top of page

L’IA face à l’impact environnemental du digital


Aujourd’hui, l’impact énergétique des technologies numériques explose, on estime par exemple qu’en 2025 l’empreinte carbone des technologies de l’information des entreprises sera équivalente à celle de 463 millions de voitures personnelles conduites pendant 1 an ou encore à l’usage électrique annuel de 256 millions de foyers.

Pour parer à ce phénomène, l’intelligence artificielle est un outil précieux pour pousser toujours plus loin l’optimisation du fonctionnement des infrastructures et ainsi participer à l’efficience énergétique de l’écosystème digital. Cependant, l’empreinte environnemental de l’intelligence artificielle n’est pas neutre et son usage doit être raisonné pour ne pas que sa balance bénéfices-risques ne soit négative pour l’environnement.


l’IA comme outil de réduction des émissions de gaz à effet de serre

En effet, beaucoup de grosses entreprises du secteur de la tech saisissent l’opportunité d’optimisation offerte par l’Intelligence Artificielle, notamment pour rendre plus efficient le fonctionnement et le refroidissement des centres de données ou Data Centers, qui comptent aujourd’hui pour 1% des émissions globales de CO2 dans le monde.


L’optimisation de l’utilisation des data centers est l’un des cas d’usage les plus fréquent pour réduire leur empreinte carbone. Cela passe par une meilleure affectation des calculs ou workload entre les data centers via le Machine Learning, sous-catégorie de l’intelligence artificielle. Par exemple, Google déplace l'exécution des charges de travail non urgentes dans ses centres de données lorsque les sources d'énergie à faible émission de carbone sont abondantes, ce qui lui a permis de réduire ses couts opérationnels de 9% (consommation énergétique, droits à polluer).


Second cas d’usage fréquent, la gestion des systèmes de refroidissement des DC via du Machine Learning permet de réduire les couts opérationnels liés au refroidissement de 8% en moyenne. Google, toujours lui, indique avoir réduit de 15% sa consommation énergétique liée au refroidissement de ses DC en utilisant une IA qui traite les nombreuses données sur l’utilisation en temps réel des serveurs.


L’IA optimise mais consomme

Cependant, l’utilisation de l’IA doit être raisonnée pour ne pas être source elle-même d’impact environnemental excessif.


En effet, l’IA est gourmande en calcul et en données. Entre 2012 et 2018, le deep learning, une des sous catégories de l’IA, a fait bondir à lui seul le besoin en unité de calcul de 300 000 %.


L’institut Allen, entité spécialisée dans la recherche sur les biosciences, a étudié la consommation CO2 de la phase d’apprentissage d’une IA spécialisée dans la reconnaissance du langage humain. L’étude démontre que cette phase peut consommer l’équivalent CO2 de 5 voitures sur toute leur durée de vie, conception incluse.

Les choix liés à la précision peuvent également faire une grande différence dans la consommation d'énergie. Prenons l'exemple suivant : Accenture a constaté que lors de la formation d'un modèle d'IA simple pour identifier les fleurs, l'augmentation de la précision du modèle de 96 % à 98 % a entraîné un bond de près de 7X de la consommation d'énergie.


Mettre en place des critères pour réguler l’utilisation de l’IA

C’est pourquoi il est fondamental de trouver des solutions moins énergivores pour son développement.


L’intégration de ces enjeux écologiques pousse l’industrie vers l’âge de l’IA raisonnée.

Avant de passer à l’échelle, l’impact de tout projet à base d’IA se doit d’être évalué afin de s’assurer que les bénéfices de son déploiement l’emportent sur les risques associés en termes d’empreinte environnementale. La mesure de la proportionnalité (rapport entre les impacts et les gains) doit être systématisée.


Cette démarche peut conduire à revoir les approches de collecte des données, de conception ainsi que les modèles initialement envisagés pour créer des solutions intégrant des principes de sobriété et de durabilité. Les IA dites frugales, c’est à dire “à la fois moins gourmandes en quantité de données et en puissance de calcul nécessaire pour les fabriquer”, pourraient être un axe de réponse, combiné à l’accélération de la sobriété des technologies sous-jacentes à leur fonctionnement.


La course à l’IA verte et son efficacité énergétique est bien lancée

En décembre 2020, une équipe de chercheurs emmenée par Yoshua Bengio, l'un des pontes mondiaux de l'IA et lauréat en 2018 (avec le français Yann Le Cun et le canadien Geoffrey Hinton) du prix Turing, le « Nobel » de l'informatique, a dévoilé l'un des premiers outils permettant de mesurer les émissions de Co2 des algorithmes.


Ce logiciel, baptisé CodeCarbon, est un logiciel léger qui s'intègre de manière transparente à une base de code Python. Il estime la quantité de dioxyde de carbone (CO2) produite par les ressources informatiques personnelles ou en nuage utilisées pour exécuter le code.


Il montre ensuite aux développeurs comment ils peuvent réduire les émissions en optimisant leur code ou en hébergeant leur infrastructure en nuage dans des régions géographiques qui utilisent des sources d'énergie renouvelables.


L'IA peut profiter à la société de nombreuses façons, mais, compte tenu de l'énergie nécessaire pour soutenir l'informatique derrière l'IA, ces avantages peuvent avoir un prix environnemental élevé. Il est ainsi du devoir des entreprises et des développeurs d’opter pour un usage raisonné de l’IA qui sera facilité par la prolifération des outils d’éco-conception et par le travail de sensibilisation mené sur l’informatique durable.

Cette prise de conscience collective doit favoriser une éducation et un apprentissage adaptés pour réduire les risques de pollution environnementale liés aux technologies du numérique et aux usages du digital.


Comments


Commenting has been turned off.
bottom of page