L’IA générative, capable de produire du contenu de manière autonome, révolutionne notre manière de travailler. Cette innovation spectaculaire cache une réalité moins visible : l’explosion des besoins énergétiques liés à l’entraînement et à l’utilisation des modèles d’IA. À cela s’ajoutent la fabrication de nouveaux datacenters, posant de sérieux défis en matière d’impact environnemental.
Comment réduire cet impact sans freiner l’innovation ? Cet article explore les enjeux environnementaux de l’IA générative et propose des pistes concrètes pour adopter des pratiques plus responsables.
L’impact environnemental de l’IA Générative : Un enjeu de taille
L’essor de l’IA et son empreinte carbone
L’intelligence artificielle, et plus spécifiquement l’IA générative, connaît une adoption fulgurante. ChatGPT, par exemple, a atteint 100 millions d’utilisateurs actifs seulement deux mois après son lancement, devenant l’application grand public à la croissance la plus rapide de l’histoire.
Ces usages ont un impact énergétique particulièrement notable. Une étude récente de l’université Carnegie Mellon en Pennsylvanie, a révélé que la génération d’une seule image par une IA non optimisée consomme autant d’énergie que la charge complète d’un smartphone. Une consommation très significative quand on donne à un seul utilisateur de smartphone la capacité de générer plusieurs dizaines d’images en quelques secondes…
Les chiffres exacts varient selon les études et les méthodologies utilisées, mais l’ampleur de la consommation reste significative. Par exemple, il est estimé que l’entraînement de GPT-3 a nécessité l’équivalent de 1 300 MWh d’électricité et émis environ 550 tonnes de CO2 (l’équivalent de 270 ménages français pendant un an).
Les émissions liées au secteur numérique représenteraient entre 3 et 4% des émissions mondiales de gaz à effet de serre, et pourraient augmenter de 60% d’ici 2040 si la tendance actuelle se poursuit. Les usages de l’IA Générative contribuent significativement à cette tendance inquiétante : via les investissements massifs d’infrastructures techniques nécessaires pour entrainer et déployer les outils d’AI Gen, mais aussi le renouvellement de nos équipements pour passer aux nouvelles générations plus “intelligentes”.
Les infrastructures numériques : un impact invisible massif
Les serveurs, réseaux, et systèmes de refroidissement des centres de données, consomment des quantités colossales d’énergie. Une étude récente de l’Agence Internationale de l’Énergie (AIE, 2023) a révélé que les besoins en énergie des datacenters pourraient doubler d’ici 2026 (l’équivalent de la consommation électrique de la Suède). Spécifiquement sur l’IA, cette étude estime que la demande d’électricité de Google pourrait nécessiter 10 TWh par an de capacité supplémentaire – soit l’équivalent d’une centrale nucléaire.
L’impact de ces infrastructures numériques dépasse le spectre de la consommation électrique : la fabrication des équipements électronique pose des défis de taille liés à l’extraction des matières premières, la consommation d’eau douce, l’épuisement des ressources abiotiques et les émissions de GES.
Un grand centre de données peut utiliser jusqu’à plusieurs dizaines de milliers de litres d’eau par jour pour le refroidissement, ce qui équivaut à la consommation de centaines de foyers. Eau qui sera également largement utilisée dans les procédés industriels d’extraction des matières premières pour fabriquer les équipements de ces datacenters.
Sur l’extraction des matières premières, à titre d’exemple l’ADEME nous précise que la fabrication d’un ordinateur portable de 2kg mobilise environ 800 kg de matières premières, incluant des métaux rares comme le néodyme et le dysprosium. Sur un datacenter moyen de 100 000 serveurs l’ordre de grandeur serait donc de 80 000 Tonnes de matières déplacées. Une logique industrielle invisible des consommateurs, qui a des impacts environnementaux significatifs.
Pourquoi l’impact de l’IA explose-t-il ?
