You are currently viewing L’intelligence artificielle face au défi climatique

Si l’intelligence artificielle progresse à vitesse grand V, son impact énergétique augmente quant à lui à un rythme encore supérieur. Malgré le vaste potentiel de cette technologie, un problème d’envergure se pose: la forte consommation énergétique de l’IA, sachant que la seule mise à jour d’un modèle d’IA pourrait absorber l’équivalent de la consommation de 100 foyers américains en un an. A l’heure de la sobriété énergétique et numérique, cette consommation parait totalement décadente.

L’intelligence artificielle : un puits d’énergie sans fond ?

La question de l’impact environnemental de l’intelligence artificielle a commencé à être soulevée avec la sortie d’un article publié en 2019 par des chercheurs de l’université du Massachusetts. Ces derniers estimaient que le simple coût en CO2 de l’entrainement d’une intelligence artificielle représenterait cinq fois celui du cycle de vie complet d’une voiture.

Des études menées entre 2021 et 2022 ont précisé encore davantage l’incidence de l’intelligence artificielle sur l’environnement. L’IA, et plus particulièrement le machine learning et le deep learning, consomment une quantité importante d’énergie et polluent excessivement du fait de leurs processus d’entrainement et de leur usage. Et pour cause, les émissions pour l’entrainement d’un modèle de machine learning vont de 18 kg eq CO2 à 284T eq CO2 en fonction du modèle. Le modèle le plus couramment utilisé, sans paramétrage spécifique, émet 652 kg eq CO2, soit environ un aller Paris-Hong Kong en avion, ou 2500 km en voiture.  

La demande énergétique au développement de ces outils va indéniablement croître en conséquence de l’arrivée des IA conversationnelles et de la démocratisation de leur utilisation.

Ces chiffres sont, toutefois, à prendre avec du recul puisqu’il est particulièrement complexe de quantifier avec certitude l’impact écologique de l’IA. La difficulté réside dans la prise en compte de tous les facteurs de l’intelligence artificielle y compris la fabrication, la maintenance et le recyclage des plateformes de calcul et de stockage dans le calcul de l’empreinte environnementale.

La plupart des études s’accordent tout de même sur un point, c’est l’apprentissage qui pollue le plus dans une IA du fait de la quantité importante de données dont elle a besoin pour s’entrainer.

Les Green IA : des IA nativement conçues pour être frugales

Pour être une véritable technologie qui s’inscrit dans la sobriété numérique, le choix du modèle de l’IA est primordial. Les entreprises doivent réfléchir avec attention à leurs besoins pour choisir la solution la plus adaptée afin de réduire au maximum leur empreinte carbone. Si l’entreprise identifie correctement ses besoins, elle pourra se tourner vers des Green IA qui pourraient adaptées à sa structure et surtout moins énergivores que les IA « classiques ».

A titre d’exemple, la green IA Golem AI a une approche respectueuse de l’environnement « by design » c’est-à-dire que la problématique environnementale a été prise en considération dès sa conception.

La particularité de cette IA réside en ce qu’elle ne se base pas sur un modèle de pré-entrainement qui demande une très grande quantité de données et d’énergie pour apprendre. A l’inverse, elle se base sur des symboles pour comprendre le langage naturel humain. Il s’agit de la méthode du NLU (natural language understanding), qui permet à l’IA d’être opérationnelle très rapidement puisqu’elle n’a pas besoin d’entrainement.

L’autre avantage indéniable de cette approche est justement l’absence d’entrainement puisque l’IA va consommer beaucoup moins d’énergie. De ce fait, Golem AI produit 95 fois moins de CO2 que le machine learning. Elle se positionne ainsi comme l’IA d’analyse du langage la plus frugale du marché selon le benchmark réalisé par la société Greenly.

Des solutions existent pour concilier intelligence artificielle et sobriété numérique mais cela nécessite des efforts de la part des entreprises pour identifier au mieux leurs besoins avant de mettre en place une intelligence artificielle. L’effort doit également être porté au niveau de l’apprentissage des IA, poste le plus polluant, pour trouver des solutions plus respectueuses de l’environnement.

 

Sources :

https://golem.ai/fr/blog/entreprise/ia-sobriete-numerique

https://www.solutions-numeriques.com/communiques/sobriete-numerique-lefficacite-energetique-de-lintelligence-artificielle-de-golem-ai-validee-par-un-benchmark-externe-2-2/

https://www.lemonde.fr/sciences/article/2022/11/29/l-impact-environnemental-de-l-intelligence-artificielle-en-question_6152210_1650684.html

https://www.lesechos.fr/tech-medias/intelligence-artificielle/lia-pointee-du-doigt-pour-son-cout-environnemental-astronomique-1913779#:~:text=Le%20cas%20de%20Google%20est,2%2C3%20t%C3%A9rawattheures%20en%202021.

https://www.cnetfrance.fr/news/pourquoi-l-intelligence-artificielle-est-un-desastre-ecologique-39886927.htm