Les 9,396 enregistrements de cette section sont tres largement des reconstitutions, non des divulgations. Cette page explique comment chaque type de chiffre est obtenu et quelle confiance lui accorder.
Toutes proviennent d’Epoch AI, un institut de recherche independant qui suit la trajectoire de l’IA. Il publie ses jeux de donnees sous licence CC BY 4.0, qui autorise la reutilisation, la redistribution et la reproduction a condition de crediter la source et les auteurs. Ce credit figure sur chaque page de cette section, a cote des donnees concernees.
Rien ici n’est extrait de leur site par scraping. Chaque jeu de donnees est repris des fichiers qu’ils publient en telechargement, normalise dans une base de donnees, puis republie sous forme de pages individuelles. La recherche est la leur ; la structure, les liens croises et les textes sont les notres.
La puissance de calcul d’entrainement n’est presque jamais publiee par un laboratoire. Elle est reconstituee soit a partir du materiel utilise (nombre de puces multiplie par le debit, la duree d’entrainement et un facteur d’utilisation), soit a partir de l’architecture et de la taille du jeu de donnees. Chaque fiche de modele indique quelle methode a produit son chiffre.
La capacite et la puissance des centres de donnees proviennent des permis de construire, de l’imagerie satellite, des contrats d’achat d’electricite, des commandes de puces et des depenses rapportees. Ces chiffres comportent une incertitude d’environ 1,4x a 1,6x selon la metrique : un site annonce a 900 MW pourrait plausiblement en faire 600 ou 1 400.
L’offre et le stock de puces sont modelises a partir des resultats financiers, des donnees d’expedition et de la capacite de la chaine d’approvisionnement. Ils sont publies sous forme de mediane accompagnee d’un intervalle entre 5e et 95e centile, et les trois valeurs sont conservees plutot que reduites a la valeur centrale.
Les donnees financieres des entreprises proviennent de la presse, non de documents deposes : la plupart de ces entreprises ne sont pas cotees. Differents medias rapportent des chiffres differents pour un meme trimestre ; chaque rapport est donc conserve comme un point date distinct au lieu d’etre moyenne en une seule serie. Le chiffre mis en avant sur une page d’entreprise est simplement le rapport le plus recent, et sa date est indiquee.
Epoch publie une adresse postale pour chaque centre de donnees mais aucune coordonnee : leur propre carte les resout dans le navigateur. La carte du calcul geocode donc ces adresses avec OpenStreetMap, et enregistre jusqu’a quel niveau chacune a pu etre resolue : le batiment, la rue, le quartier, la ville, ou seulement le departement. Quelques sites indiquent une description de chantier plutot qu’une adresse postale ; ceux-la sont places d’apres la ville nommee dans la fiche et ne sont jamais presentes comme plus precis que cela.
Chaque correspondance candidate est verifiee contre le pays et, aux Etats-Unis, contre l’Etat extrait de l’adresse, et rejetee en cas de desaccord : sans ce controle, un nom de rue identique dans le mauvais Etat deplacerait silencieusement un site d’un gigawatt. Les coordonnees des clusters GPU proviennent de l’export d’Epoch et sont utilisees telles que publiees.
Les attributions — qui possede un centre de donnees, qui en utilise le calcul — portent une etiquette de confiance explicite : confident, likely ou speculative. Ces etiquettes sont conservees sur la fiche et affichees, car « Microsoft possede probablement ceci » et « Microsoft possede ceci » sont deux affirmations differentes.
Il en va de meme pour les fiches de modeles, qui portent une note de confiance sur l’ensemble de l’entree, et pour les clusters GPU, qui portent un champ de certitude et souvent une note expliquant ce qui est conteste. Lorsqu’un chiffre dispose d’un intervalle de centiles, cet intervalle est conserve ; lorsqu’un chiffre manque, la page ne dit rien plutot que de deviner.
Epoch republie souvent : certains jeux de donnees changent chaque semaine. Ce site se resynchronise depuis leurs fichiers publies et chaque enregistrement conserve la date a laquelle il a ete recupere, ce que rapporte la ligne de source en bas de chaque page. Si un chiffre diverge ici du leur, la date de recuperation est la premiere chose a verifier.
