L’Université de Californie à San Diego, avec le soutien de Google, mène une expérience peu conventionnelle pour réduire les coûts et l’empreinte carbone de l’informatique : construire une petite plateforme cloud à partir de 2 000 smartphones Pixel désactivés. L’objectif n’est pas de rivaliser avec les grands centres de données d’intelligence artificielle remplis de GPUs, mais de démontrer que de nombreux services académiques, charges légères et applications éducatives peuvent fonctionner sur du matériel qui finirait normalement oublié dans un tiroir ou transformé en déchet électronique.

Le projet repose sur une idée simple. De nombreux téléphones sont remplacés tous les quelques années, même si leur capacité de calcul reste utile. Selon Google Research, en moyenne, les utilisateurs changent de téléphone tous les quatre ans, mais les appareils retirés conservent des processeurs, accélérateurs, mémoire et stockage pleinement fonctionnels. Réutiliser ces composants plutôt que de fabriquer de nouveaux serveurs peut contribuer à réduire une partie des émissions associées à la production de matériel neuf.

Cette démarche est appelée clustering informatique à partir de téléphones. Elle consiste à extraire la carte mère de smartphones désactivés, à retirer les composants non indispensables dans un environnement serveur, à assembler ces modules en clusters et à les gérer comme une plateforme informatique polyvalente. Au lieu d’empiler des téléphones complets dans un rack, le système exploite l’essentiel du dispositif : le SoC, la mémoire, le stockage et les accélérateurs intégrés.

Du mobile usagé au nœud de calcul

Un smartphone n’est pas conçu pour fonctionner 24 heures sur 24, ni pour durer des années dans un rack. Ses composants sont optimisés pour des usages avec des pics d’activité, une dissipation limitée et des cycles de charge variés. En retirant l’écran, la batterie et le boîtier, on élimine certains problèmes, mais en fait apparaissent d’autres : alimentation stable, refroidissement, connectivité physique, maintenance et remplacement des modules défectueux.

Google Research indique que cette carte mère représente environ la moitié de l’empreinte carbone inhérente au dispositif, selon leurs évaluations internes. L’empreinte intégrée est celle générée lors de la fabrication du hardware : extraction des matières premières, production des composants, assemblage, transport et chaîne industrielle. Il est difficile de réduire cette empreinte une fois le produit existant, mais elle peut être mieux répartie en prolongeant la durée de vie du matériel.

Le système d’exploitation change également. Android étant basé sur Linux, son interface utilisateur est conçue pour un mobile, pas pour un serveur. Les chercheurs remplacent cette couche par une distribution Linux généraliste, ce qui facilite l’exécution d’applications dans un environnement plus proche de l’informatique en nuage traditionnelle. De plus, sont éliminés certains mécanismes propres aux mobiles, comme des gestionnaires de mémoire agressifs, qui ont du sens sur un appareil personnel mais pas dans un cluster de serveurs.

Pour coordonner des dizaines ou centaines de cartes, le projet utilise des applications en conteneurs orchestrées avec Kubernetes. Chaque groupe de 25 à 50 téléphones constitue un cluster autonome. Ce nombre n’est pas choisi au hasard : les tests SPEC mentionnés par Google Research indiquent que 25 à 50 mobiles peuvent offrir une capacité équivalente à celle d’un CPU de serveur moderne dans certaines situations.

Ce système ne remplace pas un grand centre de données IA

Il faut faire preuve de prudence dans la comparaison. Un ensemble de mobiles désactivés ne peut remplacer un cluster de NVIDIA Blackwell, AMD Instinct ou TPU de Google pour l’entraînement de modèles d’intelligence artificielle. Il ne s’agit pas non plus de charges nécessitant beaucoup de mémoire, de GPU ou une faible latence réseau. Sa valeur se situe ailleurs : pour des tâches simples, répétitives, éducatives ou de recherche, qui ne réclament pas de matériel récent ni d’instances cloud surdimensionnées.

Dans le contexte universitaire, beaucoup d’applications pédagogiques et d’évaluation s’exécutent déjà dans le cloud : notebooks Jupyter, plateformes de correction automatique, petites machines virtuelles pour exercices, services pour les cours de programmation. Certains de ces déploiements utilisent des instances légères, comme une AWS t3.micro avec 2 vCPU et 1 Go de RAM.

Les chercheurs ont prouvé qu’un cluster de 20 téléphones peut soutenir des taux de traitement équivalents à ceux d’une classe de plus de 75 étudiants, avec une latence de correction inférieure à celle du backend cloud classique. Le déploiement prévu de 2 000 mobiles pourrait ainsi prendre en charge environ 100 classes simultanément de cette nature.

L’optimisation repose sur une répartition judicieuse des charges. Bien que les mobiles disposent de peu de cœurs, de mémoire limitée et de puissance globale moindre qu’un serveur traditionnel, leurs cœurs hautes performances peuvent être compétitifs pour des tâches mono-thread. Si l’application rentre dans la mémoire disponible et peut être répartie en de nombreux petits nœuds, ce modèle peut fonctionner efficacement.

