1. Enjeu EDD : Le coût caché du code inefficace
L'augmentation exponentielle des volumes de données (Big Data) et l'usage massif des centres de données (data centers) posent un défi énergétique majeur. Un algorithme mal conçu ou de complexité élevée (par exemple en O(n2) au lieu de O(n log n)) sollicite inutilement les unités de calcul (CPU) pendant des durées excessives, entraînant une surconsommation électrique directe et une usure prématurée des infrastructures matérielles.
2. Banc de test de performance interactif
Générez un tableau aléatoire de grande taille et comparez en direct le temps d'exécution entre un algorithme de tri quadratique (tri par sélection) et un algorithme de tri efficace (tri fusion). Observez l'impact direct sur le processeur de votre machine.
Tri par Sélection (O(n2))
- ms
Tri Fusion (O(n log n))
- ms
3. Travail demandé (Questions d'examen / Projet)
- Analyse théorique : Rappeler la définition de la complexité en temps dans le pire des cas pour un tri par sélection et pour un tri fusion.
- Mise en œuvre Python : Écrire la fonction du tri fusion de manière récursive.
- Évaluation énergétique : Si un serveur web exécute 1 million de requêtes par jour nécessitant un tri sur 10 000 éléments, calculer le rapport d'économie du temps processeur si l'on passe d'un algorithme quadratique à un algorithme logarithmique. En déduire la pertinence de l'écoconception logicielle.