Projet CARECloud

Comprendre, améliorer, réduire les impacts environnementaux du Cloud computing

— Aperçu

Le projet CARECloud vise à réduire drastiquement les impacts environnementaux des infrastructures de cloud

Anne-Cécile Orgerie, Directrice de recherche CNRS

© Jean-Claude MOSCHETTI / CNRS Images

Mots-Clés : Cloud computing, impacts environnementaux, empreinte énergétique

Le cloud computing offre aux utilisateurs des capacités de calcul et de stockage considérables. La maturité des techniques de virtualisation a permis l’émergence d’infrastructures virtualisées complexes, capables de déployer et reconfigurer rapidement des ressources virtuelles et élastiques, dans des infrastructures de plus en plus distribuées. Cette gestion des ressources, transparente pour les utilisateurs, donne l’illusion d’un accès à des ressources flexibles, illimitées et quasiment immatérielles. Cependant, la consommation électrique de ces clouds est bien réelle et préoccupante, de même que leurs émissions globales de gaz à effet de serre (GES) et la consommation de matières premières critiques utilisées pour leur fabrication.

Dans un contexte où les changements climatiques sont chaque année plus préoccupants, entraînant des conséquences graves à l’échelle mondiale pour les populations et pour la planète, tous les secteurs (transport, bâtiment, agriculture, industrie, etc.) doivent contribuer à l’effort de réduction des émissions de GES. Les clouds, malgré leur capacité à optimiser les processus des autres secteurs, n’échappent pas à ce constat : la pente croissante de leurs émissions de GES doit s’inverser, sous peine de gommer leurs éventuels bénéfices dans les autres secteurs. C’est pourquoi le projet CARECloud vise à réduire drastiquement les impacts environnementaux des infrastructures de cloud.

CARECloud est organisé en 4 lots. Le lot 0 est dédié à la gestion de projet et à la médiation scientifique.

— Les missions

— Nos recherches

Comprendre la consommation énergétique des clouds

Comprendre comment les infrastructures de cloud consomment de l’énergie afin d’identifier les sources de gaspillage et à concevoir de nouveaux modèles et métriques pour qualifier l’efficience énergétique


Améliorer l’efficacité énergétique des clouds

Optimiser la consommation en phase d’usage des infrastructures de cloud


Réduire les impacts environnementaux des clouds

Cibler la sobriété numérique afin de réduire durablement les impacts environnementaux des clouds

— Les partenaires

Le consortium

Inria, CNRS, IMT, Université Toulouse 3 Paul Sabatier, Université Côte d’Azur, Université de Lille, ENS Lyon, Université Claude Bernard Lyon 1, Université Toulouse Jean Jaurès, INSA Toulouse

— Équipe de recherche

27 permanents (non financés par le projet)
29 personnes financées par le projet dont :
24 doctorants
2 postdoctorants
3 ingénieurs