Une réponse au coût caché de la fabrication de serveurs

Le projet aborde une question souvent oubliée dans le débat sur les centres de données : tout l’impact environnemental ne provient pas de la consommation électrique. L’empreinte opérationnelle, liée à l’énergie utilisée durant toute la vie du matériel, est significative. Mais la « huella » intégrée — celle générée lors de la fabrication du hardware : extraction des matières premières, production des composants, assemblage, logistique, etc. — l’est aussi. Il est difficile de la réduire une fois que le matériel est produit, mais en prolongeant sa durée de vie, on peut mieux répartir cet impact.

L’amélioration de l’efficacité énergétique, via l’utilisation d’électricité renouvelable, aide à réduire l’empreinte opérationnelle. La « huella » de fabrication est plus complexe à compenser : chaque nouveau serveur nécessite des matériaux, des wafers, un assemblage, une logistique et une chaîne de production intensive. Réutiliser un hardware déjà produit évite en partie cette pression, pour autant que le niveau de performance et de fiabilité soit suffisant.

Ce modèle possède également une dimension éducative. Un centre de calcul constitué de mobiles désactivés peut devenir une plateforme de recherche pour étudier la fiabilité, la consommation, l’orchestration, les réseaux, la maintenance et le comportement du matériel consommable sous charge continue. Ces données seront précieuses pour concevoir de futures architectures peu coûteuses, le edge computing ou des infrastructures locales dans des environnements à faibles budgets.

Le défi : la fiabilité

La question cruciale est la résistance d’un smartphone transformé en nœud de serveur. Les mobiles n’ont pas été conçus pour fonctionner en continu, pendant des années, dans un rack. Leurs composants sont optimisés pour des usages par rafales, avec une dissipation limitée et des cycles de charge alternés. En retirant l’écran, la batterie et le boîtier, on élimine certains problèmes, mais en crée d’autres : alimentation stable, refroidissement, connectivité physique, maintenance et remplacement de cartes défectueuses.

Google Research indique que l’un des objectifs sera d’étudier la fiabilité du matériel de consommation en utilisation soutenue. Ce point sera déterminant pour décider si le projet peut passer d’un simple prototype universitaire à un modèle reproductible dans d’autres institutions.

Il existe aussi des limites au niveau logiciel : toutes les applications ne s’adaptent pas bien à des milliers de petits nœuds. Les charges très communicantes, avec beaucoup de mémoire ou nécessitant des GPU puissants, ne conviennent pas. Cependant, de nombreux services pédagogiques, microservices légers, systèmes d’évaluation, petites API ou environnements de laboratoire peuvent s’y prêter.

Un modèle pour les universités, pas une substitution à l’hyper-scalabilité

Ce projet ne doit pas être compris comme une alternative universelle aux centres de données traditionnels. Google n’envisage pas de remplacer ses régions cloud par des mobiles recyclés. Il s’agit plutôt d’une solution pour réutiliser du hardware fonctionnel pour une catégorie précise de charges.

Ce point est important. L’industrie investit des centaines de milliards dans les centres de données IA, avec d’énormes besoins en énergie, mémoire, accélérateurs et réseau. À cette échelle, un cluster de 2000 mobiles semble modeste. Mais l’intérêt du projet réside dans la démonstration que toutes les charges ne nécessitent pas une infrastructure coûteuse et surdimensionnée.

Pour les universités, laboratoires, collectivités ou centres de formation, ce modèle pourrait représenter une option intéressante : réduction des coûts, apprentissage de la computation distribuée avec du matériel réel, étude de la durabilité et valorisation de dispositifs encore techniquement valables.

Ce concept s’inscrit également dans une vision plus large du edge computing. Si de nombreux appareils désactivés peuvent être organisés en petits clusters, cela ouvre la voie à des modèles locaux de calcul pour l’éducation, la recherche, les services communautaires ou des tâches à faible consommation. Ces solutions, bien que modestes par rapport à l’IA générative, peuvent contribuer à alléger la charge sur le cloud.

Ce projet de UC San Diego et Google souligne une réalité souvent oubliée lors des cycles rapides de renouvellement : le hardware conserve sa valeur en termes de calcul bien après son usage grand public. Un mobile de trois ou quatre ans est peut-être dépassé pour le marché, mais reste un ordinateur compact, efficace et capable. Réutiliser ces appareils comme nœuds de calcul n’est pas seulement une curiosité technique ; c’est une démarche pragmatique qui incite à réfléchir à la quantité réelle d’infrastructure nécessaire.

Questions fréquentes

Que construit UC San Diego avec le soutien de Google ?

L’université prévoit de déployer une plateforme de calcul avec 2 000 smartphones Pixel désactivés, afin d’offrir un cloud à faible coût et à faible empreinte carbone pour les étudiants et chercheurs.

Comment transformer un mobile en serveur ?

En retirant les composants tels que l’écran, la batterie, les caméras et le boîtier, tout en conservant la carte mère, puis en installant une distribution Linux et en gérant les applications via des conteneurs et Kubernetes.

Ce système peut-il remplacer un centre de données IA ?

Non. Il est adapté aux charges légères, éducatives et de recherche. Il ne remplace pas les clusters de GPU ou de TPU pour entraînement ou inférence de modèles complexes.

Quand sera-t-il opérationnel ?

Google Research prévoit que le système complet sera déployé à l’automne 2026.