L’augmentation exponentielle de la taille des modèles
L’un des facteurs clés de l’explosion de l’impact environnemental de l’IA Générative réside dans la croissance rapide de la taille des modèles. Chaque nouvelle génération de modèles d’IA, comme GPT-4 (et bientôt GPT-5), se compose d’un nombre toujours plus important de paramètres. GPT-4 posséderait environ 1 700 milliards de paramètres, soit dix fois plus que GPT-3. Une augmentation exponentielle tirée par la recherche de performance des modèles, mais qui alourdit les besoins en puissance de calcul, en stockage, et donc en énergie, expliquant l’augmentation significative de leur empreinte écologique.
Des usages de plus en plus nombreux et des émissions de GES en hausse
L’adoption massive des IA génératives par les entreprises et le grand public entraîne une augmentation du nombre d’utilisateurs et des cas d’usage. ChatGPT enregistre 100 millions d’utilisateurs par semaine en 2023, et 92 % des entreprises du Fortune 500 exploitent déjà l’IA générative. Utilisés pour de l’analyse de données scientifiques ou de l’assistance à la création de contenus, ces modèles d’IA Générative génèrent davantage d’émissions GES que les activités “classiques” de l’IA : la génération d’images, par exemple, émet 30 fois plus d‘émissions GES que la génération de texte. Et à l’heure où ces lignes sont écrites, ce n’est plus une image mais un film que peut générer l’IA.
Peu de régulation face à la course à la performance
Malgré la prise de conscience croissante de l’impact environnemental de l’IA, la réglementation peine à suivre le rythme de cette révolution technologique. La course à la performance pousse les entreprises à développer des modèles toujours plus puissants, sans qu’il existe des normes claires encadrant leur impact énergétique. Certaines initiatives, comme la proposition de loi européenne sur l’IA, intègrent des exigences de mesure et de réduction de la consommation énergétique des modèles d’IA, mais peu de fournisseurs communiquent sur ces sujets.
Aujourd’hui les autorités interviennent lorsque le risque énergétique est avéré ; à l’échelle de la consommation du datacenter, des moratoires sur l’implantation de nouveaux datacenters sont évoqués à Singapour, en Irlande et aux Pays-Bas, pour cause d’incapacité du réseau électrique national à suivre la charge.
Vers une IA plus responsable : comment intégrer la frugalité by design ?
Optimiser les modèles pour réduire leur consommation énergétique
Diminuer l’empreinte environnementale de l’IA, c’est diminuer la tension sur les ressources d’infrastructures numériques. Sur les cas d’usage de l’IA générative, cela passe par l’optimisation des modèles : ajuster la taille des modèles à l’usage réel et privilégier des algorithmes plus légers (SLM) est préconisé. A performances équivalentes, la consommation de ressources – et donc d’énergie – sera bien moindre que l’utilisation de modèles génériques puissants et énergivores (LLM).
Les LLM sont naturellement privilégiés dans la phase d’exploration des cas d’usages : l’offre du marché facilite leur intégration aux processus de l’entreprise et permet de rapidement explorer les capacités de l’IA Générative. Les infrastructures sous-jacentes et l’énergie consommées ont toutefois un coût : le marché étant dans une phase d’acquisition ceux-ci sont pour le moment peu élevés, parfois même déficitaires pour le fournisseur du service. La matérialité physique de l’IA Générative amènera sûrement un réajustement de ces tarifs auxquels seront contraints les utilisateurs désormais habitués au service. Les gains de productivité alors constatés suffiront-ils à justifier toute (forte) hausse tarifaire des services d’IA Gen souscrits ? La frugalité des modèles est une solution qui répond en partie à ce risque futur, mais au détriment d’une intégration rapide des solutions IA Gen.
L’optimisation des modèles n’est donc pas qu’une équation d’empreinte environnementale : les coûts associés aux infrastructures sous-jacentes s’en trouveront fortement diminués. Un investissement sur les compétences des équipes est toutefois nécessaire pour sourcer et optimiser les modèles répondant aux usages ciblés, et explorer en continu les pratiques d’optimisation. A l’image des projets move-to-cloud et des problématiques vendor-locking, la stratégie IA Gen doit adresser la maitrise du modèle et où positionner le curseur entre compétences in-house et modèle sur étagère géré et outsourcé dans une solution SaaS.
