LinkedIn gèle ses dépenses en centres de données IA pendant un an

Points clés

• LinkedIn maintiendra son infrastructure informatique IA au même niveau jusqu'en juin 2026, sans acquisition de capacité significative.
• L'entreprise a doublé l'efficacité des GPU en six mois, équivalent à l'ajout d'environ 1 100 puces fonctionnant en continu sans en acheter une seule.
• LinkedIn estime que ces gains d'efficacité ont économisé 24 millions de dollars au cours des 12 derniers mois.
• Les prix des serveurs ont triplé ces derniers mois, selon le responsable des infrastructures de LinkedIn, ce qui rend ce gel d'autant plus difficile à maintenir.
• Cette décision contraste remarquablement avec la course aux dépenses menée par OpenAI, Meta et Google.

LinkedIn, le site de réseautage professionnel appartenant à Microsoft, affirme qu'il n'étendra pas son infrastructure informatique IA cette année fiscale. L'entreprise a déclaré à Wired AI qu'elle prévoit de maintenir son investissement dans les GPU (les puces spécialisées qui effectuent les calculs intensifs requis par l'IA) complètement stable jusqu'en juin 2026, la capacité de stockage restant également inchangée.

C'est un engagement remarquable pour une plateforme comptant 1,3 milliard d'utilisateurs qui lance simultanément davantage de fonctionnalités IA, non moins.

Comment LinkedIn a-t-elle réalisé cet exploit ?

En bref : l'entreprise a tiré beaucoup plus de travail de son matériel existant. Au cours des six derniers mois, les équipes d'ingénierie de LinkedIn ont doublé l'efficacité de leur utilisation des GPU, optimisant la même puissance informatique à partir des mêmes puces physiques en réduisant les temps d'inactivité.

LinkedIn possède ses propres centres de données en Oregon, au Texas et en Virginie, s'étant retirée du service cloud Azure de Microsoft vers 2022. Cette propriété a donné aux ingénieurs un contrôle direct sur chaque couche de la pile technologique.

Ils ont utilisé une technique appelée distillation, où un modèle IA plus petit est formé pour apprendre à partir de deux modèles plus grands. Pour l'outil de recommandation d'emploi de LinkedIn, un modèle compact gère désormais ce qui nécessitait auparavant deux modèles distincts et plus coûteux. Le résultat est moins cher à utiliser et, selon Erran Berger, directeur de la technologie pour l'ingénierie de LinkedIn, tout aussi précis. « Les gens trouvent et découvrent des emplois qu'ils ne trouvaient pas avec succès auparavant », a-t-il déclaré.

L'équipe a également réécrit certains logiciels de bas niveau pour que certaines tâches s'exécutent sur des CPU standard (les puces à usage général présentes dans n'importe quel ordinateur) au lieu de GPU Nvidia plus coûteux, réduisant à la fois la consommation d'électricité et les problèmes d'approvisionnement. LinkedIn indique que l'utilisation des GPU sur ses systèmes d'entraînement dépasse désormais 95 %, ce qui signifie que les puces restent pratiquement jamais inactives.

Au total, ces changements ont économisé environ 24 millions de dollars au cours des douze derniers mois.

Est-ce que 24 millions de dollars comptent pour une entreprise de cette taille ?

Pas beaucoup en soi. LinkedIn rapporte 18 milliards de dollars de revenus annuels, donc l'économie représente environ 0,1 % des ventes. Le responsable des infrastructures de LinkedIn, Raghu Hiremagalur, l'a reconnu directement, mais a argumented que la vraie valeur réside dans l'agilité : les ingénieurs peuvent démarrer leur prochain projet IA plus tôt sans attendre l'arrivée de nouveau matériel.

Le gel intervient également à un moment difficile pour acheter des serveurs. Hiremagalur a déclaré que certains matériels ont triplé en prix au cours des derniers mois. LinkedIn a verrouillé les achats avant la hausse des prix, ce qui lui donne un coussin de coûts que ses concurrents n'ont peut-être pas.

Métrique	Chiffre
Utilisateurs de LinkedIn	1,3 milliard
Année fiscale couverte	juillet 2025 à juin 2026
Économies estimées (12 mois)	24 millions de dollars
Équivalent GPU économisé	~1 100 puces, temps plein
Taux d'utilisation des GPU (entraînement)	supérieur à 95 %
Revenu annuel de LinkedIn	18 milliards de dollars

Qu'est-ce que cela signifie pour les utilisateurs ordinaires ?

Pour les membres de LinkedIn, la conclusion pratique est que les fonctionnalités IA devraient continuer à s'améliorer malgré le plafond budgétaire. Les meilleures recommandations d'emploi et les outils d'appariement de candidats plus intelligents sont déjà en production. Le risque, signalé par l'analyste de Gartner Chirag Dekate, est qu'un plafond budgétaire strict puisse éventuellement forcer LinkedIn à ralentir ses ambitions IA si la demande en puissance informatique continue d'augmenter. Pour l'instant, cependant, les ingénieurs paient que l'efficacité peut combler le fossé.

Questions fréquemment posées

Les fonctionnalités IA de LinkedIn vont-elles s'aggraver en raison de cela ?

LinkedIn dit non. L'entreprise soutient que son travail d'efficacité a en fait amélioré les résultats pour les chercheurs d'emploi et les recruteurs, et elle prévoit de continuer à lancer de nouveaux outils IA dans le même budget informatique.

Pourquoi les autres grandes entreprises technologiques dépensent-elles beaucoup plus ?

OpenAI, Meta et Google construisent des systèmes IA entièrement nouveaux qui nécessitent une énorme quantité de puissance informatique nouvelle. LinkedIn s'appuie sur des modèles qui existent déjà, ce qui signifie qu'elle peut se concentrer sur l'optimisation de la performance plutôt que de recommencer de zéro.

LinkedIn pourrait-elle changer d'avis en cours d'année ?

Oui. Berger et Hiremagalur ont tous deux reconnu que les exigences en matière de matériel IA changent rapidement, et la hausse des prix des puces mémoire pourrait forcer un changement de cap. L'entreprise affirme qu'elle a déjà pris en compte ces augmentations de prix, mais le plan n'est pas garanti.