Le côté obscur de l’IA : une consommation énergétique galopante épuise nos ressources

L’IA transforme notre monde, mais à quel prix ? Comment les centres de données et les technologies innovantes peuvent influencer notre avenir et quelles solutions durables peuvent être adoptées pour réduire l'impact environnemental

Avez-vous déjà réfléchi à ce qui se cache derrière les résultats de recherche instantanés sur Google ou les recommandations personnalisées sur Facebook ? L’intelligence artificielle est désormais omniprésente dans nos vies, mais que savons-nous réellement à son sujet ? Quels sont les coûts cachés de cette technologie qui promet de révolutionner notre monde ? L’IA améliore-t-elle vraiment nos vies ?

L’IA a commencé à se répandre massivement avec le lancement de ChatGPT par OpenAI fin 2022. Depuis, la technologie a imprégné tous les aspects de notre expérience en ligne, devenant une composante essentielle des interactions numériques. Les outils d’IA générative basés sur de grands modèles de langage (LLM) comme GPT-3 révolutionnent la façon dont nous utilisons Internet, mais à quel prix ?

La multiplication de l’intelligence artificielle a un impact majeur sur la consommation énergétique. Une étude d'Alex de Vries publiée dans Joule estime que la formation de modèles d'IA comme GPT-3 consomme une quantité d'énergie égale à celle utilisée par 120 familles américaines en un an​. Ces données nous donnent une idée claire de l’énorme besoin énergétique requis pour soutenir l’IA.

Selon un rapport Schneider Electric de 2023, les charges de travail d'IA pourraient représenter d'ici 2028 15 à 20 % de la consommation électrique totale du centre de données, contre 8 % actuellement. Cette augmentation est due à la nécessité de traiter des quantités croissantes de données et de former des modèles de plus en plus complexes.

Même si la consommation énergétique des centres de données ne représente qu’un faible pourcentage de l’énergie globale utilisée, des secteurs tels que les raffineries de pétrole, les bâtiments et les transports ont encore un impact plus important. Cependant, l’empreinte énergétique de l’industrie pourrait continuer à croître avec l’adoption toujours plus large d’outils d’IA générative.

Consommation d'eau dans les centres de données

Les énormes besoins énergétiques nécessaires à la formation et à la mise en œuvre de la technologie de l’IA sont désormais de notoriété publique. Dès 2022, les experts prévoyaient une augmentation de la demande énergétique des centres de données. Google, qui se considérait jusqu'à récemment comme neutre en carbone, et Microsoft, qui pourrait abandonner ses objectifs de développement durable pour créer des outils toujours plus puissants, en sont deux excellents exemples.

Junchen Jiang, chercheur à l'Université de Chicago, a souligné comment l'empreinte CO2 et la consommation d'énergie augmentent parallèlement à la puissance de calcul. Plus un modèle d’IA est grand, plus il nécessite de puissance de calcul, et les nouveaux modèles deviennent de plus en plus massifs.

En plus de la consommation d’énergie, les centres de données exécutant des modèles d’IA consomment d’énormes quantités d’eau. Shaolei Ren, chercheur à l'UC Riverside, explique que l'eau utilisée par les centres de données s'évapore dans l'atmosphère et peut mettre jusqu'à un an pour retourner à la surface de la Terre. Ce processus est très différent de l’usage domestique de l’eau, où la consommation est immédiate et réintègre rapidement le cycle de l’eau.

Malgré les prévisions d’augmentation de la consommation d’énergie, des efforts importants sont déployés pour améliorer l’efficacité des modèles d’IA. Un rapport de Magazine Harvard explique comment de nouveaux modèles peuvent être conçus pour être plus efficaces en utilisant des techniques telles que le « mélange d'experts », qui réduit le nombre de paramètres activés pour chaque entrée, améliorant ainsi l'efficacité globale​​.

Un autre exemple d’amélioration de l’efficacité est fourni par Google et Boston Consulting Group, qui notent que l’optimisation logicielle et algorithmique pourrait améliorer l’efficacité énergétique des modèles d’IA, réduisant ainsi les ressources de calcul nécessaires.

Défis et innovations futurs

Une analyse de La physique aujourd'hui souligne que, malgré les améliorations, la croissance rapide de l’IA pourrait contrebalancer ses avantages. La recherche continue d'explorer des moyens de réduire l'impact énergétique grâce à l'optimisation des modèles et à l'utilisation de technologies plus efficaces. Par exemple, Google a développé un modèle d'IA appelé GLaM qui, bien qu'il soit sept fois plus grand que GPT-3, nécessite un tiers de l'énergie pour s'entraîner.

L’intelligence artificielle va continuer à se développer et à s’intégrer de plus en plus dans notre quotidien. Cependant, il est essentiel de trouver un équilibre entre innovation technologique et durabilité environnementale. La recherche et le développement de modèles plus efficaces et durables seront cruciaux pour minimiser l’impact environnemental de la croissance exponentielle de l’IA.

Outre l’amélioration de l’efficacité des modèles, il est important d’adopter des politiques et des pratiques durables à l’échelle mondiale. Par exemple, l’adoption d’énergies renouvelables pour alimenter les centres de données et la promotion de techniques d’économie d’énergie peuvent contribuer à réduire l’impact environnemental de l’IA.

La collaboration internationale et le partage des meilleures pratiques seront essentiels pour relever les défis environnementaux liés à l’intelligence artificielle. Ce n’est que grâce à un effort collectif et coordonné que nous pourrons garantir un avenir durable à notre technologie et à notre planète.

Source: Nature – Harvard Magazine – La physique aujourd'hui