Documenter et partager ces efforts au sein de l’écosystème IA est encouragé pour favoriser une adoption plus large de ces pratiques frugales, contribuant ainsi à un développement moins impactant de l’intelligence artificielle. La dynamique portée cette année par l’AFNOR Spec IA Frugale ou le Groupe de Travail Environnement du Hub France IA et auxquels Suricats participe activement sont de bons exemples pour fédérer les acteurs et progresser ensemble.
Développer des outils de mesure adaptés à l’IA et intégrer la mesure de l’impact dans une démarche globale
Face à ce défi complexe, plusieurs outils spécialisés ont émergé pour aider les développeurs et les organisations à évaluer l’empreinte environnementale de leurs systèmes d’IA. Des solutions comme Green Algorithms, CodeCarbon.io et Ecologits.ai permettent d’évaluer l’empreinte environnementale des projets d’IA Générative. Ces outils évoluent rapidement et jouent un rôle essentiel dans la compréhension et l’optimisation de l’impact environnemental des modèles d’IA.
Pour une évaluation plus complète, les équipes matures adresseront un éventail de critères plus large : le nombre de paramètres et la taille du jeu de données, le temps d’entraînement, les infrastructures utilisées ou la taille et la localisation des services cloud, ainsi que la performance et la précision du modèle. Cette approche multidimensionnelle permet une analyse plus fine de l’empreinte écologique des systèmes d’IA tout en garantissant le juste niveau de performances attendu.
Il est essentiel de souligner que la mesure de l’impact de l’IA doit s’inscrire dans une démarche plus large d’évaluation de l’empreinte environnementale du système d’information. En mobilisant toute la chaîne technologique, les organisations peuvent obtenir une vision plus complète de l’impact écologique de leurs opérations numériques, et combiner les expertises data-dev-infra pour adresser l’enjeu de réduction des émissions de GES (ou multicritères pour les plus avancés) sur tout le cycle de vie du SI.
Développer une gouvernance responsable de l’IA au sein des entreprises
Le service qui n’existe pas est celui qui a le moins d’impacts ! La réduction de l’empreinte écologique de l’IA nécessite une gouvernance solide au sein des entreprises, pour challenger les cas d’usages & solutions, la valeur business et l’empreinte environnementale. Parler ROII2 (Return Over Investment & Impact) devient un indicateur structurant pour adresser les enjeux de performances des organisations.
Une telle gouvernance doit permettre de partager les ambitions stratégiques et la manière dont celles-ci sont déclinées opérationnellement : documentation des choix technologiques et évaluation de leur impact, formation des collaborateurs, mutualisation des solutions & pratiques, évaluation régulière des performances et des usages des systèmes d’IA.
Les cas d’usages d’IA Générative sont concurrentiels ; les bonnes pratiques de frugalités ne doivent pas l’être. Engager une réflexion collective et donner les moyens à chaque collaborateur de questionner les usages et choix de solutions permettra de favoriser une progression collective vers une utilisation plus responsable et efficiente de l’IA.
L’IA générative pose des défis environnementaux que les entreprises doivent prendre en compte. Chez Suricats Consulting, nous mettons à profit nos expertises digital & stratégie climat pour proposer des solutions pragmatiques afin de concilier innovation technologique et responsabilité environnementale.
Evaluer l’empreinte environnementale de vos briques d’IA (in-house ou SaaS) et projeter leurs usages futurs, sensibiliser les directions aux enjeux de l’IA générative et co-construire un canevas “Frugal IA”, intégrer la “sobriété by design” dans la gouvernance sont autant de discussions que nous adressons avec nos clients et l’écosystème.
Notre volonté est d’accompagner les entreprises vers une stratégie numérique bas-carbone, alliant performance et frugalité digitale. Si vous souhaitez explorer comment votre organisation peut tirer parti de l’IA générative tout en maîtrisant son empreinte environnementale, l’équipe Suricats est à votre disposition pour approfondir ces questions et guider vos équipes
