Alléger l'empreinte carbone de l'intelligence artificielle : rêve ou réalité ?

Créé il y a tout juste un an au sein de l’ESSCA (Grande école de commerce), l’AI for Sustainability Institute a pour objectif d’explorer le potentiel de l’intelligence artificielle en matière de décarbonation et de préservation de l’environnement. Il regroupe une vingtaine de chercheuses et chercheurs dans différentes disciplines. Il a également la particularité d’associer des personnalités du monde de l’entreprise consultées en amont des sujets de recherche appliquée. Son directeur, Dejan Glavas, nous explique pourquoi l’IA a de l’avenir malgré les tensions écologiques et économiques qu’elle suscite.  

L’IA peut-elle vraiment nous aider à décarboner et à préserver l’environnement ?

Dejan Glavas : L’institut AI for Sustainability a été créé dans la continuité du rapport sur l'intelligence artificielle (IA) rédigé par le mathématicien et député Cédric Villani en 2018, dans lequel il parle de l’usage de l’IA pour la protection de la nature. Donc l’idée n’est pas nouvelle. Au sein de l’Institut, nous avons déjà publié des travaux qui témoignent du formidable potentiel de l’IA dans ce domaine. Par exemple, nous avons entraîné sur une période choisie, de 2010 à 2015, un modèle d’IA destiné à prévoir les émissions de CO2 des États à partir des données de la Banque Mondiale. Nous avons ensuite comparé les résultats avec les résultats des modèles traditionnels. Et sans surprise, c’est l’IA qui gagne !

De nombreuses voix s’élèvent pour dénoncer l’empreinte carbone de l’IA. Sait-on vraiment la mesurer ?

D.G. : Ce que l’on sait, c’est mesurer les émissions de CO2 des infrastructures physiques de l’IA, c’est-à-dire des centres de données. L’Agence internationale de l’énergie (IEA) estimait en 2022 la consommation d’électricité des centres de données à 2% de l’énergie mondiale. Elle estime qu’en 2026, cette consommation aura doublé. Plus les besoins en calcul seront importants, plus l’IA aura besoin d’électricité. Rien que l’entraînement de ChatGPT émet environ 300 tonnes de CO2, et cela peut aller jusqu’à 502 tonnes selon les estimations. Sachant que les GAFAM entraînent des quantités importantes de modèles, avec des calculs de plus en plus complexes, cela donne le vertige. Ensuite, il y a le déploiement de l’IA qui devient la part la plus importante des émissions de CO2, car il faut comprendre que l’IA transforme l’impact énergétique d’internet. Une requête avec ChatGPT consomme dix fois plus d’énergie qu’une recherche Google, certaines estimations vont de 50 à 100 fois plus !

On accuse aussi l’IA de consommer trop d’eau…

D.G. : L’eau sert à refroidir les centres de données, elle est prélevée dans la nature puis rejetée, un peu comme pour les centrales nucléaires. Il y a donc une part faible de consommation, mais plutôt une mobilisation de la ressource. Plus il y aura de centres de données, plus l’IA vas entrer en concurrence avec les autres usagers de la société, comme le monde agricole. En période de sécheresse, les tensions risquent d’être fortes. En 2022, les besoins en eau des centres de données de Google, Microsoft et Meta réunis étaient estimés à 2.2 milliards de mètres cube par an . Les prévisions annoncent pour 2027 une augmentation annuelle des besoins équivalente à la moitié de celle du Royaume-Uni.

Quel sont les autres secteurs qui peuvent impacter le développement de l’IA?

D.G. : La question de l’approvisionnement en métaux rares est cruciale. Ces éléments sont utilisés pour la production des semi-conducteurs nécessaires au fonctionnement des Centres de données. Et là encore il faut énormément d’eau pour les produire. Au cours des 35 prochaines années, nous devrons produire plus de métaux que la quantité cumulée fabriquée depuis l’Antiquité ! Mais les réserves planétaires ne sont pas infinies et surtout elles deviennent un enjeu géopolitique. Les pays avec les principales réserves de terre rare sont la Chine, le Viêt Nam,la Russie et le Brésil. Les États-Unis ont commencé la production, mais en Europe nous n’avons aucun gisement. Récemment, de nombreux constructeurs de centres de données ont dû reporter leur projet à cause de problèmes d’approvisionnement. Même constat pour les composants électroniques nécessaires au fonctionnement des centres de données qui héberge l’IA. Nous sommes sous le monopole d’entreprises américaines telles que NVIDIA.

Existe-t-il des solutions pour que les bénéfices de l’IA ne soient pas annulés par son mauvais bilan carbone ?

D.G. : Il faut rapidement se lancer dans l'optimisation, c’est-à-dire passer d’une IA de précision à une IA de l’efficience. Aujourd’hui, quand une entreprise veut créer un modèle d’IA, elle recherche souvent le modèle le plus puissant. Il faut se poser les bonnes questions : a-t-on vraiment besoin d’un réseau de neurones pour effectuer une tâche simple ? L’avenir est aux modèles plus légers, à un monde où les quantités de calcul seront minimisées pour limiter la consommation énergétique, tout en maximisant la précision. Et cela non seulement pour des raisons écologiques, mais également économiques. Les tensions liées à la ressource et à l’approvisionnement vont se traduire dans les prix. Utiliser un Large Language Model ou les services Cloud d’Amazon va couter très cher.

On peut comparer cela avec les débuts de l’informatique…

D.G. : En effet, les gros ordinateurs de l’époque sont devenus de petites tablettes. Il y a déjà des pistes, on parle notamment de Small Language Models, on optimise les réseaux de neurones pour réduire la quantité de calcul avec des algorithmes de type KAN. Une fois que nous aurons atteint ces objectifs d’optimisation, le bénéfice pour l’environnement, les entreprises et toutes les organisations, sera positif. L’IA deviendra une alliée pour réduire notre empreinte carbone, s’adapter au changement climatique, ouvrir de nouvelles perspectives dans les sciences du climat… Et surtout, en France, nous n’avons pas de terres rares, mais nous avons les ingénieurs et les mathématiciens qu’il faut pour réussir ce challenge.