Implantation des équipes en France

— Les publications



26 documents

Articles dans une revue


Communications dans un congrès

  • Édouard Guégain, Alexandre Bonvoisin, Mathieu Acher, Clément Quinton, Romain Rouvoy. Exploring Performance of Configurable Software Systems: the JHipster Case Study. EASE'25 - 29th International Conference on Evaluation and Assessment in Software Engineering, Jun 2025, Istanbul, Turkey. ⟨hal-05003699⟩
  • Pierre Jacquet, Camille Coti, Marcos Dias de Assuncao, Romain Rouvoy. CINERGY: Reasoning over the Worst Case Power Consumption of Cloud Virtual Machines. CCGRID 2025: International Symposium on Cluster, Cloud and Grid Computing, May 2025, Tromso, Norway, Norway. ⟨hal-04981001⟩
  • Édouard Guégain, Rémy Raes, Noé Chachignot, Clément Quinton, Romain Rouvoy. AndroWatts: Unpacking the Power Consumption of Mobile Device's Components. MOBILESoft'25 - 12th International Conference on Mobile Software Engineering and Systems, Apr 2025, Ottawa, Canada. ⟨hal-04928609⟩
  • Francesco Diana, Othmane Marfoq, Chuan Xu, Giovanni Neglia, Frédéric Giroire, et al.. Attribute Inference Attacks for Federated Regression Tasks. 39th Annual AAAI Conference on Artificial Intelligence - AAAI 2025, Feb 2025, Philadelphia (Pennsylvania), United States. ⟨hal-04878082⟩
  • Emanuele Natale, Davide Ferre’, Giordano Giambartolomei, Frédéric Giroire, Frederik Mallmann-Trenn. On the Sparsity of the Strong Lottery Ticket Hypothesis. NeurIPS 2024 - 38th Conference on Neural Information Processing Systems, Dec 2024, Vancouver, Canada. ⟨hal-04741369v2⟩
  • Vladimir Ostapenco, Laurent Lefèvre, Anne-Cécile Orgerie, Benjamin Fichel. Exploring RAPL as a Power Capping Leverage for Power-Constrained Infrastructures. ICA3PP 2024 - 24th International Conference on Algorithms and Architectures for Parallel Processing, Oct 2024, Macau SAR, China. pp.1-10. ⟨hal-04742418⟩
  • Pierre Jacquet, Thomas Ledoux, Romain Rouvoy. SLACKVM: Packing Virtual Machines in Oversubscribed Cloud Infrastructures. 2024 CLUSTER - IEEE International Conference on Cluster Computing, Sep 2024, Kobe, Japan. pp.1-12, ⟨10.1109/CLUSTER59578.2024.00024⟩. ⟨hal-04636648⟩
  • Danilo Carastan-Santos, Georges da Costa, Millian Poquet, Patricia Stolf, Denis Trystram. Light-weight prediction for improving energy consumption in HPC platforms. Euro-Par 2024, Carretero, J., Shende, S., Garcia-Blas, J., Brandic, I., Olcoz, K., Schreiber, M., Aug 2024, Madrid, Spain. pp.152-165, ⟨10.1007/978-3-031-69577-3_11⟩. ⟨hal-04566184v2⟩
  • Tiago da Silva Barros, Davide Ferre, Frederic Giroire, Ramon Aparicio-Pardo, Stephane Perennes. Scheduling Machine Learning Compressible Inference Tasks with Limited Energy Budget. ICPP 2024 - 53rd International Conference on Parallel Processing, Aug 2024, Gotland, Sweden. pp.961 - 970, ⟨10.1145/3673038.3673106⟩. ⟨hal-04676376⟩
  • Thibault Simon, David Ekchajzer, Adrien Berthelot, Eric Fourboul, Samuel Rince, et al.. BoaviztAPI: a bottom-up model to assess the environmental impacts of cloud services. HotCarbon'24 - 3rd Workshop on Sustainable Computer Systems, Jul 2024, Santa Cruz, United States. ⟨hal-04621947v3⟩
  • Clément Courageux-Sudan, Anne-Cécile Orgerie, Martin Quinson. Studying the end-to-end performance, energy consumption and carbon footprint of fog applications. ISCC 2024 - 29th IEEE Symposium on Computers and Communications, Jun 2024, Paris, France. pp.1-7. ⟨hal-04581677⟩
  • Tristan Coignion, Clément Quinton, Romain Rouvoy. A Performance Study of LLM-Generated Code on Leetcode. EASE'24 - 28th International Conference on Evaluation and Assessment in Software Engineering, Jun 2024, Salerno, Italy. ⟨10.1145/3661167.3661221⟩. ⟨hal-04525620⟩
  • Wedan Emmanuel Gnibga, Andrew A Chien, Anne Blavette, Anne-Cécile Orgerie. FlexCoolDC: Datacenter Cooling Flexibility for Harmonizing Water, Energy, Carbon, and Cost Trade-offs. e-Energy 2024 - 15th ACM International Conference on Future and Sustainable Energy Systems, Jun 2024, Singapore, Singapore. pp.108-122, ⟨10.1145/3632775.3661936⟩. ⟨hal-04581701⟩
  • Tiago da Silva Barros, Frédéric Giroire, Ramon Aparicio-Pardo, Stéphane Perennes, Emanuele Natale. Scheduling Compressible Tasks: Application Neural Network Inference. AlgoTel 2024 – 26èmes Rencontres Francophones sur les Aspects Algorithmiques des Télécommunications, May 2024, Saint-Briac-sur-Mer, France. ⟨hal-04566780⟩
  • Pierre Jacquet, Thomas Ledoux, Romain Rouvoy. SweetspotVM: Oversubscribing CPU without Sacrificing VM Performance. CCGrid'24: 24th IEEE/ACM international Symposium on Cluster, Cloud and Internet Computing, May 2024, Philadelphia, United States. pp.1-10, ⟨10.1109/CCGrid59990.2024.00026⟩. ⟨hal-04454043⟩
  • Tiago da Silva Barros, Frédéric Giroire, Ramon Aparicio-Pardo, Stephane Perennes, Emanuele Natale. Scheduling with Fully Compressible Tasks: Application to Deep Learning Inference with Neural Network Compression. CCGRID 2024 - 24th IEEE/ACM international Symposium on Cluster, Cloud and Internet Computing, IEEE/ACM, May 2024, Philadelphia, United States. ⟨10.1109/CCGrid59990.2024.00045⟩. ⟨hal-04497548⟩
  • Alexandre Bonvoisin, Clément Quinton, Romain Rouvoy. Understanding the Performance-Energy Tradeoffs of Object-Relational Mapping Frameworks. SANER'24 - 31th IEEE International Conference on Software Analysis, Evolution and Reengineering, Mar 2024, Rovaniemi, Finland. pp.11. ⟨hal-04401643v2⟩

