L'essor rapide de l'IA révolutionne incontestablement notre société moderne. Et l’intelligence artificielle et l’écologie sont liées. On aspire à utiliser la puissance de cette nouvelle technologie pour relever des défis environnementaux majeurs comme le changement climatique. On peut aussi légitiment se demander si l’IA peut véritablement contribuer à résoudre ces problèmes sans aggraver elle-même l'impact environnemental.
Quels sont donc les véritables impacts écologiques de l'intelligence artificielle ? Et comment pouvons-nous rendre cette technologie plus respectueuse de l'environnement ?
Est-ce que l'IA est écologique ?
L'intelligence artificielle intéresse les écologistes pour son potentiel dans la résolution des enjeux liés au changement climatique. Mais l’IA nourrit aussi une partie du problème environnemental. Voici quelques raisons pour lesquelles l'IA, telle qu’elle est conçue aujourd’hui, ne peut pas être considérée comme écologique :
Apprentissage profond, une empreinte carbone importante
Les modèles d'apprentissage profond nécessitent des quantités massives de données et de calculs. Ce processus implique une consommation énergétique considérable. Or, plus un système d’intelligence artificielle est efficace, plus il consomme d’énergie. Il faut, en effet, entraîner les algorithmes à partir d’un volume immense de données avec des ordinateurs surpuissants et aussi énergivores. Les modèles d'IA sont ainsi beaucoup plus gourmands en électricité que les moteurs de recherche standard.
IA, consommatrice de nombreuses ressources en eau
Le refroidissement des serveurs et des data centers nécessite d'importantes quantités d'eau. C’est notamment le cas pour dissiper la chaleur générée par les opérations intensives de calcul. Cette demande conséquente en eau puise dans les ressources hydriques déjà limitées dans certaines régions.
IA, nouveau défi écologique des data centers
L'expansion rapide de l'IA a entraîné une augmentation de la demande de data centers pour stocker et traiter les données. L’intelligence artificielle demande une puissance de traitement supérieure à d’autres données et consomme beaucoup plus d’énergie. Elle constitue ainsi un facteur supplémentaire dans la pollution des data centers.
IA, un fonctionnement global énergivore
L’intelligence ne se limite pas à un algorithme. Il faut considérer la technologie dans son contexte global pour mesurer son impact sur l’environnement. Le fonctionnement d’une IA implique tout le réseau Internet, le cloud, des datacenters, des serveurs, le big data... De plus, chaque composant matériel ou logiciel de l’IA consomme de l’électricité et produit des gaz à effet de serre.
Quel est l'impact environnemental de l'IA ?
Le saviez-vous ? En surfant sur le Web, vous produisez en un an autant de CO2 que pour parcourir 1 400 km en voiture… Avec l’essor de l’IA, la pollution du numérique augmente de façon exponentielle !
L'impact environnemental de l'intelligence artificielle est significatif en particulier en ce qui concerne la consommation d'énergie. Il dépend de plusieurs facteurs tels que le type d'algorithme utilisé, la puissance de calcul nécessaire, le type de données utilisées et aussi l'infrastructure utilisée pour déployer l'IA.
Plus le modèle d'IA est puissant, plus sa consommation d'énergie est élevée. Des chercheurs du MIT ont voulu démontrer l’empreinte carbone des modèles les plus sophistiqués de l’IA. Voici quelques ordres de grandeurs de l'impact écologique de l'intelligence artificielle :
- La création du modèle BERT en 2019 a consommé autant d'énergie qu'un aller-retour transcontinental en avion pour une personne. Bien que réputé pour son efficacité dans le traitement du langage naturel, ce modèle a nécessité des ressources énergétiques considérables pour son développement et son entraînement.
- Chat GPT-3, modèle encore plus grand et plus complexe, a nécessité 1 287 mégawattheures d'électricité pour sa création. Cette quantité d'électricité génère 552 tonnes de CO2 soit l'équivalent de 123 voitures à essence roulant pendant un an.
- L'entraînement d'un modèle d'IA correspond à environ 300 tonnes de CO2 émis dans l'atmosphère. Cette consommation équivaut à 5 fois celle d’une voiture américaine durant tout son cycle de vie. Cette empreinte carbone considérable soulève des préoccupations quant à la durabilité environnementale de l'IA.
Ces chiffres mettent en lumière l'empreinte carbone significative associée à la conception et à l'entraînement de modèles d'IA. La pollution de l'IA est donc un problème réel à ne pas négliger. Il est important de trouver des moyens de réduire la consommation d'énergie de l'IA.
Comment réduire la pollution de l’intelligence artificielle ?
Pour réduire l'empreinte écologique générée par l'utilisation et l'entraînement des intelligences artificielles, des mesures peuvent être prises à plusieurs niveaux.
- Utiliser des puces électroniques plus économes en ressources : Une solution consiste à remplacer les unités de traitement graphique (GPU) connues pour leur forte consommation d'énergie. En effet, les unités centrales de traitement (CPU) sont plus économes en énergie et tout aussi puissantes. Les entreprises peuvent par ailleurs utiliser des CPU existants.
- Adopter des infrastructures plus durables pour les centres de données : Les data centers utilisés pour l'entraînement et le déploiement des modèles d'IA consomment énormément d'électricité. Il doit être étudié l’investissement dans des centres de données alimentés par des énergies renouvelables. Cela permettrait de réduire de manière significative l'empreinte carbone associée à l'IA.
- Utiliser des algorithmes RAG plus économes en énergie : La technique RAG (Retrieval Augmented Generation), largement adoptée pour retrouver le contexte, est excessivement coûteuse par rapport à notre méthode de base neuronale. La technique RAG basée sur une base vectorielle effectue un réglage fin, mais quasi unique. Cette approche nécessite en effet une reconstruction complète de la base vectorielle à chaque itération. Notre technologie base neuronale MonIA parvient ainsi à réaliser la même tâche en introduisant un ajustement continu en ligne. MoniA s’appuie sur la technologie de ThirdAI. Elle utilise un système de récupération simple et unifié de bout en bout.
- Optimiser la consommation énergétique : Nos équipes et partenaires travaillent activement sur l'optimisation des algorithmes et des architectures matérielles afin de réduire la consommation énergétique des systèmes d'IA. Leur objectif est de diminuer le nombre de calculs nécessaires tout en préservant les performances et l'exactitude des résultats.