins de serveurs plus écoénergétiques, les fournisseurs de cloud comme AWS utilisent un mix énergétique 28 % moins friand en carbone que la moyenne mondiale, et les clients peuvent mesurer une réduction des émissions de carbone de 88 %.Amazon a aussi pris des engagements forts concernant sa propre utilisation d’énergie renouvelable et a récemment investi dans 26 nouveaux projets d’énergie éolienne et solaire de grande envergure – dont l’achat de projets d’énergie renouvelable avec ENGIE en France, en Italie et aux États-Unis de 650MW – totalisant 3,4 gigawatts (GW) de capacité de production d’électricité, et portant son investissement total dans les énergies renouvelables en 2020 à plus de 4 GW de capacité. Amazon est non seulement l’entreprise ayant effectué l’investissement le plus important dans les énergies renouvelables en une seule année, mais c’est également la plus grosse acheteuse d’énergie renouvelable. Ces projets aideront à fournir une énergie propre aux centres de données AWS, qui alimentent Amazon et des millions de nos clients dans le monde. Ces projets s’inscrivent dans la liste d’actions prises par le groupe pour alimenter ses opérations avec une énergie 100% renouvelable d’ici 2030 et atteindre le zéro carbone net d’ici 2040.

Avec un total de 127 projets d’énergies renouvelables dans le monde, dont 59 projets éoliens et solaires, et 68 toits de panneaux solaires disposés sur des centres de traitements de commandes, nous nous engageons pleinement à lutter contre le changement climatique, et nous sommes prêts à aider des clients comme Oxford, eKwateur et Téréga à relever ce défi en constante évolution.

Le changement climatique est l’une des problématiques les plus complexes de notre époque, et si nous ne trouvons pas de solutions impactantes, les conséquences auront des répercussions sur notre avenir et celui de nos enfants. Il faut qu’il y ait un effort collectif du milieu universitaire, du gouvernement, de l’industrie, des organismes à but non-lucratif et de toute la Société. Cela exigera de l’ingéniosité et de l’innovation à l’échelle mondiale.