L’intelligence artificielle (IA) est devenue un outil puissant dans de nombreux secteurs, révolutionnant les soins de santé, l’astronomie et bien d’autres. Si l’IA offre de nombreux avantages, notamment son rôle dans la lutte contre le changement climatique, elle pose également des défis environnementaux. Cet article explore l’impact environnemental de l’IA, en se concentrant sur la consommation d’énergie, les émissions de carbone et l’utilisation de l’eau, tandis que les experts s’attaquent à l’équilibre complexe entre avantages et inconvénients.
La double nature de l’IA
Déterminer si les technologies d’IA sont plus néfastes ou plus bénéfiques est une tâche complexe. D’un côté, l’IA améliore l’efficacité et la productivité dans des secteurs comme la santé et la science climatique. À l’inverse, certains systèmes d’IA consomment beaucoup d’énergie et amplifient les effets des industries qui nuisent déjà à l’environnement, ce qui pose des dilemmes éthiques et environnementaux.
L’impact environnemental de l’IA reste mal compris et des recherches supplémentaires sont nécessaires pour évaluer son ampleur. Les experts soulignent la nécessité d’un examen complet des technologies d’IA, telles que Bard et ChatGPT de Google, reconnues pour leurs capacités textuelles.
Les grands modèles de langage (LLM) comme Bard et ChatGPT ont attiré l'attention en raison de leur forte consommation d'énergie. Ces modèles nécessitent une énergie de calcul considérable pendant les phases d'entraînement et d'utilisation, ce qui soulève des inquiétudes quant à leur empreinte carbone.
Émissions de carbone dans la formation de l’IA
Un rapport récent de l’Institut canadien de recherches avancées (ICRA) met en lumière les émissions de carbone associées à la formation des maîtres de maîtrise. La formation est un processus à forte intensité énergétique, et les puces informatiques spécialisées sont devenues de plus en plus puissantes ces dernières années. Cela accélère l’apprentissage, mais augmente également la consommation de ressources, notamment d’électricité provenant de sources non renouvelables, ce qui contribue aux émissions de carbone.
Selon l’étude, le GPT-3 de Microsoft a émis 502 tonnes de CO2 pendant son entraînement, soit l’équivalent des émissions annuelles de 304 foyers. Gopher de DeepMind, lauréat du LLM 2021, a émis 352 tonnes de CO2. Il est important de noter que les émissions de carbone continuent même pendant l’utilisation de l’IA pour répondre aux requêtes, car chaque interaction a un impact carbone.
L'épuisement des ressources en eau par l'IA
Les systèmes d’IA, en particulier les LLM, génèrent de la chaleur pendant leur fonctionnement, ce qui nécessite des mécanismes de refroidissement. Cela entraîne la consommation de grandes quantités d’eau douce, ce qui met encore plus à rude épreuve les ressources environnementales. Par exemple, les centres de données de Google ont consommé 12,7 milliards de litres d’eau douce pour le refroidissement en 2021, tandis que le centre de formation de Microsoft GPT-3 a utilisé environ 700 000 litres d’eau douce.
Impact des algorithmes plus petits
Les algorithmes d’IA de moindre envergure, comme Bloom, contribuent également aux préoccupations environnementales. Bien que leur impact individuel puisse sembler mineur, leur effet cumulé peut être considérable lorsqu’ils sont déployés dans des applications orientées utilisateur qui reçoivent des millions de requêtes chaque jour. Ces calculs ne tiennent pas compte des coûts environnementaux supplémentaires liés au refroidissement des bâtiments, au stockage informatique et aux réseaux de serveurs.
Les efforts en faveur d’une IA durable prennent de l’ampleur. Microsoft, par exemple, investit dans la recherche pour mesurer la consommation d’énergie et l’impact carbone de l’IA tout en s’efforçant d’améliorer son efficacité. Les entreprises mettent également l’accent sur l’utilisation de sources d’énergie propres pour alimenter les centres de données et s’alignent sur les objectifs de durabilité.
La diversité des impacts de l’IA
L’impact environnemental de l’IA varie considérablement en fonction de son application. Les modèles d’IA prédictifs peuvent contribuer positivement à l’atténuation du changement climatique, par exemple en détectant la déforestation. Cependant, cette même technologie peut exacerber les problèmes environnementaux lorsqu’elle est utilisée pour accélérer l’extraction des ressources dans des secteurs comme l’exploration pétrolière et gazière.
L’IA peut jouer un rôle essentiel dans la lutte contre le changement climatique si elle est utilisée judicieusement. Elle aide à comprendre les modèles environnementaux, à prévoir les catastrophes naturelles et à optimiser l’utilisation des ressources dans divers secteurs. Si les grands modèles linguistiques peuvent attirer l’attention, le domaine plus vaste de l’IA englobe un large éventail d’applications avec des besoins énergétiques variés.
L'IA au-delà des grands modèles linguistiques
L’impact de l’IA ne se limite pas aux LLM de haut niveau, il touche également de nombreux aspects de la société. Les systèmes de recommandation, les algorithmes de contrôle des usines, l’imagerie satellite pour l’agriculture et les algorithmes de prévision financière reposent tous sur l’IA. Ces applications consomment souvent moins d’énergie que les LLM, mais ont un impact sociétal profond.
Les conséquences environnementales des technologies de l’IA, en particulier des grands modèles linguistiques, doivent être prises en compte avec attention. Alors que le monde est aux prises avec l’attrait et l’appréhension de l’IA, il est essentiel de comprendre ses divers effets environnementaux. Trouver un équilibre entre l’exploitation du potentiel de changement positif de l’IA et l’atténuation de ses coûts environnementaux est un défi permanent qui nécessite une collaboration entre les chercheurs, les acteurs du secteur et les décideurs politiques.