Alors que l'essor de l'intelligence artificielle pourrait révolutionner de nombreux secteurs et ouvrir des perspectives économiques sans précédent, son intensité énergétique suscite de vives inquiétudes sur le plan environnemental. En réponse, les entreprises technologiques encouragent les pratiques frugales en matière d'IA et soutiennent la recherche axée sur la réduction de la consommation d'énergie. Mais cette approche est loin de s'attaquer aux causes profondes de la demande croissante d'énergie de l'industrie.
L’appétit des LLM
Le développement, l'entraînement et le déploiement de grands modèles de langage (LLM) est un processus énergivore qui nécessite de grandes quantités de puissance de calcul. L'adoption généralisée de l'IA entraînant une hausse de la consommation d'électricité des centres de données, l'Agence internationale de l'énergie (AIE) prévoit que la demande d'énergie liée à l'IA doublera d'ici 2026.
Les centres de données représentent déjà 1 à 2 % de la consommation mondiale d'énergie, soit à peu près autant que l'ensemble du secteur aérien. En Irlande, les centres de données représentaient un pourcentage impressionnant de 21 % de la consommation totale d’électricité en 2023. Alors que les industries et les citoyens s'orientent vers l'électrification pour réduire les émissions de gaz à effet de serre, l'augmentation de la demande en IA exerce une pression énorme sur les réseaux électriques et le marché de l'énergie. Sans surprise, l'opérateur de réseau irlandais, EirGrid, a imposé un moratoire sur le développement de nouveaux centres de données à Dublin jusqu'en 2028. Des pays comme l'Allemagne, Singapour et la Chine ont également imposé des restrictions sur les nouveaux projets de centres de données.
Vers une IA frugale
Pour atténuer l'impact environnemental des technologies émergentes, l'industrie technologique a commencé à promouvoir le concept d'IA frugale, qui consiste à sensibiliser à l'empreinte carbone de l'IA et à encourager les utilisateurs finaux – universitaires et entreprises – à choisir le modèle le plus économe en énergie pour une tâche donnée.
Mais si les efforts visant à promouvoir une utilisation plus consciente de l'IA sont précieux, le fait de se concentrer uniquement sur le comportement des utilisateurs néglige un fait essentiel : les fournisseurs sont les principaux responsables de la consommation d'énergie de l'IA. Actuellement, des facteurs comme l'architecture du modèle, l’efficacité des centres de données et les émissions liées à la consommation d’électricité ont le plus grand impact sur l'empreinte carbone de l'IA. Au fur et à mesure que la technologie évolue, les utilisateurs individuels auront encore moins d'influence sur sa durabilité, en particulier parce que les modèles d'IA sont de plus en plus intégrés dans des applications plus vastes, ce qui fait qu'il est plus difficile pour les utilisateurs finaux de discerner les actions qui déclenchent des processus à forte intensité de ressources.
Les utilisateurs, mauvais coupables
Ces défis sont aggravés par l'essor de l'IA agentique – des systèmes indépendants qui collaborent pour résoudre des problèmes complexes. Bien que les experts considèrent qu'il s'agit de la prochaine grande avancée dans le développement de l'IA, de telles interactions nécessitent encore plus de puissance de calcul que les LLM les plus avancés d'aujourd'hui, ce qui risque d'exacerber l'impact environnemental de la technologie.
En outre, le fait de faire porter aux utilisateurs la responsabilité de la réduction de l'empreinte carbone de l'IA est contre-productif, compte tenu du manque de transparence du secteur. La plupart des fournisseurs de services de cloud ne divulguent pas encore de manière transparente les données relatives aux émissions spécifiquement liées à l'IA générative, ce qui rend difficile l'évaluation de l'impact environnemental de leur utilisation de l'IA.
Un besoin de transparence
Une approche plus efficace consisterait pour les fournisseurs d'IA à fournir aux consommateurs des données détaillées sur les émissions. Une plus grande transparence permettrait aux utilisateurs de prendre des décisions éclairées tout en encourageant les fournisseurs à développer des technologies plus efficaces sur le plan énergétique. En ayant accès aux données sur les émissions, les consommateurs pourraient comparer les applications d'IA et sélectionner le modèle le plus économe en énergie pour une tâche spécifique. Les entreprises, elles aussi, pourraient plus facilement choisir une solution informatique traditionnelle plutôt qu'un système d'IA générative à forte consommation d'énergie si l'impact global est clair dès le départ. En travaillant ensemble, les entreprises d'IA et les consommateurs pourraient équilibrer les avantages potentiels de l'IA et ses coûts environnementaux.
Certes, l'IA frugale peut entraîner des gains d'efficacité. Mais elle ne résout pas le problème central de la demande insatiable d'énergie de l'IA. En offrant une plus grande transparence sur la consommation d'énergie, en partageant des données complètes sur les émissions et en élaborant des mesures normalisées pour les modèles d'IA, les entreprises pourraient aider leurs clients à optimiser leur budget carbone et à adopter des pratiques plus durables.
L’exemple de l’automobile
L'industrie automobile offre un modèle utile pour accroître la transparence énergétique dans le développement de l'IA. En indiquant l'efficacité énergétique de leurs véhicules, les constructeurs automobiles permettent aux acheteurs de faire des choix plus durables. Les fournisseurs d'IA générative pourraient adopter une approche similaire et établir des mesures normalisées pour mesurer l'impact environnemental de leurs modèles. L'un de ces paramètres pourrait être la consommation d'électricité par token, qui quantifie la quantité d'énergie nécessaire à un modèle d'IA pour traiter une seule unité de texte.
Tout comme les normes de consommation de carburant permettent aux acheteurs de voitures de comparer différents modèles et de demander des comptes aux fabricants, les entreprises et les utilisateurs individuels ont besoin d'outils fiables pour évaluer l'impact environnemental des modèles d'IA avant de les déployer. En introduisant des mesures transparentes, les entreprises technologiques pourraient non seulement orienter l'industrie vers une innovation plus durable, mais aussi veiller à ce que l'IA aide à lutter contre le changement climatique au lieu d'y contribuer.
Pour en savoir plus :
Ce texte a initialement été publié sur Project Syndicate le 14 mars.
Qant est membre de Project Syndicate.