Combien est-ce que l'IA pollute? Certaines invites Chatgpt peuvent émettre 50 fois plus d'émissions que d'autres demandes

Une étude allemande révèle que les invites aux plus élaborées, basées sur le raisonnement, peuvent générer jusqu'à 50 fois plus de co₂ par rapport aux réponses concises

Chaque fois que nous demandons quelque chose à une intelligence artificielle, il répond. Mais derrière chaque réponse, même les incorrects ou non sollicités, il y a un processus invisible: la génération et le traitement de jeton. Les jetons, les mots ou les fragments de mots convertis en chaînes numériques pour être interprétée par Grands modèles linguistiques (LLM)consommer de l'énergie. Et cette consommation implique inévitablement Émissions de dioxyde de carbone (CO₂).

Une équipe de chercheurs allemands a récemment mesuré et comparé les émissions générées par plusieurs LLM déjà formées, répondant à un ensemble de questions standardisées. Les résultats, publiés dans le magazine Frontières en communicationsont surprenants: certains types d'invites, ou les applications ou les instructions données à l'IA, peuvent provoquer 50 fois plus d'émissions par rapport aux autres.

Selon l'étude, menée par Maximilian Dauner de l'Université des sciences appliquées de Hochschule München, les modèles qui utilisent des processus de raisonnement explicites pour obtenir une réponse – donc Modèles de raisonnement– Ils sont beaucoup plus énergiques que ceux qui fournissent des réponses concises et directes.

Analyse Modèles de 14 LLM différent, avec des dimensions variant de 7 à 72 milliards de paramètresles chercheurs ont placé 1 000 questions sur les problèmes hétérogènes. Les paramètres, dans ce contexte, représentent les unités fondamentales par lesquelles le modèle apprend et retravaille les informations.

Les résultats montrent que les modèles basés sur le raisonnement génèrent en moyenne 543,5 Token « de pensée » Pour chaque question, alors que les modèles synthétiques ne les utilisent que 37.7. LE « Penser jet » Ce sont ces passages intermédiaires générés avant d'atteindre la réponse finale et, comme prévu, impliquent une charge énergétique beaucoup plus élevée.

Plus de jeton équivaut à plusieurs émissionsmais cela ne garantit pas nécessairement plus de réponses correctes. La précision, en fait, ne dépend pas toujours de la complexité du raisonnement.

L'efficacité énergétique change également en fonction du type de demande et du modèle utilisé

Le modèle le plus précis de l'étude était Cogitoéquipé de 70 milliards de paramètresqui a atteint une précision du84,9%. Cependant, il a produit Émissions triplées Par rapport à des modèles de dimensions similaires qui offraient des réponses plus courtes, comme l'a expliqué Dauner:

Nous assistons clairement à un compromis entre l'exactitude et la durabilité.

Aucun des modèles qu'il a maintenus Émissions inférieures à 500 grammes de co₂ équivalent Il a réussi à surmonter le80% de la précision. Là Équivalent C'est l'unité standard utilisée pour mesurer l'impact climatique des différents gaz à effet de serre.

Aussi La nature de la demande affecte considérablement les émissions: des questions complexes, comme celles de Algèbre abstraite ou philosophiegénérer jusqu'à Six fois plus d'émissions Par rapport à des questions plus simples, comme celles de Histoire du lycée.

Comment utiliser l'intelligence artificielle d'une manière consciente et durable

Les chercheurs espèrent que ces résultats incitent les utilisateurs à adopter une utilisation plus motivée de l'IA « , comme l'a souligné Dauner:

Il est possible de réduire considérablement les émissions simplement en demandant des réponses concises ou en réservant les modèles les plus puissants uniquement aux tâches qui justifient leur utilisation.

Pour donner un exemple concret: si vous utilisez le modèle Deepseek R1 (70 milliards de paramètres) pour répondre 600 000 questionsémissions comparables à un ROR TROP FLIGHT LONDON – New York. En comparaison, Qwen 2.5 (72 milliards de paramètres) peuvent répondre Environ 1,9 million de questions maintenir des niveaux de précision similaires, mais avec lui même impact environnemental.

Il convient de garder à l'esprit que les résultats de l'étude sont également influencés par d'autres facteurs, tels que Le matériel utiliséle Caractéristiques du réseau électrique local il est modèles analyséséléments qui peuvent limiter la généralisation des données.

Enfin, Dauner a déclaré:

Si les utilisateurs étaient pleinement conscients du coût environnemental des réponses générées par l'IA – même pour les utilisations triviales comment se transformer en un personnage de jeu vidéo – ils pourraient adopter une approche plus sélective et responsable de l'utilisation de ces technologies.

Source: Frontières en communication