Le lourd coût climatique de l'IA ne se limite pas à la simple consommation d'air ; il exige bien plus

L'intelligence artificielle a un côté sombre, souvent évoqué mais moins pris en compte : son coût climatique.

Malgré tout l'enthousiasme et le potentiel que recèle l'IA, l'entraînement des modèles d'IA exige d'énormes quantités d'énergie, et même son utilisation pour rédiger du texte ou créer des images nécessite une quantité importante d'énergie pour fonctionner. Ces processus entraînent le rejet de quantités substantielles de carbone, en fonction de l'emplacement du centre de données et du lieu d'exécution du modèle d'IA.

Les modèles plus grands consomment plus d'énergie

Les experts affirment qu'à mesure que la technologie mûrit et se développe, les émissions de carbone ne feront qu'empirer avec le temps, car les entreprises tentent de construire des modèles encore plus grands, étant donné que la technologie est évolutive et que ses performances augmentent avec la taille, ce qui est bénéfique pour les entreprises mais coûteux pour l'environnement.

Alex de Vires affirme que les modèles plus grands entraînent également une consommation d'énergie accrue, ce qui est néfaste pour l'environnement. Fondateur de Digiconomist, son entreprise axe ses recherches sur l'étude des conséquences environnementales des nouvelles technologies.

L'entraînement de modèles d'IA à grande échelle, comme ceux qui fonctionnent en arrière-plan de ChatGPT, est extrêmement énergivore, comme l'ont estimé les chercheurs au fil des ans. David Petterson, professeur d'informatique à l'UC Berkeley et principal auteur d'une étude publiée en 2021, a indiqué que le modèle d'IA GPT-3, perfectionné par OpenAI pour être utilisé comme ChatGPT, nécessitait apparemment 1 287 mégawatts d'électricité pour son entraînement. Cette quantité d'énergie suffirait à alimenter 123 foyers américains moyens pendant un an.

Bien que nous parlions ici du modèle d'IA le plus célèbre au monde, qui était peut-être le plus important de son époque, de nombreux autres modèles ont également été développés par la suite, qui consomment eux aussi d'énormes quantités d'énergie. 

Selon Sacha Luccioni, responsable de l'IA et du climat chez Hugging Face, le modèle Gopher, un projet de Google DeepMind annoncé en 2021, nécessitait environ 1066 mégawattheures, comme elle l'a mentionné dans un autre article de recherche publié en 2022. 

Le modèle de génération actuelle a un coût climatique encore plus élevé

Mais ces deux modèles d'IA appartiennent à une génération précédente et sont relativement petits selon les normes actuelles. Le successeur de GPT-3, GPT-4, est considéré comme dix fois plus grand, et son entraînement a nécessité une énergie comprise entre 51 et 62 gigawatts, ce qui, d'après le chercheur Kasper Groes Albin Ludvigsen, dépasse la consommation énergétique collective de 4 600 foyers américains. 

De la même manière, Google dispose désormais d'un modèle beaucoup plus grand que Gopher, appelé Gemini, et bien que Google n'ait pas divulgué sa consommation énergétique, le calcul est simple : plus la construction est grande, plus elle consomme d'énergie.

Ces estimations ne concernaient que les phases de développement et d'entraînement. Un autre point important est à souligner : ces modèles sont conçus pour des opérations réelles qui exigent qu'ils produisent des résultats basés sur leur entraînement, et la production de ces résultats en réponse aux demandes des utilisateurs requiert également de l'énergie. 

D'après les experts, répondre à 1 000 requêtes avec ChatGPT consomme 47 watts, soit l'équivalent de la consommation de cinq ampoules LED classiques pendant une heure. Imaginez la consommation énergétique qui peut rapidement s'accumuler, surtout lorsqu'il s'agit uniquement de réponses textuelles. 

Les experts affirment que les développeurs d'IA peuvent réduire leur empreinte carbone en utilisant des centres de données fonctionnant à l'énergie propre, car les émissions de carbone de l'IA varient considérablement en fonction de son lieu de stockage et d'exécution. 

Selon Bloomberg, la demande en électricité a déjà augmenté ces derniers temps, et la demande supplémentaire générée par l'expansion des centres de données dépasse même le déploiement des énergies renouvelables. Par conséquent, les fournisseurs d'électricité du monde entier retardent également la fermeture des centrales au charbon et au gaz naturel, ce qui contribue à l'empreinte carbone de l'intelligence artificielle.

L'article original est disponible ici.