Une organisation de surveillance environnementale fait pression sur l'industrie de l'IA concernant la divulgation des coûts cachés de ChatGPT

L'intelligence artificielle est devenue partie intégrante de la vie moderne, alimentant diverses applications, dont ChatGPT, qui facilitent des tâches allant de la recherche d'informations à la création de contenu. Si les avantages de l'IA sontdent, des recherches récentes mettent en lumière une préoccupation moins abordée : les coûts environnementaux considérables associés aux grands modèles de langage comme ChatGPT et Bing Copilot.

Consommation énergétique de l'entraînement du modèle de langage

Les grands modèles de langage comme ChatGPT et Bing Copilot nécessitent une puissance de calcul et une consommation d'électricité considérables lors de leur entraînement. Selon une étude menée par des chercheurs de l'Université de Washington, l'entraînement d'un seul modèle de langage de grande taille comme ChatGPT-3 peut consommer jusqu'à 10 gigawattheures (GWh). À titre de comparaison, cela équivaut approximativement à la consommation électrique annuelle de plus de 1 000 foyers américains. De plus, l'empreinte carbone de l'entraînement de ChatGPT-3 peut varier de 55 à 284 tonnes de CO₂, selon la source d'électricité utilisée.

Exécution des modèles de langage et leur impact environnemental

Bien que la consommation énergétique liée à l'exécution de modèles de langage comme Bing Copilot ou ChatGPT soit inférieure à celle de leur entraînement, elle contribue néanmoins aux préoccupations environnementales. La consommation énergétique réelle dépend de facteurs tels que la taille du modèle, le nombre de jetons traités et l'efficacité du matériel et des logiciels. Selon les estimations, une requête ChatGPT-4 consomme entre 0,001 et 0,01 kWh, soit nettement plus que l'énergie consommée par une requête de recherche Google classique (0,0003 kWh).

L'impact environnemental de l'utilisation des systèmes d'IA, tels que ChatGPT et Bing Copilot, est loin d'être négligeable. La demande croissante de services d'IA engendre un besoin accru en centres de données pour héberger les serveurs et les équipements qui les prennent en charge. Ces centres de données sont réputés pour leur forte consommation énergétique, liée au fonctionnement du matériel, à la gestion de l'alimentation et au refroidissement. À l'échelle mondiale, ils représentent environ 1 à 1,5 % de la consommation d'électricité et 0,3 % des émissions de CO2. De plus, ces installations consomment d'importantes quantités d'eau pour le refroidissement et la production d'électricité.

Un rapport de Livemint révèle que ChatGPT-3 consomme à lui seul environ 800 000 litres d'eau par heure, soit l'équivalent des besoins quotidiens en eau de 40 000 personnes. Ces chiffres soulignent l'impact environnemental considérable des systèmes d'intelligence artificielle.

Réduire la consommation d'énergie et l'impact environnemental

Amélioration de l'efficacité du matériel et des logiciels : optimiser la conception et l'efficacité du matériel et des logiciels permet de réduire la consommation d'énergie. Des techniques comme le refroidissement par immersion liquide contribuent à diminuer la chaleur dégagée par le matériel et à minimiser les émissions de carbone et la consommation d'eau dans les centres de données.

Transition vers les énergies renouvelables : le recours aux énergies renouvelables, comme l’éolien, le solaire et l’hydraulique, permet d’alimenter les centres de données de manière plus durable. Des pays riches en ressources naturelles, tels que la Norvège et l’Islande, ont déjà adopté cette approche pour réduire leur empreinte carbone.

Utilisation responsable de l'IA : Limiter l'utilisation des modèles d'IA aux applications pertinentes et essentielles, tout en évitant les usages futiles ou nuisibles, peut contribuer aux économies d'énergie et à la responsabilité sociale. Privilégier la création de contenus éducatifs ou artistiques, plutôt que la production de fausses informations ou de spams, peut avoir des retombées positives sur la société.

L'avenir de la consommation d'énergie dans l'IA

L'avenir de la consommation énergétique dans le domaine de l'IA semble prometteur, les progrès technologiques permettant de développer des modèles d'IA et des centres de données plus économes en énergie. Le recours aux énergies renouvelables devrait également s'accélérer. Toutefois, à mesure que l'IA se généralise, il est essentiel de continuer à privilégier la réduction de la consommation énergétique et la promotion de pratiques durables.

Malgré les préoccupations croissantes concernant l'impact environnemental de l'IA, l'obtention de données précises demeure un défi majeur. Les recherches existantes et les études émergentes s'appuient sur des ensembles de données estimés et des projections, car les développeurs n'ont pas divulgué publiquement l'intégralité des consommations énergétiques, des émissions de carbone et de l'empreinte hydrique de l'IA.

Une étude menée par Li et al. en 2023 a mis en évidence que la demande mondiale en intelligence artificielle pourrait potentiellement entraîner le prélèvement de 4,2 à 6,6 milliards de mètres cubes d'eau en 2027, soit plus que la consommation annuelle totale d'eau de la moitié du Royaume-Uni. Ceci souligne l'urgence d'une plus grande transparence dans l'évaluation de l'impact environnemental de l'IA.

Appel à une plus grande responsabilisation et transparence

Pour répondre efficacement à ces préoccupations, il est de plus en plus nécessaire d'accroître la transparence concernant les émissions opérationnelles et de développement liées aux processus d'IA. Les développeurs devraient divulguer des données relatives à l'efficacité de la consommation d'eau et fournir des comparaisons des différentes consommations énergétiques. Cette transparence permettra de prendre des décisions éclairées et d'évaluer l'impact environnemental des modèles de langage comme ChatGPT et Bing Copilot.