Pré-publications, Documents de travail

  • Francesco Diana, Othmane Marfoq, Chuan Xu, Giovanni Neglia, Frédéric Giroire, et al.. Attribute Inference Attacks for Federated Regression Tasks. 2024. ⟨hal-04792394⟩
  • Danilo Carastan-Santos, Georges da Costa, Igor Fontana de Nardin, Millian Poquet, Krzysztof Rzadca, et al.. Scheduling with lightweight predictions in power-constrained HPC platforms. 2024. ⟨hal-04747713⟩
  • Fabiano Lorusso, Frédéric Giroire, Joanna Moulierac, Guillaume Urvoy-Keller. Enhancing Energy Efficient Task Caching and Offloading in Multi-Access Edge Computing. 2024. ⟨hal-04721135⟩
  • Davide Ferre’, Cinzia Di Giusto, Etienne Lozes, Nicolas Nisse. Weakly synchronous systems with three machines are Turing powerful *. 2024. ⟨hal-04727303⟩
  • Davide Ferre’, Cinzia Di Giusto, Etienne Lozes, Nicolas Nisse. Weakly synchronous systems with three machines are Turing powerful. 2024. ⟨hal-04716163v2⟩

Thèses

  • Pierre Jacquet. Enhancing IaaS Consolidation with Resource Oversubscription. Systems and Control [cs.SY]. Université de Lille, 2024. English. ⟨NNT : ⟩. ⟨tel-04685771⟩


Autres projets

close

FORMULAIRE D'ABONNEMENT

Inscrivez-vous pour recevoir chaque trimestre la Newsletter du PEPR Cloud.

En vous abonnant à la newsletter du PEPR Cloud, vous acceptez de recevoir des informations régulières sur nos projets, nos recherches, nos événements, et autres actualités liées au PEPR.

Vous pourrez vous désabonner à tout moment en utilisant le lien de désabonnement présent sur chaque newsletter.

Politique de confidentialité

Les commentaires sont clos.